量化分析可以用最直观的数据来反映效果，常常用于用户、市场等方面，在看似没有标准的设计领域，用哪些指标、如何使用？才能知道设计效果究竟怎么样呢？

为什么我们需要量化设计的效果？

我们可以每天对其他同事说注重用户体验是必要的、自己的设计是有效果的。但是空口无凭，只是说说的力度也就仅限于此。

基于用户行为进行设计，听上去是挺有道理的。但是如何才能向他人证明这样的设计是真实有效的呢？有哪些方法可以量化设计成果呢？如何向老板证明在设计上的投入是值得的呢？

量化设计效果并不是一件很虚幻的事，下文中，我就会列举很多实际的方法，来证明设计的价值。

行为类指标和态度类指标

我们和各行各业的各种公司都有过合作，期间我们发现了一些很常用且广受用户认可的设计效果量化指标，主要可以分为两大类：

行为类（他们是如何做的）

从用户研究的角度，了解用户在做什么和他们怎样使用你的产品是非常重要的。

基于各种任务设置的可用性测试是一种基础且通用的方式，这不仅限于在小范围进行的“Think-out-loud”研究，还包括一些远程的数据统计和监控，以高效的方式获取更广泛的用户样本。

例如：

• 放弃率
• 页面浏览量
• 困难与挫折
• 任务成功率
• 任务时长

态度类（他们是怎么想的）

用户对产品的感受如何？在使用前、中、后期他们是怎么想的？这些感受是如何影响他们对品牌的印象的？……

为了衡量这些，你可能需要以下的态度类指标：

• 忠诚度（通过SUS或NPS等指标衡量）
• 可用性（或使用产品的轻松程度）
• 可信度（包括对产品的信赖程度、产品价值、贴心的服务等）
• 外观（例如“太好看了”或是“辣眼睛”）

有了这些指标后，要如何把意见量化呢？怎样把这些“太好看了”“辣眼睛”的评论和想法转化为其他人也能迅速掌握的一组组数据呢？

下面就让我们来仔细了解下这些衡量指标。

行为类用户体验指标

放弃率（Abandon Rate）

这一条很简单，可以统计下有多少人打开你的电商平台，将商品放入购物车，但最终没有真的购买。

放弃率是遗弃在购物车的商品数和用户发起的交易总数之比。

想象下如果宜家的实体店有很高的放弃率，那么必然会给店面运营带来很大的压力。

平均订单价值（AOV: Average Order Value）

AOV代表着平均每单的价值。这个数值来自于总收入/总结账次数。根据VWO的说法，这个数值是在利润层面的直接反应。如果你的设计和销售直接相关，那么可以用它作为一个指标。

转化率（Conversion Rate）

如果设计上的改进能够触发一些具体事件，例如提高用户的注册率或是任务的完成度，那么这个设计就可以说是有用的。如果设计的改动直接对用户的行为造成了正面影响，并且你可以监测这个变动的数值，那么你就可以自信地说这个设计有效。

就像NNgroup内说的，“转化率衡量了用户在使用你的网站后发生了什么。这个指标受到设计的影响很大，是用于跟踪和评估设计策略是否有效的重要参考”。

但同时我们也应意识到，升高的转化率也可能和营销活动相关，所以监测数据时也应进行区分。

此外，并不是所有访问你网站的人都有可能被转换，这也受到了访问者自身特征的影响。

页面浏览量（Pageviews）

页面的浏览量和点击量是很常见的衡量标准，可以覆盖手机APP、网页和其他许多产品，记录选定页面或功能的点击量、浏览量、功能间跳转次数等。

你可以通过一些数据统计工具，去自动抓取这些信息，还能减少数据分析和报告产出的时间。

困难与挫折（Problems and Frustrations）

我们可以通过统计有多少用户遇到了某种问题，从而来评估设计成果。

我们建议先进行“Think-out loud”测试来定位问题，然后再通过一个更大的受访群体（在一定的可信区间内）来了解这些问题到底有多大比例会出现。

收集到的这些数据可以和一段时间后/产品改进后的数据进行对比，或者也可以用来和竞争对手的产品数据进行对比。

任务成功率（Task Success）

通常情况下，我们会邀请一组用户，要求他们完成一些指定的任务。这些任务可能是：在付款流程中到达某个具体的页面、在宣传页上找到某个问题的答案或是在使用APP时完成某个步骤。

这项测试中非常重要的一点是，对成功和失败做出明确定义。

在使用这些衡量指标时，我们不能疏忽了取样的区间。

例如10个人中有8个人完成任务，和100个人里有80个人完成了任务，都可以视为80%的任务成功率。但是，后者的置信度明显要比前者高出不少。

任务时长（Task Time）

任务时长通常是一个具体的数字，例如3分钟。

对于目标是提高使用效率的产品，更短的任务完成时长也就可以反映出更好的设计方案。当然，除了高效的工具类产品，还有很多产品的目标是让用户停留更长的时间，例如Facebook的信息流。

