本文经过介绍体会衡量模型晋级研讨进程、研讨办法及研讨成果等内容，结合实践C端产品使用，观测新模型工作周期的表现，验证了其在高速开展的事务形态和日益改变的用户需求上的适用性和有效性。咱们从体会价值为导向的底层模型规划，到主客观体会影响因子在实践事务运用的办法，探究出一套切实可行的验证规划价值的体系。经过对体会衡量模型不断地调优，不仅可以诊断出过往产品策略和举动是否对用户有效，并且可以前瞻性的预测出未来的体会走势。
一、背景
本次用户体会衡量模型3.0是在2.0衡量模型基础上进行的全新晋级。如果说体会衡量模型2.0是让团队一致了体会需求“科学”衡量这件事，那么这次体会衡量模型3.0则要求模型验证体会的”价值”。
在晋级前咱们一直在思考这样的问题，怎么让衡量模型可以更适用于快速开展的事务以及不断改变的用户，可以预判出未来体会趋势。
咱们将此次晋级体会衡量模型的内容完好的分享给正在树立衡量模型或者是想要晋级衡量模型的规划团队，期望能给咱们带来更多的启示。
二、现状问题
曩昔一段时间里，体会衡量模型2.0的内容普适性很好，在物流各个体系工作正常。但因为各条事务线开展不一致，体会衡量模型2.0衡量出来的内容与日益开展的C端事务体系产生不匹配的状况。为了进一步承认问题，筹备前期咱们通盘对衡量模型使用在客户端上体会的问题和主张进行搜集。首要涉及三个方面问题：
-
视角单一，问题不聚集：原先衡量模型事务参与度不高，缺失对方针深刻了解；加上事务高速开展，旧的方针指导实践事务价值不高，导致产品和事务的人员重视度不高；而衡量出来的内容又无法聚集问题。
-
衡量值无基准线参阅，分数差异不明显：模型自身衡量值无基线值参阅，也没有对标值，对当前产品到达好坏状况比较模糊。别的，体会分数档位距离不明显，尤其是10分值小数点后的改变感知度不强，很难直观看出问题所在。
-
短少职业视角，规范不清晰：对产品所处的职业状况存疑，长时间以往则会陷入自我感觉良好而没有实在反映产品竞争力的状况。
基于此，本次模型晋级围绕处理问题不聚集视角单一、衡量值无基准参阅、衡量规范不清晰等问题进行。
三、研讨方针和方向
依据现有问题找距离，依据距离树立举动方针。
-
更聚集问题。承认研讨结构，重构研讨流程。相较于衡量模型2.0，在公司战略“自上而下”视角中事务需求看什么之外，增加“自下而上”可感知的用户视角。
-
更突显比照。丰厚方针，优化衡量办法。拆解业现有事务方针，丰厚主、客观方针库，严选每个方针及承认各方针基线值和方针值。
-
更看清距离。优化、引进其他比照维度。从内部自己与自己比变为与外部职业垂类TOP1比。
本次衡量模型晋级以C端产品为起点，清晰衡量模型价值，作为进程办理的东西，补偿体系层细节体会缺失问题，快速协助事务、产品、体会进行决议计划，到达青出于蓝而胜于蓝的作用。
四、研讨结构和进程
在承认举动方针的指引下也承认本次晋级首要从四方面进行：维度承认、权重承认、方针承认、衡量值承认。
4.1 模型结构
衡量模型共五层，第一层为衡量分数——体会总分；第二层为权重层，包括片面、客观权重；第三层为主客观对应的维度层；第四层则是对应维度下方针层；第五层则是详细方针赋分状况。
4.2 维度研讨
4.2.1 维度研讨办法及进程介绍
本次晋级对维度研讨办法上做了优化。一方面从公司视角“自上而下”，专家定见作为参阅深度绑定，对衡量模型重新进行打乱和重排。另一方面从用户可感知的“自下而上”出发，结合定性和定量研讨，进行用户访谈、重新制作用户旅程图，进而用因子剖析办法承认方针维度。树立好的研讨办法之后咱们开端重构维度研讨。
-
树立维度库：在维度研讨前期对职业内体会衡量维度内容进行了剖析和整理，取并集进行总结，树立出一套完好的维度库。
-
组成专家组，专家访谈：基于三大功能六个岗位选出资深9位专家成立了专家小组。经过1对1深访承认专家诉求以及未来预期，清晰快递小程序体会衡量的重视重点及维度。
-
讨论验证承认维度：本着MECE准则（相互独立，彻底尽头准则）、可衡量、可提高三个规范进行维度承认。期间，依据专家组给出的衡量成果与维度库成果进行匹配，也是将理论与实践进行结合后输出3套可行计划。咱们对每一套计划优势和下风进行了充沛讨论，在经历6轮讨论后终究承认维度计划。
4.2.2 维度研讨成果
终究咱们得到了功用体会、功用体会、易用体会、情感体会四个维度
-
功用体会：功用是否完善，基础功用掩盖以及包括用户意图辨认的定制化功用
-
功用体会：产品基础功用、稳定性表现
-
易用体会：易操作、易学、易查找、清晰可见
-
情感体会：包括满意度、忠诚度、推荐度，包括用户挑选产品的原因
这四个维度基于产品体系自身，从有用的基础的功用体会至杰出的功用体会，直到成为好用的易用体会升华至用户爱用的情感体会。
