背景
新的玩法上线后，除了复盘活动数据是否达到初期的目的，我们往往还会想要了解用户对这个新活动的评价。用户评价具有很强的主观性，这样一般会导致分析活动的用户体验效果时，只有观点没有数据。如果没有一个客观的衡量工具，也很难发现哪些因素是短板。
体验量化体系提供了对应的解决方案，客观维度及其分值可用于判断迭代的有效性，进而形成迭代方向的固化深化复用，指导后续活动的优化点。
关键指标说明
在体验量化体系中，分值是用户体验量化的工具。此外，量化体系应该：
1. 提供同一个语境，不同职能的同学都可以通过量化分析获得活动的效果感知；
2. 可比较，能够作用于n个活动，并提供对比；
3. 客观，尽量排除过程当中的主观臆测
一、页面数据
把一个活动比喻成园游会的一间小铺子，通过入口位置的点击事件埋点数据可以得知多少用户“进店查看”；通过整体页面的浏览量和独立访客数可以得知多少用户“转了一圈就走”；通过关键按钮埋点数据可以得知多少用户“拿起了商品”想要购买；通过付费情况了解当日的“营业额”；甚至通过付费比率来获知收入主要来源于“零售”还是“批发”。
在特殊情况下，数据还能告诉我们一些额外的信息。当这个小铺子“搬了新家”后，我们能够通过入口埋点数据的波动了解迭代前后的用户感知度。当小铺“促销迎宾”时，返礼品发放数据、领取用户类型、人均领取率和库存消耗率能够告诉我们用户付费的出发点。
二、行为数据
或者我们可以将一个活动视为一场party。难点在于，超过十人以上的聚会，主人分身乏术，兼顾不到每一个客人。我们如何能够了解参与party的众多用户是不是嘴上笑嘻嘻，心里mmp？通过观察用户的使用痕迹，我们至少能够得知他们参与一个活动需要踏过哪些门槛，哪些门槛对他们来说难以逾越。当某个页面的跳出率环比高于同期，意味着该处对用户没有帮助或者稍显复杂了，用户搜寻了一番找不到想要的东西，自然就此离开。
除了单个指标数据能够反映体验问题，多个行为数据综合成可视化的用户行为序列，能够直观了解到用户的操作习惯和行为规律。
三、主观感受
继续关于party的比喻。当我们想了解一个party是否实现了宾至如归，这时候也许需要脱离大数据，细细研究一个用户从收到邀请函开始对活动的印象（触达），为什么决定来参加这个party（动机），是否喜欢这个party（满意度），是否愿意邀请自己的朋友前来（推荐度）。这离不开与用户的沟通。我们会根据不同项目的情况，通过电访、可用性操作观察接触到小样本的用户，也有可能通过问卷推送、街访的方式接触到尽可能多的用户，鼓励用户的反馈，从而传达用户的声音至内部团队。
关键指标实践
以上的活动体验关键指标，都归结于测量用户体验的两个主要方面：绩效和满意度。我们先来看看如何量化满意度：
一、满意度量化
在实践活动中，我们可以围绕活动玩法，设置n个任务，通过观察用户的使用情况，得到相关数据：
页面访问量是指专用户在完成任务过程中访问过的页面总数（通常情况下，对同一页面的再访问都会被记为第一次访问），m的值为专家评估的最少页面访问量，即所有任务至少需要在m个页面才能完成
进一步分析：
相关数据的示例中，用户评分（满意度&可用度）采用7点量表，随着量表方法的差异，可以适当改变对应分母二、千人收益量化
受样本量限制，我们往往还需要参考活动的绩效指标来了解沉默的大多数。活动指标中，适用于体验量化的数据有：
流量：用于验证活动的曝光度是否符合预期，可以使用pv或入口点击数据了解访问流量，使用跳出率了解流失程度
关键事件埋点：在关键按钮（例如buy button）点击数据中了解用户的参与情况
ARPU：付费数据中，人均付费比率可以获知用户结构分布
以上指标可以计算出千人收益，例如活动A的1000个新增用户，经过一段时间的沉淀，只有300个人留下，其中有200个人点击了buy button，最后100个人每人付费100元，那么千人收益就是10,000。
三、总结
千人收益反映了短期波动的变化，从中可以得知环节流失比率和用户结构，满意度可以用于衡量用户评价，综合二者能够得出较为客观的活动指标反映。
网友评论