指标不对数据有何用两个方法助你选对用户体验设计指

　　本篇文章为大家详细地介绍了HEART框架和目标信号指标三步法。
　　网站设计中，数据经常派上用场。比如，在AB测试中，通过分析产品使用数据，你可以比较不同的网页设计方案。有时，人们称之为数据驱动设计（datadrivendesign）。但是，我更倾向于称之为以数据为依据的设计（datainformeddesign）真正驱动设计的，是设计师，而不是数据。
　　想让数据发挥作用，选对指标很重要。基本的流量指标（浏览量、访客数）易于追踪，可以提供网站表现的基本信息。但是，在衡量UX改动的影响时，它们的作用有限，因为它们过于宽泛，无法直接衡量用户体验质量、产品目标实现程度，实操性低。我是谷歌UX量化研究团队的一员。大规模的数据分析，是谷歌UX研究方法之一。
　　为了选对UX指标，我们总结出了以下方法：
　　HEART框架（衡量用户体验质量）
　　目标信号指标三步法（衡量产品项目目标实现程度）
　　一、HEART框架
　　在谷歌，我们把UX指标分为五大类：
　　1。愉悦度（Happiness）
　　衡量用户态度，数据通常来源于用户调查。例如：用户满意度、感知易用性（perceivedeaseofuse）、净推荐值（NPS）。
　　2。参与度（Engagement）
　　衡量用户参与度，数据一般来源于用户行为指标，比如：某一时间段内，交互的频率、强度、深度。例如：每周人均访问次数、每日人均上传图片数。
　　3。接受度（Adoption）
　　某一产品功能有多少新用户？例如：过去一周新注册用户数，谷歌邮箱用户中使用标签功能的比例。
　　4。留存率（Retention）
　　衡量用户继续使用产品的频率，例如：某段时间内的活跃用户，之后是否继续使用产品？留存失败的情况更受关注，也就是所谓的用户流失率（churn）。
　　5。任务完成率（Tasksuccess）
　　包括常见的用户行为指标，比如：效率（用户完成任务的时间）、效果（完成任务的用户比例）、错误率。适用于产品中与任务相关的部分，例如：搜索、上传。无论是整体的产品设计，还是局部的功能设计，HEART框架都有用武之地。例如，在谷歌邮箱的设计中，我们既关注整个产品的接受度，也关注关键功能（标签、邮件归档）的接受度。
　　一个常见的问题是：访客数已经摆在那里了，为什么还要多此一举，去衡量接受度和留存率呢？访客数（比如：7天活跃用户数）当然是一个很重要的指标。
　　但是，有了有关接受度和留存率的数据，就可以把新用户和老用户区分开来，快速判断用户群体是否增长。无论是设计新产品、新功能，还是重新设计产品，这些指标都十分有用。
　　在选择指标时，并不需要面面俱到。根据项目需要，选择最重要的指标，就足够了（具体内容见目标信号指标三步法）。你可以根据HEART框架，从五类指标中，选出重点关注的类别。
　　例如，对于一款为企业打造的产品，参与度指标不重要（员工出于工作需要，都会参与），愉悦度、任务完成率指标反而更重要。但是，对于一些局部的功能，参与度指标也值得关注。
　　在谷歌，HEART框架被广泛使用。围绕HEART框架展开讨论，不容易跑题。HEART由五个首字母组成，十分好记。日常工作中，只要在白板上写下五大分类，就能快速展开讨论。
　　二、目标信号指标三步法
　　如何根据HEART框架，选出可落实的指标呢？这就要靠你的判断力了，机器也帮不上忙。根据产品、项目实际情况选择的指标，才是最实用的。
　　1。目标（Goals）
　　要弄清楚这些是什么，你需要从更高的层次开始：确定你的目标，以便你可以选择有助于衡量实现这些目标的进度的指标。许多人很容易陷入头脑风暴的陷阱，一开始就列出一长串指标，把自己搞糊涂了，怎么也抓不住重点。
　　能让团队为之奋斗的关键指标，数量上不会多。只有从更高的层次思考，才有可能找到这些指标。具体而言，就是先定目标，再定指标。有了目标，你才会知道，如何衡量与目标的差距。
　　但是，项目的目标往往难以明确。这时，HEART框架就可以派上用场，对目标进行归类。例如，YouTube的重点目标之一，和参与度指标相关：我们希望用户能在YouTube看到喜欢的视频，找到更多想看的新视频、新频道。
　　产品局部和整体的目标可能不一致。例如，YouTube搜索功能的关键目标，和任务完成率指标相关：我们希望用户能够快速、轻松地找到最相关的视频或频道。
　　一个常见的错误是：把指标和目标混为一谈。如果你说：好吧，我们的目标是增加网站流量。没错，团队的每个人都希望达成这一目标。但是，改进用户体验，也有助于增加流量呀。另外，是提高现有用户的活跃度，还是吸引新用户呢？
　　对于项目目标，团队中很容易产生分歧。所以，先定目标，有助于摆平争议，建立共识。
　　2。信号（Signals）
　　接着，找到与目标对应的信号。也就是说，如果目标实现了，用户行为、态度会有什么转变？例如，对于YouTube来说，参与度提高，视频播放量就会提高。其实，还有一个更相关的信号：用户看视频的时间增加了。如果用户使用YouTube搜索，却没有播放搜索结果中的视频，那么，和任务完成率有关的目标就没有实现。
　　通常，一个目标对应多个信号。唯有仔细推敲，才能选出最合适的。
　　首先，这个信号容易追踪吗？产品能否自动记录用户操作？如果不可以，定期开展产品使用调查，可行吗？如果是任务完成率指标，还有另一个选项：在可用性标杆研究中，推出新的任务模式，开展大规模的用户实验。
　　其次，信号应该足够敏感，随着设计的改变而改变。你可以搜集相关数据，做敏感性分析，找到最能预测目标的信号。
　　3。指标（Metrics）
　　最后一步：根据信号确定指标。指标的作用非同小可：要么作为长期的信息来源，要么用于AB测试中，衡量设计方案的优劣。以YouTube为例，根据用户观看时长这一信号，我们选择每日人均观看时长为指标，以分钟为单位。
　　具体指标的选择，取决于实际情况。但是，一个信号也可能对应多个指标。你也需要通过分析数据，选择最合适的指标。原始数据可能需要标准化，才能更有意义，例如：求平均值，转化成百分比。
　　完成目标信号指标这三个步骤之后，不同UX指标的优劣也就显而易见了。最重要的是，追踪与最高目标相关的指标。不要加入无关的有趣的数据。在做决定时，你真的会用这些数据吗？你需要不同时间段的数据，还是当前时间点的数据？专注于与目标密切相关的指标，避免做无用功和数据混乱。
　　以下表格有助于你完成以上三个步骤。你不需要填满所有的空格，因为HEART框架中的某些类别，和项目目标无关。当然，你也可以添加HEART之外的类别。
　　有了反映用户体验质量，和主要目标密切相关的UX指标，在设计中，大规模的数据分析才能真正发挥作用。本文介绍的HEART框架和目标信号指标三步法，有助于你选对UX指标。或者你有其他方法或建议，欢迎和我们分享！
　　原作者：KerryRodden，数据可视化咨询顾问，谷歌、YouTube前员工