在商业环境中的 UX 体验衡量指标

本文适合（1）进入工作领域 1–3 年的 UX Designer/Product Designer（2）希望为自己的工作产出订定价值衡量的 Anybody

好的衡量指标带你上天堂，不好的衡量指标带你睡…

嗨，本周 Nathan 与大家分享下一些在 UX 工作中，常会听到的一些衡量指标专有名词，有些或许是你常常听到但不太确定的，有些则可能是你所在的领域或项目比较少讨论的。

虽然在大多数的公司中，与中小型的设计团队，采用快速定性的研究，可能是比较符合 CP 值的方式。但当产品、用户甚至团队具有一定规模时，关于量化指标的重要性，在 2019 年的今天想必已经不需要再重复叙述。

不太一样或是常被误会的是，对于设计师来说，多数在工作中使用的量化衡量指标，其实大多是围绕设计工作的显性部分，也就是可用性 (Usability) 上，而可用性工作其实只是 UX Design 的一环。

但， UX 毕竟是由商业环境中反推学术的一门职位。

如果仅仅只是将量化指标用在 UX Designer 的工作上，反而是自己自废武功。不要忘记小至前端展现，大至商业策略，都可以是 UX Design 的范围。

因此如何学习使用一些既带有商业特性，又能体现用户体验的指标，是每个 UX 工作者，多少都要知道的。

“我们不是在设计UX，但我们可以为UX设计”

另外，本篇主要在分享一些使用体验横标指标上的一些迷思，与介绍工作中常用的一些指标，至于如何透过这些指标帮助 UX Designer 在工作中提升重要性，来自证 UX 工作能带来的价值部分，可以看一下 Nathan 以前写过的一篇古早文。

关于数据指标与衡量的常见迷思

01 数据指标的使用，不符合 G-S-M 原则

当有一定的用户后，结合常见的数据分析工具或内部团队自建的数据埋点，网站和应用马上就能出现许多可供分析的数据，似乎只要有这些数据，令人惊喜的洞察就会自动浮出水面。

G-S-M（Goal-Signal-Metrics）是 Google 提出的目标导向衡量模型，用来拆解用户使用产品时的 设计目标-行为信号-衡量指标 的一种模式。

在商业场景中，所有的数据衡量必定带有明确的目标，比如：透过观察宽口转化和窄口转化，分析广告投放效益以及 GMV 成本。甚至，如果仅基于这些观察数据进行动作性的优化，没有配合中长期的决策时，变化仅会流于短期效益。

02 显而易见的数据指标，不代表就是有帮助的

一个数据指标容易监测与计算，并不意味著它对你的产品来说就是重要的。透过现在大部分的分析工具，可以很容易就监测跟踪成百上千的各种指标，而且分析的工具也层出不穷。新产品团队往往因为能获取大量的数据，然后就期望洞察自动出现，但往往不遂人意。

例如，网页或 App 的 PV 数据很容易收集，但如果你的网页或产品是属于内容消费类型的，它就无法呈现用户是否在你的网站消费内容（有效时长更具代表性）。高的 PV 或许是由市场广告转化过来的用户，但对内容消费类的产品目标，肯定不是确定每个用户到底浏览了多少页面，PV 可能是衡量广告效果的重要度量，但它并不是监测用户参与度的良好方式。

如果你不确定你正在用的数据指标，是否有正向帮助的话。可以参考 AARRR 的转化模型，来帮助自己梳理清楚核心的转化链路。

03 单一的数据指标，对于效果衡量可能是模糊的

如上面所说相较于 PV、UV、DAU，用户在网站或应用中的有效停留时长，可能更适合用来衡量用户在产品中的参与度。

但停留时间越长可能是正面的，也可能是负面的。在电商产品类的转化过程中，如果在关键的转化节点用户停留较久，可能意味著用户因困惑、分心或挫败而花费了大量时间。即便同时监测网站或应用的停留时长和转化率&