体验度量的产生与发展经历了很长的一个阶段，本文作者就做了概述，并对在实际的企业体验管理工作中常用的度量指标做了解读，不妨来看一下。

本文是《企业级体验度量概念及发展历程》文章的下半部分。

一、体验度量的发展历程

体验度量的产生与发展和用户体验的发展是如影随形的，正是因为用户体验在各个历史阶段发展的需要才促进了度量体系的更新迭代。体验度量发展历史有明显的两个显著特点：

• 度量对象变化：从最初的针对工业设计领域的人因工程物理实体产品到现在的虚拟数字化产品；
• 测量内容变化：从关注人与工具配合的效率问题到现在更加关注人的情感化问题。

我们可以从上面说的两个显著特点，结合起来具体的时代特点，把体验度量的发展历史划分以下三个阶段。

1. 注重效率的客观度量阶段（19世纪末—1970）

该阶段的时代时代背景是工业革命时代，在这个时代产生了大量过去从未有过的新机器、新产品，在对新机器的操纵、对新产品的使用过程中，产生了一些以往使用传统器械和产品时从没有出现过的问题。因此，如何在设计新产品时考虑和处理产品与人的物理因素，特别是人体尺寸的长短、宽窄、大小等因素的关系，就成为产品设计工程人员必须考虑的重要问题之一。

例如，在两次世界大战中，军队在使用各种如大炮、飞机、舰艇等武器时，会发现很多设计不合理的地方，例如，在很多战斗机前部的驾驶界面，各种不同功能的操作按钮的大小和形状都设计的类似，按钮的分布也不是很合理，很不方便驾驶员的操作等等这样的人机协作问题。

后来为了解决类似的问题，诞生了一门新的学科—人体工程学（Ergonomics），这门学科主要研究“人与人造产品之间协调关系的学问，通过研究人的行为，动机及反应，将其归纳为系统为产品设计过程提供依据，以求达到优化人与产品之间的互动关系，获得最佳表现”。在这个历史阶段体验测量体系中最典型就是对人体各部位尺寸的测量，以此来更好的设计各种产品，从而产生良好的使用效率体验。

例如，我们通过对人体的尺寸测量，坐姿膝盖至地面的高度男性的平均高度是54.4cm，女性平均高度为49.8cm，所以我们在设计餐椅的高度时候，一般会在45-50cm之间，这就是体验测量体系在产品设计中的实际应用。

在这个测量体系发展阶段，更多关注的是人机配合问题，如何提升人使用机器或是工具的效率问题，所以更多的测量体系指标是偏客观的尺寸指标。

2. 注重感知的主观度量阶段（1970—2010）

伴随着个人计算机的普及，以微软Windows操作系统、苹果MacOS操作系统为代表的图形用户界面的广泛应用为基础下，互联网得到了巨大的发展。用户界面的使用体验变得越来越重要，用户体验相关理论得到了巨大的发展，在2010年，ISO 9241-210:2010 标准也首次把用户体验纳入进来，并且对用户体验进行了明确的定义。

随着互联网用户体验在世界范围内的快速发展，阿里、腾讯、百度等企业也开始在互联网产品的设计研发中导入各类的用户体验工作方法，并建立专业部门，如腾讯就建立CDC（用户研究与体验设计中心）。在此期间，体验测量体系有了迅猛发展，出现了一大批的针对体验进行的测量方法论和测

NPS其实是一个百分比值，主要是用于说明一个目标人群会向他周围的人推荐某个项目或某项服务的可能性的多少。目前是在各类企业中比较流行的一种对用户忠诚度进行分析的数据指标，通过该指标进而对其产品和服务的体验质量进行测量的工具。和用户体验的测量指标是某个用户将会向其他人推荐某个企业或服务可能性的指数，它是最流行的用户忠诚度分析指标，专注于用户口碑如何影响企业成长，通过密切跟踪净推荐值，企业可以让自己更加成功。

NPS 这款度量指标有以下两大优势：

1. 只需要目标人群回答一个简单的问题就好，计算公式简单直接，各方也很容易理解；
2. 该数值可以进行内外产品的对标，譬如自己企业的产品最终测量的NPS数值为68，而你的主要竞争对手NPS分数为73，那就很容易看出他们之间的差距。

在这一阶段，体验度量领域涌现了很多的指标体系，除了上述最为有名的NPS，还有Usability Heuristics 尼尔森十大可用性原则，ACSI 顾客满意度，USE（Usefulness, Satisfaction, and Ease of use）量表等各式各样的度量指标。这些测量指标都越来越倾向于把用户体验的主观部分进行客观的测量，但是并没有形成完善的一套系统的体系方法，测量指标相对分散。

