用戶研究有兩隻抓手，一隻是用戶洞察，另外一隻就是用戶體驗。本文結合案例解答用戶研究人員在其中所扮演的角色，以及如何發揮用戶研究人員在用戶體驗建設方面的作用，未來的趨勢是什麼的問題。推薦相關領域從業者閱讀學習～

現如今，用戶體驗行業在我國經曆了20多年的發展，已然成為一個社會化分工明确，有着由開設用戶體驗相關課程的高校院所、企業内部的用戶體驗相關部門、用戶體驗專業顧問機構、用戶體驗專業設備公司、用戶體驗行業組織（Uxren等）構成的完整産業鍊的行業。

一、用戶研究在用戶體驗行業的角色分工

“用戶體驗”行業自誕生到現在，仍然處于成長期，遠未成熟，期間經曆了一系列的衍變，用戶研究在其中的角色分工也經曆了一些變化。

1. “用戶體驗”行業的發轫

用戶體驗行業毫無疑問發轫于用戶體驗設計。

在最早的軟件産品開發時代，産品開發的流程是市場（需求提出）——開發（編程測試）——用戶（使用），因為開發人員往往是非常專業的技術人員，導緻最後生産出來的産品也隻能專業人士使用。

随後開始引入設計角色，産品開發的流程變成市場（需求提出）——開發（編程測試）——設計（可用性）——用戶（使用），這提升了産品的可用性，據此用戶體驗萌芽。

設計角色的引入從20世紀四十年代就開始了，心理學專家介入進行可用性工程學研究，其結果應用于飛機駕駛艙系統、電話系統等設計，是最早的用戶體驗設計師雛形。

在這個階段，用戶體驗行業等于用戶體驗設計。

2. 用戶體驗行業的發展1.0時代

再然後，引入測試團隊和設計優先團隊，産品開發流程變成市場（需求提出）——設計（可用性）——開發（編程）——測試（測試）——用戶（使用），産品可用性進一步提升，用戶體驗經濟到來。

設計角色的加入和設計優先提升了産品可用性/體驗，同時随之而來産生了對可用性/體驗進行診斷、量化評估的需求。

為此，圍繞着用戶體驗診斷及度量發展出日益完善的方法論、工具。

• 1965年，由 Parasuraman 和 Zeithaml提出了CSAT（Customer Satisfaction），中文名顧客滿意度。
• 1986年，John Brooke提出了著名的SUS（System Usability Scale），中文名系統可用性量表，雖然略顯“快速而粗糙”，但大量的實驗證明是有效和可靠的。
• 1994年，IBM公司的Jakob Nielsen提出了著名的10 Usability Heuristics for User Interface Design，中文名尼爾森十大可用性原則。
• 2003年，貝恩咨詢公司用戶忠誠度業務的創始人 Frederick Reichheld在Harvard Business Review 的文章中首次提出NPS（Net Promoter Score），中文名淨推薦值。
• ……

這個階段，用戶體驗行業仍是由用戶體驗設計主導，同時用戶體驗行業從設計向度量延展。

3. 用戶體驗行業的發展2.0時代

随着移動互聯網時代的到來，出于對用戶的搶奪，開始盛行以“用戶為中心”的設計理念，産品開發的流程變成設計（用戶需求洞察、可用性）——開發（編程）——設計（可用性評估）——測試（測試）——用戶（使用、反饋），産品在保證可用性的基礎上開始追求人性化、愉悅，用戶體驗經濟到來。

用戶研究職業正是在這個大背景下誕生的，開始承接起原本屬于産品設計團隊的用戶需求洞察、可用性評估（體驗診斷&度量）、用戶使用反饋收集的職責。

無論是可用性測試，還是滿意度、NPS評估，本質上還是基于問卷調研得到的用戶主觀數據，随着大數據的崛起，用戶體驗的度量開始加入了客觀用戶行為數據指标。

典型的有Google提出的PUSLE模型（Page Views，Uptime，Latency，Seven-day active users，Earnings），全部由客觀用戶行為指标組成；HEART模型（Happiness，Engagement，Adoption，Retention，TaskSuccess），由主觀指标 客觀指标組成，是基于PUSLE模型的改進。

