“你的设计没效果，今年绩效不发了”

编者注：产觉得公司绩取决于营和产，设计师作大，老甚至想取消年绩效，该怎么办？该如何衡量和验证UE设计效果？看这篇高手的验总结。

前时间在项目复盘会上，产经向设计团队了这个问题。

我认为是一个很的问题，我目前负责的业务是一款教育问答产品，受众是以大学生年群为主，机构悬赏题目来吸引大学生回答，从而帮助完善机构题库，大学生从中获取悬赏报酬，而我们平台则从中赚取佣金。

于是开始思考究竟怎的衡量和验证方法，能够应用在当前的业景内。

绝大多数设计岗位存在意义是为了到目标。那么该怎么判断目标过我设计成了？成效好不好？我设计生影响又该怎样被量化，是否有足够客观评价？

相信很多人会回答我，可以通过数据行化。

的确如此，但的问题随之到来：

• 展设，我如何知道需检测哪些数据辅验证设效果？
• 在拿到数据后，我又该怎样通过数据来判断我设计的效果究竟是好还是坏？

问题，我查阅了一些资料，参考了Google产品团队义的UX指标，发数据指标可以通过用户体验质产品目标两确。

户体验质量简单来说即你想要观测设计的哪些方面的效果。

产品目标则是基你想要观测的方面，按照「目标 → 标志 → 指标」的顺序确定数据指标。

假以某C端产品为例，结这种方法来制订数据指标，思路会更加清晰了，总体过程会呈现出如下一个矩阵表格（左侧为用户体验质量维度，上方为业角度的思路梳理）：

用户体验质量

我们以从下5个度来枚举衡量指标：

用衡量用户使用产品时的态度和感受，例用户对次功能的满意程度、用户对操流程感的易用程度等。

1. NPS净推荐值

（推荐人数-批评人数）/总测试人数

举例说明

推荐人数指打9-10分的人；批评人数指打0-6分的人数。果一个产品的推荐人数有70人，批评人数有30人，么推荐值为（70-30）/100=40%。

数据途

NPS净推荐值测算户对当前产或功的推荐程，是产传播的重要核心指标。

2. Feedback问题占比

通过反馈平台收集的相、功或界面的问题反馈数/总反馈数

举例说明

在某任上线一周后收的3000条反馈中，有800名用户反馈新的任界面不会操作或不好用，那说占比26%的反馈人群对本次计存在不点。

数据用途

Feedback问题占比用以直观评估用户操程中的感受，数以主观感受反馈为主，需要结合进一步研来确定问题生在哪里，以便进一步的优化。

用衡量用户对新产品或新功能的参与度，例每位用户每周对新功能的访问次数或每位用户每天在产品内花费的时长。

1. 活跃用户数

一段时间内访问的已登录用户数，通常分为活（DAU）和月活（MAU）。一个用户一天通相同的渠道次访问产品，DAU仍只一个；在一月内次访问产品，MAU仍只一个。

举例说明

10月15上新功能或新活动，一共有300万个登录用户访问产品（包含通其他渠道链接进），则10月15当天的DAU为300万（去重）；截至11月15共有1800万个登录用户访问产品，则该30天的MAU为1800万（去重）。

数据用途

活跃用户数用衡量产品对用户的粘。方便产品和设计人产品的每用户情况，产品的用户变化趋势。

均DAU=DAU/MAU

• DAU越高，说明有刚需的忠用户越。
• MAU越高，说新增的非忠实用户越多。
• 平均DAU值越接近1，说明用户粘性越高，留存效越好。

均DAU变高

• DAU增加显著。说明产品的近期改动或推召回部分老用户。
• MAU减少显著。说非忠实用户开始流失，忠实用户依然保留在内。

平均DAU变低

• DAU减显著。说明户开始严重流失。
• MAU增加显著。说明产品的改动或推使非忠用户活跃度提升，但改动和影响不具备持续。

2. 页面访问次数（PV）和人数（UV）

PV=运营活动/页面/功能曝光用户视野内的次数；UV= 运营活动/页面/功能曝光视野内的用户数，一终端只算一UV。

举例明

用户入首页，算一次访问次数，用户刷新页面/退出重时访问次数累加。用户入首页，算一展UV，退出重新UV不累。一用户00:00-24:00内多次入知乎，则UV只算一。

数据用途

页面访问次数（PV）用于判断该活动/页面/功能被用户查看的次数；页面访问人数（UV）用于判断多少用户查看过该活动/页面/功能。这两指标能够用于衡页面入口的设否足够引人注目。