对于任务时长的判断还是要看具体任务场景，即便是在Facebook的信息流里，用户搜索信息的任务时长也是越短越好。

关于时长，我们即可以看完成任务用户的平均时长，也可以统计所有用户完成任务的平均时长。

态度类用户体验指标

态度类指标需要量化各种定性的数据，例如忠诚度、信赖程度和产品可用性等。

目前，行业内有很多用于衡量这些数据的标准，下面我挑主要的几组详细解释下。

顾客满意度（CSAT: Customer Satisfaction Score）

这项指标用于评估用户满意度，但是并不像NPS一样有统一的问题和标准，评估结果以百分比的形式显示。

优点：没有严格限制，自由度较高。

缺点：通常只有非常喜欢或是非常讨厌你产品的人，才会愿意接受又长又详细的调研。

净值推荐（NPS: Net Promoter Score）

净值推荐评分通常用在你设计的后期，它可以帮助你以最直白的方式评估用户的忠诚度：您有多大几率向朋友或同事推荐这个公司/产品/服务/使用体验？

• 给与9到10分的人是产品的推荐者。这些忠实又热情的客户愿意把你的产品推荐给他人，在未来也很有可能会继续使用你的服务。
• 打出7到8分的人被划分为消极接受者。他们对你提供的服务感到满意，但是可能会左右摇摆，对你的产品并没有忠诚度。
• 而打出0到6分的人，被归类为贬损者。他们可能已经不想再多看你的产品一眼。

NPS的最终评分规则：推荐者%-贬损者%。

系统可用性量表（SUS: System Usability Scale）

用户只需要填写一个简单的问卷，就可以从中得出分析用的数据。这个量表也是基于李克特量表的加总方式，用定量的数据表现出定性的观点。

上图为李克特量表示意

下面的问题摘选自SUS量表，这些问题都可以在非常同意到强烈反对的维度之间进行选择。

• 我认为我愿意经常使用这个网站
• 我发现这个网站没必要这么复杂
• 我认为这个网站容易使用

这种评估方式非常易于操作，可用于小范围的样本调研，并且可以显示出产品是否有改进。

但需要注意的是，这个量表并不能直接告诉你产品设计出了哪些问题，或是哪些新设计起了作用，它是一个比较宽泛的评分。

任务绩效指标（TPI: Task Performance Indicator）

Gerry McGovern对他们团队提出的方法进行了详细的分析，用以评估设计改动对用户体验的影响。

在TPI的方法下，你需要为主要任务设置10到12个相关问题。这些问题得是可重复的，因为在6到12个月之后大家还会向他们提出这样的问题。

如果用户完成了任务，就需要开始回答这些与任务相关的问题，之后用户会被询问对自己的回答有多大把握。

当TPI得分低于50时（满分100），就意味着产品设计有重大失误（具体实践方式见链接）。

标准化用户体验评分问卷（SUPR-Q: Standardized User Experience Percentile Rank Questionnaire）

这是一份标准化问卷，包含8个用来度量用户体验质量的问题，覆盖了可用性、可信度、忠诚度和外观评价四个维度。

上图为SUPR-Q的问题内容

更多关于SUPR-Q细节信息可以查看www.suprq.com。

有没有一步到位的评估方式？

在UserZoom（作者的公司），我们自己创造了一种设计效果评估方式——qx评分（体验质量评分/quality of experience score）。这个方法融合了许多评估方向，包括行为数据和态度数据。它的结果非常简明，能在与老板或甲方的沟通中为自己的设计证明。

当你把各项评分输入到这个qx分数表中，你会得到像下图一样的打分卡：

圈中的数字是72，代表着最终评分。

再仔细看一眼，可以发现小分里包括信赖度、美观度等项目。很多时候，我们想要向上下游合作方和老板证明产品在经过设计后变得更好了，qx评分能为我们助力。

要对qx评分进行进一步分析，就需要与其他产品进行对比，没有上下文的数据是空洞无用的。

我们也为此统计了份UZIndex，即根据qx评分对各个行业的不同产品进行测验和总结，这样公司就可以从中了解到自己产品在整个行业的体验水平。

小结

我的文章并没有完整覆盖到每一个用户体验量化指标，因为集齐所有指标可能会花掉很长的时间。

但从上文我们也可以发现，作为用户体验设计师，在设计效果的衡量标准上有许多可选方式，能将各种定性和定量的结论结合在一起。

选择哪种量化指标主要取决于你们公司的目标是什么，相关的合作方、老板想得到哪方面的结论。对于我们而言，最重要的是要明白要量化什么，以及为什么需要量化它。

作者： Christopher Ratcliff，Kuldeep Kelkar；译文有删减。

原文链接：https://www.userzoom.com/blog/what-metrics-do-the-experts-use-to-measure-ux-effectiveness

译者：迷思特圆；译者公众号：迷思特圆（ID:mryuan55）

本文由 @迷思特圆 翻译发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash ，基于 CC0 协议