通過和大數據的結合來對用戶體驗進行診斷&度量，這其實已經超越了用戶研究的邊界。另外用戶體驗長久以來在很多企業内部其實并沒有受到重視，因此有必要将用戶體驗作為一種企業文化引入，并設立長期體驗目标。

這意味着需要從更高層面去整合數據、設計、用戶研究等資源，從上至下推動，于是“用戶體驗戰略”被提出。

此外，為了體系化、長效化進行用戶體驗建設，圍繞用戶體驗水平持續跟蹤與優化、對用戶體驗進行數字化管理、對用戶體驗組織進行管理等而形成了用戶體驗運營體系。

自此，發轫于用戶體驗設計，閉環于用戶體驗運營的用戶體驗行業成形，而用戶研究在其中的角色明确并固定下來，那就是聚焦用戶體驗診斷&度量。

需要說明的是，用戶研究之于用戶體驗的核心價值是體驗診斷&度量，并不是說就不參與用戶體驗設計、用戶體驗戰略、用戶體驗運營，從用戶體驗研究的角度，上述四個環節都需要用戶研究人員的支撐。

二、用戶研究如何助力用戶體驗建設

目前，用戶體驗的診斷&度量的應用場景主要表現在産品、運營、品牌三個層面。

1. 産品層面

産品層面的體驗診斷&度量主要涉及可用性、滿意度和NPS評估。

（1）可用性測試

用的最多的研究方法當屬可用性測試。可用性測試是通過還原任務場景，觀察用戶使用（操作）行為，并配合訪談、競品分析、可用性量表（SUS）來發現産品體驗問題，并對可用性進行簡單度量的方式。

可用性測試主要關注産品的可學習性、效率、可記憶性、容錯性等，下面是實際操作的常用指标。

可用性測試還可借助眼動儀等設備監測用戶的使用過程，屬于神經營銷學的手段之一，幫助更深層地了解用戶。

傳統研究方法（有意識/主觀研究方法）和神經科學研究方法（無意識/客觀研究方法）的結合，會産生1 1遠大于2的效果。

（2）眼動追蹤

以主流的眼動追蹤（Eye tracking）為例，其原理是基于眼睛視頻分析（VOG，Videooculographic）的“非侵入式”技術，捕捉瞳孔位置，并将該位置信息通過内置算法計算，獲得用戶在所看界面上視線落點，即用戶當前注視點在界面上的具體位置。

眼動追蹤主要關注發現度、興趣度、理解度、接受度等指标，其中理解度、接受度要結合測試後訪談。

（3）用戶衆測

用戶衆測，是邀請一定數量的用戶按照給定的任務腳本自行完成産品體驗并進行反饋、評價的研究方式。

用戶衆測和可用性測試的主要區别在于兩點：一是是否需要用戶研究人員主持，二是樣本數量。用戶衆測執行不需要用戶研究人員的主持，樣本數量較可用性測試的6-8個更多，通常可以達到30 從而可以用來進行定量統計。

如果說可用性測試主要用來發現體驗問題，那麼用戶衆測除了體驗診斷外，還可以進行度量。

用戶衆測的流程一般包括任務設計、用戶招募、任務測試、數據回收幾個步驟。

任務設計環節需要考慮可行性，注意任務的難度，任務太難或者太簡單都不合适；此外要考慮任務的合理性，有的任務不适合用戶衆測。

用戶招募環節注意抽樣誤差，條件允許時可以做配額控制；此外需要注意招募的渠道，一般情況下内部渠道招募的用戶會有本品牌光環效應，造成系統性誤差，一個比較好的解決方法是無品牌盲測。