3. 点击次数和人数

点击次数=点击行发的次数（不去重）；点击人数=点击行的用户数（去重）。

举例明

10月15日有400访问任务聚合页，其10击任务聚合页侧边筛选按钮，则该按钮击数为10；10击了12，则击数为12。

数据用途

击数和击数用于了解用户使用为，用于辅助判断PV/UV击率和均击数3处数据。

4. PV点击率和UV点击率

PV击率=击数/页访问数（PV）；UV击率=击数/页访问数（UV）。

举例说明

上例子，100个用户访问了任务聚合页，其有10个用户击了任务聚合页上筛选按钮，是平均击了5，那么UV击率为10%，PV击率为50%，说明筛选内容并不是所有用户都合适，那些多击部分用户而言，会觉筛选内容很符合他们需求。如100个都击了，那么UV击率为100%，说明筛选内容所有用户都比较适合。

数据用途

PV击率和UV击率用于衡量页或功能内容用户吸引程度。

5. 人均点击次数

击数/击数。

举例说明

上例子，10月16这天有10击了筛选按钮，其共击了12，那么均击数为12/10=1.2。

数据用途

过均击数可以判断交互/视觉设计要求是否足够引注目，也可以用于衡量该功能用户而言是否为强需求。

6. 平均停留时长

所有用户留时长和/用户数。

举例说明

所有用户在任页的停留长为100万，一共在任页停留的用户有200万，则均停留长为0.5。

数据用途

均停留长用来衡量页面吸引度，对内容页来说，停留间越长，用户粘性越。当然也有反面景，比如登录注册的表填写， 停留间越长，说体验越差。

7. 人均使用时长

用户均每停留在产品的间。

举例说

10月16日有100万个用户一共在产品内使用了50万个，则10月16日的人均使用长为0.5个。

数据用途

用来衡量用户使用产品的深度，判断用户使用产品的粘性和依赖度。用户对产品的使用长越高，说对产品越依赖。

用于衡量上线产品或功能的新用户增长程度。例如功能上线后最近7创建的帐户数或使用该功能的新用户占比。这对于新产品功能或正在重新计的产品别有用。

1. 新用户留存数

一段间内再次访问的新用户数，通常为次日留存、7留存、30留存指标。

举例说

如下虚拟数据，1月，新增用户有80人。2月，1月新增的80人中的75人再度访问了产品，则第二个月的新用户留存数为75人，流失数为5人。

数据用途

用来衡量产品的用户粘和产品的留存用户规模。留存用户数以很地展示留存用户数的人数规模。并新增用户对产品的使用粘。

2. 新用户留存率

某周期内新用户留存数/某周期内一天访问的新增用户总数，一般周期为次、7或者30。

举例说明

接3.1案例，1月新增用户80人，2月留存人数75人，1月新增用户在2月的留存率为75/80=93.75%。

数据用途

留存率通常用来衡量产品粘；周留存率通常用判断产生的忠用户数；月留存率通常用衡量版迭代的效果，例产品改版，月留存率提升，且其他变量没有变化时，说明设计改版成功。通留存率以很观的判断产品的用户粘是上升还是下降，也是产品验最直观的数据。

3. 新用户流失率

某周期内新用户流失数/某周期内一天访问的新增用户总数，一般周期为次、7或者30。

举例说明

接3.1和3.2案例，1月新增用户80人1月新增用户在2月的留存率为75/80=93.75%，新用户流失率为（100-93.75）%=6.25%。

数据用途

用户流失率用追踪之前是什么情况导致流失数据情况，便进一步优化产品问题。

用衡量上产品或功能的老用户稳定程度，具包含现有用户的留存率和流失率。例在上7天内产生的活跃用户在上30天是否仍在活跃？

1. 老用户留存数

一段时间内次访问的老用户数，通常分为次留存、7天留存、30天留存指标。

2. 老用户留存率

某周期内老用户留存数/某周期内老用户总数，一般周期为次、7或者30。

3. 老用户流失率

某周期内老用户流失数/某周期内老用户总数，一般周期为次、7或者30。

用衡量流程设计的合理，通常适用产品中非常注重任务的区域。例任务的完成率和UV转化率。

1. 完成率

完成的操次数/开始操的次数

举例说明

10月15上新任务，用户点击领取任务按钮10万次，最终完成提按钮2万次，则完成率为 2/10= 20%。

数据用途

完成率用衡量操流程的顺畅度。完成率是产品设计中重要的指标之一，完成率越高，说明产品的操验越。

2. UV转化率

必要流程中的下一步节操人数/上一步节操人数。通常节越，UV转化率越低，流失率越高。

举例说明

10月15日上线如翻译任务，当日从任务入口点击进入该任务页的人数为1万人，点击Yes/No项的人数为7000人，那么该环节的转率为7000/10000=70%，流失率为30%；最终点击Submit按钮成交的人数为4000人，那么该环节的转率为4000/7000=57%，流失率为43%。

