大数据时代，处理用户数据的方法在不断进化，而从数字方面去构建或度量用户场景的研究却很少。场景作为度量体验的载体，有利于进一步构建基于场景的体验评价指标体系。本文作者对用户场景的数字化建构进行了分析，一起来看一下吧。

大数据时代，处理用户数据的方法在不断进化，而从数字方面去建构或度量用户场景的研究很少。

场景是生活方式到使用情境的中间阶段，是人与环境等交互的细化。场景是体验度量的新视角，作为度量体验的载体，有利于进一步构建基于场景的体验评价指标体系。

本文将围绕“用户场景的数字化建构”和大家分享一二。

一、用户场景研究的意义与价值

1. 场景研究的意义

用户场景研究是落地以用户为中心的体验设计（UCD）的重要环节；

场景是认知图式和社会图式的叠加，不能通过一个框架来量化整个场景；

从场景到使用情境再到主观体验的行为旅程，围绕用户需求和可预期交互所覆盖的范围不同，“任务”是连接用户研究和产品研发的关键点。

2. 场景研究的痛点和难点

1. 场景的代表性、典型性不明确
2. 各方对场景的认识限于共识层面，转化落地较差
3. 存在数据孤岛和项目限定

3. 场景研究的价值

1. 基于场景进行产品利益点管理，制定切合用户认知框架的营销策略
2. 有利于各方建立基于用户视角的需求理解能力
3. 提高协作效率，达成背景统一与共识

二、数字化场景研究的分析与构想

“窄进宽出”，可用于分析的数据少、跨度长，且需要经过专家思维的推理和发散才能得出结论，是数字化场景研究的特征和难点。

要突破这些特征带来的限制，首先可通过元分析、数据标准化以及标准化的用户体验工具来提高数据的复用价值；其次可借助专家思维、标签系统提高数据的分析价值；最后通过资源共享建立场景并关联业务指标来提高数据的业务价值。

以场景为中心的数字化研究：

以场景为中心的数字化研究可通过以下三种途径展开：

1）整合体验数据，建立反馈机制

通过建设场景库统合单一产品/场景，提高数据复用。

2）搭建数据化场景研究体系

核心是数据采集、使用、分析不同方面进行场景数据的资产化。

3）构建基于场景的体验评价指标体系

以场景为参考维度整合多渠道数据，持续迭代形成动态监测体系，并建立监测/预警机制。

二、数字化场景研究的探索

1. 场景库设计探索

场景库是围绕用户群体、生态体验和产品设计建设的长期的、系统的管理平台。在产品体系框架下采集到的数据复用性强，数据来源和信息标签作为数据层的叠加可以经过中间层的专家思维建模用来描绘用户故事。

2. 场景库的应用价值

①场景库整合产品、空间、人物角色与需求，具有跨空间特性，与多设备交互并采集数据。

②借助场景库提高协同效率，做前期研发的数据支撑。以智慧屏为例：需要多个产品线的同事参与探讨产品功能需求。

③助力营销方案的制定和落地。场景库是场景化营销的数据支持与来源，协同营销渠道和载体将产品的优势更好地传递给客户。

3. 场景数据的获取

1）日志研究法

数字化用户体验工具，内置交互分析或统计逻辑，面向不同场景或任务部署用户之间关系的标签，用于进一步的交叉分析。

2）Tortoise

基于遍历搜索和关键词匹配机制研发调教的简易主题文本处理模型Tortoise，从自上而下的角度建构文本处理模型，输出信息标签，进行后续的数据分析。

与传统NLP相比，Tortoise更依赖用户研究工程师的经验，优势在于从用户体验的角度进行构建，包括对场景的拆解布局，以及基于ROC的逻辑模型修正。

Tortoise模型的处理机制——其中形成一个三元组包括方面、评估和极性，便于后期进行数据分析。

运用SDT实现模型校验——采用信号检测论（SDT）的方法。即在训练语料中使用Tortoise输出分析内容，由用户研究员人工解析训练语料，并比较两者之间的差异。在结果上依次关注击中、虚报和漏报三个维度，以查全率和查准率为核心指标。

Tortoise模型的应用示例