谷歌HEART模型

如今互联网产品版本迭代快速,数据是验证设计和量化用户体验的重要手段。

然而,度量体验的数据指标你真的选对了么?

常见的数据指标如页面浏览量或新用户数是非常容易检测到并可以反映出网站或应用运行状况的,但是以上数据指标因为太过概括对用户体验的衡量效果甚微。如果选了错误的指标可能导致数据结果对于用户体验设计效果的错误判定。

在此背景之下谷歌团队提出了HEART用户体验度量模型,用来规范量化用户体验的过程。

 

『什么是HEART模型』

Kerry Rodden 作为谷歌资深用户体验研究员和数据分析师,在大量度量用户体验的探索与实践中总结出了HEART用户体验度量模型,帮助团队高效选择正确的数据指标。该模型在谷歌内部广泛使用,并通过论文、博客等渠道传播,使其他公司、团队也能够在使用的过程中受益。

 

HEART用户体验度量模型包括两个模块:

谷歌HEART模型

HEART用户体验度量模型简介

如上图所示,HEART模型包括【5】+【3】两个部分:5个用户体验度量维度和3个确定数据指标的步骤。HEART命名是由5个用户体验维度的英文首字母组成,这5个维度作为切入点帮助团队系统的思考产品或功能的核心用户体验目标;而【目标-信号-指标】这三个步骤可以保证数据指标是和用户体验目标紧密联系的,从而保证量化用户体验结果的准确性。

 

设计、产品以及用研团队均可在实践中使用HEART模型,该模型主要是用在设计验证与评估阶段,帮助团队选择数据指标以准确地度量用户体验。但是在了解5个用户体验度量维度后,更是应该在设计初始阶段就代入这5个维度去思考产品或功能的用户体验目标是什么,也就是说更好的使用方式是将HEART模型实践于整个设计周期内,从前期的明确用户体验目标到后期的用户体验度量。

 

 

『如何使用HEART模型』

1.首先了解用户体验度量的5个维度

在大量实践中,谷歌团队发现他们所监控的用户体验数据指标可以聚类归为5个类别,即度量用户体验的5个维度。明确这5个维度可以系统地从各维度入手,思考产品的用户体验目标在各维度下具体意味着什么,同时通过几个维度横向比较明确某产品用户体验的核心维度和核心目标:

 

Happiness 愉悦度

愉悦度或愉悦感是指用户在使用产品过程中的主观感受,包括满意度、推荐指数(NPS)、视觉感受、易用性感知等。主要通过问卷调查获取数据。有时在版本迭代后的用户调查中,用户因为更习惯旧版本而觉得新版本愉悦度低,此时更多的是使用习惯改变带来的主观感受变化,不一定是新版本设计缺陷导致;而通过标准化问卷监测一段时间内的愉悦度,可以排除使用习惯短期改变带来的干扰,更直接的判断新版本对用户体验愉悦度的影响。

 

Engagement 参与度

参与度是用户在一个产品中的参与深度,在这个维度上,通常是一段时期内访问的频度、强度或互动深度的综合。比如拍照应用的参与度可以体现在单个用户每天上传的照片数,视频应用可以体现单个用户每日视频浏览时长,滴滴可以是单个用户每周出行订单数。应用数据总量的增长可能是由更多的用户产生,而不是由单个用户更多的使用产生,如上述例子所描述的,相比于关注数据总量,参与度这一维度是关注单个用户的参与程度并通过应用内用户行为数据得以体现。

 

Adoption 接受度

接受度反应产品对新用户的吸引,是很常见的维度。接受度是通过特定时期内大量的用户统计来反应新用户对产品或功能的使用情况。此处特定的时期(比如是一周还是一个月)和使用情况(比如使用是指打开应用,或进入发单流程,还是成功发出订单)需要团队在度量接受度时根据项目目标来决定具体指标。

 

Retention 留存度

留存度是衡量现有用户的重复使用情况,比如有多少活跃用户在指定时间内仍在使用应用或某功能。不过通常相较于关注留存度,更多关注的是流失度,两者属于同一个维度,可以灵活选择。