数据途

UV转率可于针对产中某些键路径的转率的分析，确定各环节的优劣，是否存在优的空间等。对于务流程相对规范、周期较长、环节较多的流程分析,够直观地发现和说明问题在。

3. 页面跳出率

退当前页并在30分钟未再次打开的户数/在当前页面的总人数

举例说明

户通过任务聚合页进入某任务页，然后跳并在30分钟未再次打开的户有1万人，假设进入该任务页的UV为5万人，则跳率 1/5 =20%

数据途

页面跳率于衡量页面的容质量或交互质量。

产品目标

如为从务维的思路梳：

简单说就是，你希望设计上线后，在哪个方面达到么样的结果。

比任务聚合页的筛选功能，在完成指标的关键目标是：用户更快速地找到最相关的任务。

目标确定，什么信号标志着设计达到或没达到目标呢？

比如任聚页在完成指标的成功标志是用户筛选后找了想要的任并进入了任界面。失败标志是用户筛选后没有找想要的任，在筛选环节流失了。

指标比标志更加落地。

例如，「用户筛选后找到了自己想要任务并进入了任务界」这标志成败与否，是过完成维度来进衡量，那么我们可以选取衡量指标是「从筛选按钮到任务页UV转化率」。

通过「目标 → 标志 → 指标」流程，结合用户体验质指标，就能清楚知道验证设的哪些方面，需关注哪些数据达到目的。

请提防数据陷阱

有位发明家打算新设计他个网站，用来宣传他将要发布新品。

设网站时他了 AB两方案。A 方案网页非常详细介绍了将发布的新产品，然后留了一可填写联系方式的输入框；B 方案则任何关于新产品的介绍，仅置了一可填写联系方式的输入框，并只写了「如果喜欢新发明，应该对我的新产品感趣。请填写的联系方式」一段提示。

最终A 方案只收到了 33 个联系方式，而没有任何介绍性容的 B 方案却收到了 77 个联系方式。

么，从个验结果以推断出 B 方案更吗？

事实上可能并不是。

这位发明家设计网站初衷是为了宣传预售他新品，衡量完成指标标志是「有多少新品感兴趣可能会买它」而不是「收到更多联系」，而联系数量数据法成为「有多少新品感兴趣可能会买它」成功标志，此「B 案比 A 案更好」结论并不成立。

因此希望家用以表格整理数据目标，就了避免从一始搞错了目标，那么再精确的数据统也只能得到误导性的结论。

我发了一趣的象，当我们谈论一家公司或一产品否够功时，基本基于单一的数字，比如某APP2亿日活，它很棒；某平台月均UGC内产3000万，它很厉害。

然后和那些盲目喊着要扩大户数和规模的产一样，对我当前处的问答产而言，有人在真正时间解答题目，才是一件意义重大的事情，因此相对单纯的生产数量数据，我们更应该注答题者的产质量。假如日均答题产量很，但户在任务界面上平均停留时长很短，那么我认为并觉得这是一件值得兴的事，因为答题的质量可会有很多问题。

我之前常常在想一个问题，为什么有司内部此热衷推OKR用以取代KPI，直到进字节跳动我才现原KPI 式的价值观常常给人带来误区：数字即规模，规模就是一切。但我们以看到，许产品因用户数量的骤增曾备受瞩目，比闪，用烧钱的方式在前期积累出大量注册用户，但最终大批量流失，走向没落。数字很重要，用户数也很重要，但相比，我们更应该通思路梳理，来帮助我们想清楚对我们的产品来说核心价值是什么、究竟什么样的数据才是最重要的。

数据不是万能的。它就像问卷查、用户访谈等任何用户验研究方法一样有着其局。数据只能告诉你 What，却不能告诉你 Why。

Data can only make a good design great, but can never make a bad design good.

数据可以用于支撑或验证设计师某项决定，数据法代替设计觉，更法代替深入用户研究、可用性测试和设计理心。

欢迎关注作者的微信公众：「愚者笔记」