水边梅塔网
您所在的位置:水边梅塔网>科技>B端产品|用户体验量化的三个案例
B端产品|用户体验量化的三个案例
更新时间:2019-12-03 20:12:49   浏览次数:1366
[摘要] 笔者在学习tom tullis、bill albert的《用户体验度量》后,开始思考:针对b端产品,如何在线上环境中,通过对用户数据的采集、分析,完成对产品的用户体验量化?通过比较优化前后的时长,以达

在研究了汤姆·图利斯(tom tullis)和比尔·艾伯特(bill albert)的用户体验指标后,作者开始思考:对于B端产品,如何通过在线环境中用户数据的收集和分析来量化产品的用户体验?

本文给出了三个案例来尝试,从简单到复杂来阐述三个定量维度。

对于企业中使用的B-side产品,经验设计师在日常设计过程中经常依靠经验来优化产品的体验。“经验”通常来自两个来源:

显然,这两种设计经验都有一个很大的缺陷,那就是很容易“拍脑袋”来制定计划——产品经理、设计师,更常见的是领导者。

“敲打头部”有时确实是灵感的天才火花,但最大的可能性是盲目射击。因此,如何避免这种“盲目拍摄”是经验设计师应该考虑的问题。“用户体验的量化”是一个好方法:

“通过收集和分析与用户体验相关的数据,量化数据被用来证明设计是‘适当’和‘不适当’,适当的保留和不适当的连续优化,从而保护产品的迭代构造。”

对于B侧效率工具产品,它不针对用户的保留时间。相反,如果它可以减少用户完成任务所消耗的时间,则任务链接的用户体验优化是成功的。

因此,可以在线收集一个指标的数据:任务持续时间,即用户从开始任务到完成任务所花费的时间。或者,直接收集用户从进入B端效率类工具型产品到最终离开的时间。通过比较优化前后的持续时间,可以达到量化用户体验的目的。

然而,这类产品收集的数据有一个缺陷——样本量小。

原因是该产品在公司内的用户群非常小。例如,一些基本的云产品可能有两位数的用户群。因此,收集的数据的分布状态是离散的,不能由分布状态直接确定。

在样本量有限的情况下,如何区分优化前后的用户体验数据?

我们可以做数据分析:平均值、置信区间、t检验。

第一步是比较平均值并给出置信区间。

第二步是判断置信区间是否有重叠。如果没有“重叠”或“很少重叠”,则差异基本上被认为是显著的,并且可以通过优化优化前后的差异及其置信区间来直接量化用户体验。请参考第五步。

第三步,如果置信区间“重叠很大”,就没有办法确认差异的存在,需要进行t检验。如果t检验的概率值较大(> 0.05),差异不显著,表明优化前后用户体验的变化不明显:优化方案“不合适”。

第四步,如果t检验的概率值很小(

贵州十一选五开奖结果 山西11选5开奖结果 湖北十一选五 江西11选5投注

上一篇:青海:“四位一体”政策保障高校毕业生就业创业
下一篇:系好安全带!今晚重要数据和事件来袭 欧元、英镑、日元、澳元、

相关