任務測試環節此外需要注意用戶的任務完成度和效率，必要的話可以建群定期督促進度。

數據回收環節需要注意虛假作答和敷衍作答，看單個樣本是否存在打分“糖葫蘆串”現象，開放性反饋内容是否過于簡單、有重複内容等。

（4）滿意度

“滿意度”就是“現實的産品質量和接受的服務”與“客戶期望”之間的差距，說白了就是一種主觀感受，希爾頓酒店滿意度評分4.5分，桔子水晶酒店滿意度評分4.8分，是不是桔子酒店的住宿體驗比希爾頓好呢？不一定。

滿意度評估項目的四個關鍵環節分别是假設模型（指标體系搭建），模型驗證（指标體系調整），模型評估（滿意度得分，權重和優先級确定），模型應用（内部宣導，績效考核等）。這裡重點說說假設模型和模型驗證。

滿意度指标體系通常基于用戶體驗旅程（觸點）來搭建。比如一個貴賓廳的滿意度指标體系，二級指标區分線上滿意度和線下滿意度，線上的三級指标又包括預定入口、價格、位置說明等，就是一個從線上到線下完整用戶體驗路徑的設計思路。

但有時候滿意度指标體系的設計也需要基于業務需求來設計。例如設計師表示，目前貴賓廳的滿意度指标體系沒有辦法很好地衡量設計工作，發現設計問題，如果發起一個考察設計體驗為主的滿意度項目，指标體系就需要另外設計。

滿意度指标體系的搭建需要遵循一些基本原則，具體包括用戶認可，可幹預，可測量，可對比。

滿意度指标體系搭建好後，通過回收的數據需要對模型合理性進行檢驗，兩種常見的方法就是探索性因子分析（主成分分析法）和驗證性因子分析（結構方程），這可以幫助我們把與總體滿意度不相關的二級指标剔除掉。此外，還要做信效度檢驗。

如果所有的二級指标跟一級指标都沒啥關系，那就是我們的指标設計有效度問題，即用戶不是用這個角度看問題。

（5）NPS

與滿意度比較，NPS有很多不一樣。

• 滿意度更多是詢問的态度層面，而NPS更多是基于行為層面的。
• 滿意度是基于現狀和過去的，NPS更多是基于未來的。
• 滿意度是看重整體所有用戶的評價，而NPS更加關注兩頭的用戶，即口碑推薦者和貶損用戶。
• NPS的波動性更大，即從樣本量來看，因NPS是用口碑者減掉貶損者，NPS采集的樣本量要求更高，這樣數據的穩定性代表性更強。

企業實踐中，通常用單一NPS研究和NPS 滿意度兩種設計思路，具體指标體系搭建不再展開，需要注意的是在執行了NPS 滿意度的調研後，NPS與整體滿意度出來的結果可能有以下四種情況：

尤其注意相悖的情況：高滿意度但低NPS，可能說明産品和服務本身體驗較好，但品牌/模式喪失吸引力；高NPS但低滿意度，可能說明品牌力（概念/模式）強勁，但産品/服務存在痛點。

此外，NPS的人群結構不同，後續的策略不同。當推薦人群比例大/較競品高時，策略是優先關注推薦者，維護引導、開發推薦人群價值；當中立人群比例大/較競品高時，策略是關注中立者，滿足中立人群在産品服務上的痛點需求，将其轉化為推薦者；當貶損者人群比例大/較競品高時，策略是優先關注貶損者，建立貶損者的預警、幹預、反饋的機制，減少貶損人群的負面影響。

2. 運營層面

運營層面的體驗診斷/度量主要涉及活動、客訴、廣告效果評估。

（1）活動

活動效果的評估我們通常可以從數據和用戶兩個層面來看，數據層面關注活動對于活躍、留存、商業化收入等影響，但隻看數據是不行的，因為不知道活動的問題所在以及改進的方向，所以用戶視角的活動效果評估也很重要。