3. 全面的体验度量阶段（2010—至今）

随着整个市场经济已经逐渐转入体验经济时代，当前企业之间的竞争已经远远超越了产品质量的比拼，价格战的比拼，进入了企业向目标人群交付的企业级体验质量高低的比拼。在这一时代背景下，如何对企业级体验进行全面、科学与高效的测量，建立一整套切实可落地执行的测量体系成为各个企业迫切的需要。

随着移动互联网的普及，人机交互、图形界面设计、品牌体验、用户研究、体验标准、体验质量与评测、体验管理等用户体验相关需求被骤然放大，很多企业都跟随头部机构陆续成立了用户体验部门或设立了相关岗位，用户体验从业人员规模持续增加，用户体验理论与方法在实践中不断创新。

2010 年，ISO 9241-210:2010 标准首次对用户体验作出定义。

2017 年，理查德·塞勒获得诺贝尔经济学奖，其作为行为经济学代表人物，推动心理学在经济领域的研究，揭示了人类的行为是如何影响个人决定及市场结果。

2018 年 11 月，德国商业软件集团 SAP 宣布以 80 亿美元现金形式收购专注于体验管理 Experience Management 的在线调查软件公司 Qualtrics。

二、企业常见的四个度量指标

在实际的企业体验管理工作中，我们经常使用的满意度、NPS净推荐值、费力度及持续合作意愿度。

1. 满意度

满意度是常见的评判目标人群对产品 / 服务体验满意程度的体验指标，也是所有企业都比较看重的体验指标。“满意度”这个概念早在 1965 年被提出，其落地形式一般为满意度问卷。

常见的询问产品 / 服务体验满意度的问题，如“您对 XXX 的满意度？”

• 优点：设计简单，扩展性强，业内广泛使用，toB 和 toC 场景均适用，可自行设定问卷问题。
• 缺点：题目长时回答麻烦，是一个“过去式”指标，态度不能代表行动，会产生趋中效应。
• 适用范围：所有行业。

用户表达对特定事件 / 体验的满意度时，大都使用五点量表，该量表中包括五个选择：非常满意、满意、一般、不满意、非常不满意。

满意度设计简单、落地性强。例如，在用户使用完一个产品功能模块之后，就可以设计一个满意度量表。但在这个过程中，一定要注意问题设计的便利性、简单性，时间控制在 1 分钟内。

在分析结果时，必须要考虑“深层原因”。设想一下，如果一个客户对产品或服务的某个环节不满意，大概会是哪些因素造成的？这些因素之间的关系或权重是什么？搞清楚这些原因有助于企业提升产品或服务的质量。

在使用满意度的时候，我会给出以下两点建议。

• 满意度的易用性、落地性非常强，可用于询问用户使用产品 / 服务过程中的各种问题，整体体验满意度、局部体验满意度、环节体验满意度都是可用的。
• 满意度相对而言是短期指标，无法用来预测未来的行为，满意度能够体现用户对产品短期内的幸福感，但无法体现用户对产品的长期态度。

2. 净推荐值

净推荐值是分析客户忠诚度的预测指标，最早是由贝恩咨询企业客户忠诚度业务的创始人 Fred Reichheld 在 2003 年提出的，其落地形式通常为问卷。

净推荐值用于分析客户忠诚度，常见问题如“您有多大可能将 XXX 推荐给朋友或同事？”

• 优点：反映客户重复购买意愿，预测客户未来行为，业内广泛使用，理解简单，回答方便，与企业业绩强相关。
• 缺点：关注范围过于广泛，无法针对具体细节提问；问题无法修改，不灵活； toB 场景下易失效。
• 适用范围：大部分行业。

做净推荐值调研比较简单，首先需要搞清楚一个问题：“您是否愿意将 XXX（产品或服务）推荐给您的朋友？”然后根据愿意程度让客户在 0 ～ 10 分之间打分，根据得分情况我们将判断出如下三类客户。

• 推荐者（Promoters）：得分在 9 ～ 10 分之间，是具有狂热忠诚度的人，他们会继续选择目前的产品或服务，并引荐给其他人。
• 被动者（Passives）：得分在 7 ～ 8 分之间，总体满意但并不狂热，会考虑其他竞争对手的产品或服务。
• 贬损者（Detractors）：得分在 0 ～ 6 分之间，使用不满意或对产品 / 服务没有忠诚度。收集到三类客户的样本数据后，根据以下公式计算净推荐值。