接受度和留存度都是通过特定时期内大量的用户统计,来监控新用户和老用户,在产品不同发展时期对二者的侧重会有所不同。和接受度相同的是特定的时期以及如何定义使用需要各团队根据项目目标来决定。

 

Task success 任务完成度

任务完成度维度包括一些传统的用户体验行为指标,比如效率(如完成任务的时间),效果(比如任务完成的百分比)以及错误率。这一维度在产品或功能是工具型时尤为合适,比如记账、打车等这类工具性应用;或搜索、上传照片、客户服务这类工具型功能。

谷歌HEART模型

五个用户体验度量维度

以上是谷歌团队在长期监控数据指标衡量用户体验后总结归纳出的5个用户体验维度,适用于完整产品或产品中的某个功能。不过在量化用户体验的时候,不必从全部5个维度下建立用户体验目标和数据指标,要根据产品特征选择合适的维度和核心目标,比如对于企业内部用的B端产品,对参与度这个用户体验维度关注度相对弱化,任务完成度或者愉悦度是更需要考虑的维度。

 

2.其次遵从【目标——信号——指标】步骤来选择数据指标

HEART用户体验度量模型并不是一个列举了所有通用数据指标的表格,而是提供一个系统的流程来帮助完成数据指标的选择。在思考度量指标的时候通常是从头脑风暴开始,列出尽可能多的数据指标,但是很容易过度发散导致范围广且难以明确优先级。而【目标——信号——指标】是个自上而下的过程,首先阐明产品或者功能的用户体验目标,然后定义达成的信号,最终建立特定指标进行监控。上一步介绍的五个维度,在第二步确定数据指标过程中起到了规范和引导的作用从几个用户体验维度着手去选择适合当前产品阶段的用户体验维度和该维度下的核心用户体验目标,再去为体验目标选择数据度量指标。

谷歌HEART模型

HEART模型工具化表格

 

明确产品或功能的用户体验目标

在明确目标这一步骤中,从5个用户体验维度系统地去思考用户体验目标以保证不会有遗漏;同时5个并列维度的比较也可以帮助团队明确核心目标,比如某功能的再设计是在接受度这一维度的吸引新用户更重要,还是参与度这一维度的鼓励现有用户更积极参与重要?在制定业务目标时,通常从数据指标角度定义目标,如提升某某业务线日活量;而用户体验目标需要从用户的角度去考虑和定义,因此在明确目标时需要规避常见的误区,即在现有度量指标基础上定义目标。

以滴滴客服功能再设计项目为例:

谷歌HEART模型

滴滴客服再设计项目-目标选定

该项目在定义用户体验目标阶段提出目标为任务完成度这一维度下【用户高效地使用客服功能解决问题或反馈意见】,和留存度这一维度下的【不大幅挑战原有用户习惯,保证其继续使用】。客服是偏工具型功能,两个维度比较之下此次项目核心目标是任务完成度维度下的效率即【用户高效地使用客服功能解决问题或反馈意见】

 

明确目标这个步骤的注意事项小结:

  • 避免从现有度量指标基础上定义用户体验目标
  • 团队成员可能对于项目的目标有不同的意见,这个过程提供了一个收集不同的想法并努力达成共识的机会
  • 特定项目或功能的目标可能与产品的整体目标不同
  • 在这个阶段无需担心是否以及如何找到相关的信号或指标

 

选择可以显示目标成功或失败的信号

接下来要想想用户的行为或态度如何体现体验目标的成功或失败?比如提升用户打车任务流畅性的失败指标可能是用户在发单之前放弃订单,或者发单过程时间过长。在为一个目标挑选信号的时候,可能会有很多潜在可用的信号,在有多个备选信号的情况下需要分析并筛选。

在滴滴客服功能再设计项目中,

谷歌HEART模型

滴滴客服再设计项目-信号选定

【用户高效地使用客服功能解决问题或反馈意见】是用户体验目标,而在思考如何选定信号这一步骤,团队从失败信号角度列举备选信号为【解决问题或反馈意见所花费时间过长】、【任务失败】,以及在默认人工客服比在线自助客服效率低的情况下另一个失败指标为【用户选择人工客服】。