用戶視角的活動效果評估主要可以解決四類問題，分别是活動用戶畫像、認知與行為、參與動機、評價态度。

其中核心的效果評估指标主要是活動轉化和活動評價。

（2）客訴

客訴主要是以錄音、文字的形式存在，其中對非結構性文本的分析和挖掘是重點。

文字形式的客訴基于數量級采用的研究方法不同。如果是小樣本的開放性客訴，通常采用人工Coding方法就可以解決，具體操作就是對用戶反饋進行分類然後分别打上标簽，再進行統計，可以得到詞雲圖、整體情感傾向（負向、正向）等。

大樣本的開放性客訴就沒法人工進行分析了，那樣效率太低，通常借助文本挖掘軟件進行分析，比如KHCoder。

KH Coder可以實現詞頻分析（Word Frequency），詞的共線分析（Co-Occurrences of Words），詞的相關分析（CorrespondenceAnalysis of Words）等，這裡主要介紹下用得最多的詞頻分析和共線分析。

在《基于網絡數據文本分析的目的地形象維度分異研究——以南京為例》一文裡，以馬蜂窩遊客對南京的10077條在線評論文本為數據，運用網絡大數據文本挖掘法、詞頻統計法和共現網絡法，分析得出目的地形象維度重要性存在差異。

圖 KH coder詞頻分析

研究結果顯示，旅遊吸引物（主要是人文類）所占的詞彙最多、詞頻最高，它是遊客感知目的地形象維度的第一層次，公共基礎設施是第二層次，在目的地形象的感知維度中占有重要的成分；休閑和娛樂、旅遊環境和地方氛圍形成第三層次，而旅遊基礎設施是第四層次，它們共同構成了目的地形象感知維度。

圖 KH coder共線網絡

對目的地形象成分的研究結果顯示，共現網絡呈現6個節點群。遊客感知的南京整體形象由景點、美食、交通、曆史、建築構成，主要源于旅遊吸引物和公共基礎設施維度，這也進一步驗證了目的地形象感知維度的重要性存在差異。

（3）廣告

廣告評估一般分為前測和後測，前測指廣告投放前的測試，通常幫助在多個創意裡挑選最優的投放，後測指投放後的效果評估。

MillwardBrown(現為Kantar)作為全球知名的廣告測評公司，其廣告評估指标主要包括穿透力、信息傳遞、說服力三個維度十多個指标。

3. 品牌層面

品牌評估主要涉及品牌力、品牌漏鬥、品牌形象三方面。

（1）品牌力

品牌力（Brand Power）通常是由模型計算得出，這方面比較知名的有MillwardBrown(現為Kantar)公司的MDS模型，該模型不僅可以用來對不同品牌的品牌力指數進行排名，還可以通過品牌力的結構進行分類。

（2）品牌漏鬥

品牌漏鬥的指标主要包括品牌知名度、品牌滲透率、品牌好感度、品牌忠誠度、品牌推薦等。

（3）品牌形象

品牌形象區分功能形象和情感形象，功能形象指産品功能層面的印象，通常用“性價比高的”、“智能領先”、“人性化設計”、“質量好的”等語句來描述；情感形象指對品牌的拟人化聯想，通常用“年輕的”、“理性的”、“有趣的”等語句來描述。品牌形象的分析通常用到對應分析技術。

三、聊聊趨勢

在用戶體驗診斷&度量方面，又可以構建起由指标體系搭建、數據采集、結果應用組成的小的閉環。

下面從這幾個方面着手聊聊觀察到的趨勢變化。

1. 體系搭建

首先，指标體系顆粒度更加細化，并從單一指标發展為監測體系。

例如，中國平安在原有戰略NPS體系的基礎上發展了觸點NPS和關系NPS。

戰略NPS指對整個行業的本品和競品用戶進行測量，測量内容是用戶體驗旅程的所有關鍵觸點，對标競品識别體驗差距，一般一年開展一次，主要用于戰略規劃。

關系NPS指圍繞本品和用戶關系，考察在所有用戶生命周期階段的本品NPS表現，同時每個階段的測量内容和測量對象有所不同，比如手機新機階段監測内容側重新機使用體驗，及時發現新産品體驗問題，測量對象是新用戶；購機後3個月監測内容側重日常使用體驗，測量對象是購機後一段時間的存量用戶。