净推荐值=( 推荐者数 / 总样本数 )×100% － ( 贬损者数 / 总样本数 )×100%

这里再说明一下净推荐值与满意度的区别，净推荐值询问的是意愿而不是情感，对用户来说更容易回答，且相比于满意度更为直观。净推荐值不仅直接反映了客户对企业的忠诚度和对产品的购买意愿，而且在一定程度上可以反映企业当前和未来一段时间内的发展趋势和持续盈利能力。

净推荐值调查不能完全取代满意度调查，也很难直接提升净推荐值，最好将其作为满意度的一部分，如果提高了客户满意度，净推荐值也一定会得到相应提高。

在使用净推荐值的时候，我有以下两点建议。

• 净推荐值作为侧重未来（包含当前）的客户满意度指标，可用于衡量客户长期留存情况和满意度，也可反映产品、项目、企业经营未来一段时间的收入和发展趋势。
• 虽然净推荐值指标很直观，但其度量方法比较粗糙，得到的结果并不一定等同于用户在现实生活中的推荐行为，可以将其作为产品口碑、用户推荐可能性的参考指标。

3. 费力度

费力度这个概念在 2010 年于“哈佛商业评论”中被提出，按字面意思理解，费力度反映的是使用某产品和服务来解决问题的困难程度，其问卷形式如图。

费力度用于评价使用产品 / 服务来解决问题的困难程度，常见问题如“XXX 是否让您的问题处理变得简单？”

• 优点：能测试用户使用产品 / 服务解决问题的困难程度，预测未来的行为。
• 缺点：指标名称带有负面性，目前几乎没有企业会实际使用，适用范围有限。
• 适用范围：服务业。

费力度体验指标有过一次重大的版本迭代，最开始的费力度调研问题 1.0 版本一般是“为了得到你想要的服务，你费了多大劲？”选项往往从“非常低”到“非常高”，最好在用户刚操作完时询问，以防用户忘记自己的实际感受。在实际的投放过程中，企业发现这样的询问方式并不是特别好，容易有负面倾向暗示，所以后面又推出了 2.0 版本。

通用的费力度调研问题 2.0 版本是：xxx让你的问题处理过程变得简单了吗？客户选项包括强烈不同意、不同意、有点不同意、中立、有点同意、同意、强烈同意。

Oracle 的一项研究表明，82％的人把他们的购买经历描述为“花费太多精力”，因此费力度背后的理论就是，应该想办法减少客户为了解决问题而付出的精力。费力度可以帮助我们找出可以优化的问题，更容易厘清在哪里进行改善，较低的费力度也与客户续签直接相关，能增加客户的生命周期价值。

一般情况下，企业首先利用满意度来衡量客户对产品或服务的体验，当这套标准的价值到达临界点时，就应该尝试获得客户费力度数据，作为满意度的扩充，能更充分地评估客户体验情况。

在使用费力度的时候，我有以下两点建议。

• 费力度可以评价一款产品的有用和可用程度，帮助发现和解决产品体验中的各类问题，用于衡量产品质量比较适合，但不适合衡量产品或品牌在用户心中的价值。
• 对于费力度相关指标，在产品、体验设计的研发过程中，可用于前置挖掘的指标就是可用性，在产品研发阶段就测试产品的可用性能在一定程度上反映费力度。

4. 持续合作意愿度

按字面意思理解，持续合作意愿度就是让目标群体与企业再次合作的可能性。进行持续合作意愿度调研时，落地形式常为问卷如图。

该指标反映了再次与企业合作的意愿程度，常见问题如“愿意再次与 XXX 合作吗？”

• 优点：预测未来行为能力强。
• 缺点：适用范围有限，无法针对具体细节问询。
• 适用范围：toB 行业。

一般情况下，这个指标能很好地反映企业给客户、合作伙伴及员工等利益相关方交付的整体体验的质量，当对方的持续合作意愿度高时，大概率说明企业的关系体验做得比较好。最好在对方完成一次合作时提问，这时对方的反应是最真实的。

在使用持续合作意愿度的时候，我的建议是：这个指标更加强调企业与利益相关方的互动，更适用于强调长期合作关系的企业，如一般的toB企业都强调长期合作，SaaS 类型企业则更看重客户的复购率和黏性。

无论是哪种度量指标，都是对体验质量从某一单一维度的度量、评估，是无法对体验进行全面的多维度的综合评估。如果需要进行综合评估，就必须建立起针对本企业的体验度量体系，以此来对企业交付的体验质量进行度量、评估、跟踪、治理与优化。

以上文章，谢谢阅读。