但是考虑到和目标的紧密联系程度,其中【任务失败】是任务完成效果或错误率的信号,并不是高效完成任务即效率的信号,因此直接淘汰。另外两个失败信号对应的成功信号分别是【解决问题或反馈意见所花费的时间短】和【用户选择使用在线自助服务而非人工客服】。在反馈问题时任务结束的节点难以判断,导致完成任务的时间模糊,而且监控任务完成时间相对困难,因此最后信号确定为【用户选择使用在线自助服务而非人工客服】

 

选择信号这个步骤的注意提示小结:

  • 要考虑信号可追踪的难易程度
  • 选择敏感度高以及和目标特别相关的信号–只因用户体验好坏而改变,而非其他不相关因素
  • 有时失败信号比成功更容易定义

 

选择数据指标进行追踪

一旦明确了信号,就要想想这些信号是否可以转换为特定的指标,是否可以被方便的持续追踪或进行A/B测试,进而量化用户体验。一个信号可能也会对应多个数据指标,也是需要进行分析筛选,选中最合适的数据指标。

 

在滴滴客服功能再设计项目中,

谷歌HEART模型

滴滴客服再设计项目-指标选定

信号【用户选择使用在线自助服务而非人工客服】可以转换的备选数据指标为【在线自助使用人数】和【在线自助服务使用率】,考虑到【在线自助使用人数】除了受单个用户的自助服务或人工服务的选择倾向影响外,还有应用总体用户增长或下降的影响,因此最终数据指标确定为【在线自助服务使用率】

 

选择数据指标这个步骤的注意提示小结:

  • 选择数据指标同样需要考虑追踪难易程度,以及对描述信号的敏感度和相关性
  • 有时原始统计数据转换成比例、百分比或者均值会对追踪信号更直观

 

以上,【目标-信号-指标】这一自上而下的过程可以明确产品的核心用户体验目标,而且保证数据指标是和体验目标紧密联系的。避免了检测看起来有趣,或看起来有用的数据,浪费精力做无用功;同时避免了选择错误的指标导致对用户体验的量化无法表达设计对用户体验提升的真实效果,进而导致对设计结果评判有误影响下一步设计方向。

 

『总结』

通过数据验证用户体验设计结果在如今互联网产品快速迭代的背景下十分常见,而选择正确的数据指标在度量用户体验过程中是至关重要的。 HEART模型中5个维度帮助设计团队系统地思考产品的用户体验,明确自身产品的用户体验目标在几个维度下分别意味着什么,并横向比较以确定核心维度和核心目标;而【目标-信号-指标】这个过程指导团队选择和体验目标紧密联系的数据指标,从而准确的度量用户体验。

 

HEART模型是规范标准的,但使用起来却是灵活的,可以作用于度量整个产品或某个功能的用户体验。其主要目的是在设计验证与评估阶段帮助团队准确地量化用户体验,但是同样可以实践于完整的设计流程中:从设计初始阶段通过5个维度系统思考用户体验并明确核心用户体验目标,再到设计验证阶段的选择正确数据指标度量用户体验。

 

『工具下载』

工具包括五个维度介绍卡片和数据指标选定过程表格,各团队可以根据项目需求,灵活地实践HEART模型。下载链接:https://pan.baidu.com/s/1pKPL9Y7

谷歌HEART模型

工具卡片预览

 

参考资料:本文是对谷歌HEART模型的研究与转化,原始资料如下

Rodden K, Hutchinson H, Fu X. Measuring the userexperience on a large scale: user-centered metrics for webapplications[C]//Proceedings of the SIGCHI conference on human factors incomputing systems. ACM, 2010: 2395-2398.

 

How to choose the right ux metrics for yourproduct  https://library.gv.com/how-to-choose-the-right-ux-metrics-for-your-product-5f46359ab5be

文章标签: ,

0 条评论 231 次阅读

  1. 既来之,则言之。

发表评论

Top