觸點NPS指對用戶體驗旅程裡的關鍵觸點單獨做監測，比如售前和售後觸點NPS，同時觸點NPS的測量表現出實時性，也就是用戶在完成一次購物後就可能實時收到NPS調研問卷。

同樣的滿意度評估指标體系适用。例如以前我們在做一個APP的滿意度監測項目時，通常隻會基于本競品對标一年做一次，也就是戰略滿意度。随着流量見頂存量用戶精細化運營時代的到來，對産品滿意度的評估可能需要下沉到某一個功能模塊，會對該APP的關鍵功能單獨進行滿意度評估，也就是觸點滿意度。

其次，指标體系的度量維度更加豐富和立體化，除了用戶體驗維度，也開始整合技術維度，用戶行為，商業維度等。

例如螞蟻金服的PTECH指标體系，是以Google的HEART模型為基礎，結合B端産品的實際情況整合而成的用戶體驗度量模型，是技術維度，用戶行為維度和用戶體驗維度的結合。

再者，基于度量指标的模型化。典型的如上文提到的MB的品牌力模型，實質就是基于品牌知名度、喜愛度、差異化等指标搭建的模型；其他如螞蟻金服發布的PTECH模型，微衆銀行發布的WeUX指數等，感興趣可以自行了解。

2. 數據采集

随着指标體系的精細化，基于場景的關鍵觸點體驗監測的流行，數據采集開始以場景嵌入的形式出現，從而更加敏捷和即時。

例如，我們在刷抖音時會彈出一個小調研，詢問用戶對推薦的内容滿意程度；又或者我們在美團上完成點餐，結束後的頁面會有對本次手機點餐滿意度的調研。

此外，相對于傳統的人工數據采集，數據采集過程越來越自動化。

例如，我們在盒馬完成購物，用盒馬APP完成支付，用不了多久就會收到盒馬的短信調研鍊接，詢問用戶在購物消費過程中的滿意度。短信的發送可能不再是人工圈選用戶然後推送的，而是滿足一定條件後的自動系統觸發推送。

又例如，一個搶票APP的産品體驗度量項目，主要監測搶票得分、搶票成功率、搶票耗時等指标，最早是人工下單、人工統計各流程的時長和報錯情況等，随後采用自動化框架測試技術，用機器代替人工，模拟真實用戶下單，獲取每單的查詢時長、出票時長，可以精确到毫米級。

3. 結果應用

在數據采集完成後的成果應用環節，最明顯的趨勢是數據可視化或者說數字化。通過自動化管理儀表盤，可以簡單明了的形式将度量結果的彙總信息與問題發現第一時間向管理層發布。

圖 華為數字化管理平台（模拟）

此外，随着數據的積累，開始具備搭建行業均值數據庫的條件。比如活動效果評估類的項目，通過往期活動效果評估數據，并計算了線上活動、線下活動的活動效果指标均值，就可以形成活動效果均值數據庫（Norm值）。

參考資料：

[1]楊智寶，袁小偉,劉遠.用戶體驗在我國的發展概述[J].中國質量,2020年6月，468期

[2] 青旗沽酒趁梨花i.體驗度量理論2021[R].簡簡單單（公衆号），2021年10月

[3]徐菲菲，剌利青，Ye Feng.基于網絡數據文本分析的目的地形象維度分異研究——以南京為例[J].資源科學，2018，40（7）：1483-1493

#專欄作家#

劉佩龍，loop_summer，人人都是産品經理專欄作家。畢業于中國人民大學，10年 市場與用戶研究經驗，曾先後就職于Kantar，Nielsen等全球知名市場研究公司，目前就職于vivo互聯網用研團隊。緻力于讓更多人了解市場與用戶研究。

本文由@劉佩龍 原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部