“体验度量”的应用价值与落地举措

我在参与企业数字化转型的过程中，常观察到下面三个典型场景：

场景1：A企业管理层设定以NPS为北极星指标，但产品团队面对NPS结果无法直接进行有效问题诊断和提升。怎么办？

场景2：B企业体验部门提出处理各部门的应急需求就好像消防员灭火，希望找到高效体验管理的抓手。怎么办？

场景3：C产品团队的产品经理把体验提升作为团队内设计师的主要职责，大家认为体验过于主观无法通过提升体验达到产品目标。怎么办？

上述的场景体现了一个共性特点：企业对体验这件事的关注，已经从关注提升体验感转向关注体验带来的成效。Qualtrics XM 研究所发布的报告中明确指出：客⼾体验的领先者具有更强劲的财务成绩，71%的领先者说，他们在客⼾体验⽅⾯的努⼒对上⼀年的财务业绩产⽣了积极影响。

长期以来在“提升体验感”的举措方面，企业中高频采用的是树立“以客户为中心”的视角，深度“客户洞察”，提升“客户满意度”等。但过程中“体验的业务影响”、“体验闭环管理”、“统一对体验的语言”这3个问题变得愈演愈烈，成为企业对体验进一步投注所急需解决的问题。但体验的“抽象性”、“主观性”、“ 驱动因素的多元性”使得体验难以直接与企业经营产⽣关联。那么，体验该如何⽀撑企业经营表现呢？

建议策略： 体验度量

无度量不改善。

尽管体验很难被科学客观地分析，但将度量这种手段运用于体验的管理是非常有必要的。引用管理学大师彼得•德鲁克的一句话：If you can’t measure it, you can’t improve it.

事实上，企业中的管理层和业务伙伴通常对O Data（Operational Data运营表现数据）较为熟悉，这其中包括了财务数据、复购率、转化率等经营指标。但对于X data（Experience Data 体验感知数据）则比较陌生。设立X Data的目的，是希望帮助企业分析为何会有O Data上的表现，不仅看客观行为数据的表现，同时关注客户主观感受、整体态度的综合反馈，全面进行客户体验的管理工作。

通过建立战略层、业务层、产品层的指标体系监测“体验对业务的影响”、通过构建体验度量的落地运作机制进行“体验闭环管理”、通过完善的体验度量体系“对齐企业内各角色对体验感知的语言”。

实施步骤：

体验度量五步法：建模型、拆指标、做诊断、再改造、续监测。

下面以数字化产品为例，介绍体验度量五步法的具体实施。

进⾏体验度量前，企业需要先梳理⼀个从战略层、业务层到产品层不同层面度量的视⻆。这将有利于企业内了解体验度量在不同层⾯所解决的不同问题，明确目的，上下同心。

（图1 上下同心，对齐体验度量的目的）

第一步、建模型

ThoughtWorks曾为某客户产品层构建的某度量模型，包括使用产品的整体态度、使用时的功能感受、使用时的情感感受这三大维度。

(图2 数字化产品体验度量模型)

第二步、拆指标

在模型构建完毕后，需要遵循模型进行可量化可度量的指标拆解，并形成体系。

首先，构建指标体系的框架。数字化产品体验度量指标的指标体系框架可分为三个层级，分别为：

一级指标：体验度量的维度，这是影响体验的关键因素。

二级指标：度量的子维度，影响体验的关键因素的细分。

三级指标：量化度量，可通过定量及定性方式进行量化度量的主观及客观指标。

（图3 数字化产品体验度量指标体系）

其次，定义完度量体系框架后，我们需要从产品本身出发，将度量体系与产品进行有效结合。

对于一二级指标，比较常用高效的方式是通过与业务、技术专家、结合现有数据（包括用户原声、语义分析等）进行指标的共创与拆分，在这个环节的尾声加入工作坊对齐一二级指标的确定。

对于三级指标，常会随不同的产品类型、业务目标及用户目标发生动态变化。因此，我们会使用GSM（Goal目标-Signal信号-Metric指标）的方法进行三级指标拆解。具体表现在，围绕产品所在的业务线中的用户角色，确定每类用户角色的核心场景及目标。将核心场景与度量体系中的指标进行映射，落实到任务流程中，获取每个任务阶段的指标数据。这个过程比较耗时，但这是一个让团队互相对齐并有理有据分析得到指标的推演过程。这将避免部分团队在定义指标时候出现的随意拍或随手抄的非理性行为。

（图4 体验度量体系中应用GSM拆解三级指标）

第三步、做诊断

在应用体验度量体系进行数字化产品的度量诊断前，首先需要对该产品进行指标权重的设定。通常可采用AHP层次分析法和优序图法来针对不同类型业务的产品进行指标权重的设定。如，工具类产品，更强调用户达成任务，因此在客观数据的“功能感受”部分权重较高，主观数据的“情感感受”权重则相对更低。

其次，进行数据采集。每项指标的背后都有一种或多种的数据采集方式，每项指标的数据颗粒度也不同。在数据采集环节，对“功能感受”中的参与度、系统性能等客观行为数据部分可接入各企业的数据平台。对“情感感受”和“整体态度”等主观态度和感受进行语义量表的打分。

最后，通过综合公式，将度量体系的三个维度“功能感受、情感感受、整体感受”，进行加权计算。基于采集后的数据表现，可以诊断出产品的提升信号。

（图5 通过度量体系进行产品的体验表现的诊断）

第四步、再改造

基于识别的体验提升信号，进行产品速赢提升。这个环节重点解析数据表现背后的动因。我们常常引入用户研究、专家评估、市场分析、竞品分析等方式，对提升信号处进行详细分析，并通过概念设计及用户测试等方式进行产品优化改造的快速验证。发布后，对产品重塑后的关键指标进行持续追踪，周期性监测指标的改善情况。

第五步、续监测

通过监测平台等工具，提升体验度量的效率。从体验度量指标的数据采集到数据分析到最终的可视化，让体验度量的闭环全程可管理。

（图6 数字化产品体验监测平台）

两个注意点

落地过程中的两个注意点：遵循五“可”实践原则、建立长效运作机制。

注意点1. 遵循五“可”实践原则

体验度量五步曲应用过程中，需要注意5点。

可理解：每项指标后加入指标说明，保证参与体验提升的各方对齐语言。

可量化：确保度量指标的可量化。

可评估：对每项指标，给了初版的权重设计，团队可结合业务目标从指标库中选取指标，并进行相应的权重调整。同时通过权重，也保证了体验提升的效率。

可提升：每个指标需要有对应的基准，形成度量参考，以保证对照评估，并看到提升方向。

可执行：紧贴业务目标和用户目标，保证每一项都结合产品团队的实际业务，选取的指标度量可落地。

注意点2. 建立长效运作机制

体验度量在企业实际运作过程中，很难一步到位。通常会通过演进方式开展，以银行为例，可以先以与终端用户最近的零售条线切入逐步向对公扩展。

运作模式上，初期验证指标体系阶段，适合找试点团队进行应用试验，并通过自检等轻量级方式来度量效果。在指标初步验证完成后，通过落地监测平台，实现体验度量管理的效率提升。

过程中，体验度量需要配备专项工作组来负责其在企业内的推进落地。体验推进的人手不足、体验度量未与实际员工的OKR或KPI绑定等因素也成为了有效落地的约束条件。建议以企业中负责推进敏捷转型的转型办等部门进行资源调配和工作回检。

结语

体验度量是手段，成效价值是关键

体验度量是⼿段，成效提升是关键。体验度量的关键还是从业务中来，回到业务中去。⽂中提到的数字化产品体验度更聚焦解决客⼾短期⽬标，事实上，企业还需要以终为始，对客⼾体验管理进⾏可持续投资。还需要注意以下几点：

1. 对体验的投入是项可持续的长期工作，其关注的不仅是短期表现（如，经营行为数据），更关注长期价值（如，品牌美誉度）。
2. 体验度量带来的实际表现反馈周期可能较长，因为其依赖于产品本身的规划、需求管理机制、发布节奏等。
3. 体验度量因为存在客观数据和主观数据，在数据采集过程中可能用到多种采集方式和渠道，这就让横向比较（本品与竞品表现比较）、纵向比较（本品当前版本与历史版本表现的比较）带来一定的挑战。
4. 如何通过算法接入，不仅监测当前数据表现，同时对体验做到预警也是许多企业正在探索的体验管理重要一环。

体验管理的成效并非一朝一夕可以完成，企业应当突破度量的局限，探索并持续创造价值成效，培养起关注长期价值的意识，进而收获体验ROI的长期价值。