从终究承认的维度成果上看，相较于之前，维度的内容规模更清晰更易懂，最重要的是各方到达一致一致，这一点关于后期衡量出来的内容受各方高度重视起到了关键性的作用。
4.3 各维度权重研讨
4.3.1 主客观权重、客观各维度权重研讨办法
维度承认后，接着就需求对片面权重、客观权重进行承认，以及各维度权重系数进行承认。主客观的权重选用的是AHP层次剖析法。详细的定义可参阅下面词条的内容，咱们重点介绍怎么使用的
“AHP层次剖析法是一种将定性与定量剖析办法相结合的多方针决议计划剖析办法 。该办法的首要思想是经过将复杂问题分解为若干层次和若干要素, 对两两方针之间的重要程度作出比较判别, 树立判别矩阵, 经过核算判别矩阵的最大特征值以及对应特征向量，就可得出不同计划重要性程度的权重, 为最佳计划的挑选供给依据。”——引自百度百科
首先树立层次结构模型，其次经过专家重要性比较打分，终究经过软件剖析效验核算得出权重系数。
-
树立层次结构模型：将体系体会衡量分解为维度，依照要素间的相互相关影响以及从属联系将要素按不同的层次聚集组合，构成一个多层次的剖析结构模型。例如体会衡量分主、客观维度，而客观维度下又是由功用、易用、功用、情感四个要素构成。构建好层次模型后就可以将所有要素放在一同进行两两比较了。
-
专家重要性比较：组成的9名功能专家组分别对片面维度及客观维度的相对重要性进行了点评。
-
软件剖析效验：依照专家点评成果，经过软件yaahp核算出各维度权重系数。终究专家组针对成果进行讨论，承认权重系数。
经过这样的办法，咱们一起承认了主客观权重，以及客观各维度的权重系数。这次主客观权重相较于之前是有改变的，而这种改变的根本原因在于，自上而下对现有产品清晰定位及终究方针导向的成果，可以说是团队一致之后，努力做好用户体会决心的一种体现。别的，客观各维度的权重也会跟着产品的开展阶段而进行调整。
4.3.2 片面各维度权重承认
与客观维度承认不同，片面各维度权重的承认选用的是因子剖析法（Factor Analysis）。它是一种数据简化的办法，首要用于对一组数据较多并且相互相关的变量进行提炼与概括。因子剖析的意图是以尽或许是少的信息丢失，把很多相互相关的变量浓缩为少量几个因子，便于对数据的了解和进一步的统计剖析。
如果说层次剖析法输出的专家组认可的维度，那因子剖析取得则是用户可感知到维度。因子剖析最难的部分是因子成果可以与层次剖析法得到的维度匹配上，在这个阶段中或许需求不断的调整量表、剖析成果、查验到再调整、再剖析、再查验。因子剖析是本次模型晋级最大的亮点，它不仅处理旧模型可信度的问题，更重要的是协助咱们看清从用户感知层面点评出来的维度以及对应的权重分配，为后期体会问题的聚集及决议计划上供给了支撑依据。
4.4 方针研讨
4.4.1 片面方针研讨
在片面各维度研讨的时分说到构成片面各维度的片面方针，片面方针研讨分为两步，先树立片面方针库，在挑选方针。因为片面方针库是在原有基础上进行的，本次首要从细化方针和扩大维度进行。一方面是依照用户视角，对用户旅程阶段的触点进行细化，另一方面依据事务视角，经过事务的方针拆解进行方针扩大。当有这些方针后，以满意度的办法回收用户反馈，继而对问卷成果进行因子剖析，承认终究对全体分数的贡献度状况。
4.4.2 客观方针研讨
在客观方针研讨上也是先树立客观方针库，再进行客观方针挑选。客观方针库树立的准则：事务方针导向、数据质量、产研侧专家点评。在树立客观方针库时，首要是强绑定事务方针导向，归入方针库的方针要与事务方针相关严密。其次方针数据的质量要实在、客观，观测一个好的方针要看过往数据反映问题的状况以及有效的指导一线事务举动。终究也需求产研侧专家挑选最靠近产品实践和方针的客观方针。基于这样三层准则咱们树立出快递小程序客观方针库。在进行客观方针挑选进程中承认挑选方针的四个规范：可衡量用户价值、反映产品策略、方针直观可拆解、与营收相关的先导性方针，终究承认每个维度下的客观方针。当然，进程中也有发现方针使用价值高但数据统计口径有收支的，以及现有方针不满足需求的额外需求新规划方针的状况。
4.5 衡量值研讨
4.5.1 片面赋分
衡量值简略了解便是赋分，片面分数是经过因子剖析中用户打分的成果得出分数。
4.5.2 客观赋分
衡量模型2.0客观方针赋分选用的是分箱法，选取曩昔一段时间的数据，查看其最小值、最大值及平均值、中位数的散布状况，进而设定自身的客观评分规范。这种依据数据等频进行的划档赋分，实践得出的分数不够敏锐，看不出来每个方针数据改变的状况。别的，客观赋分延用片面用户打分的十分值，因为之前没有基准线和方针值的比照，加权之后的分数难以直观的露出问题。这会导致咱们容易忽略实在的体会问题。新模型赋分则选用了区间映射法。简略了解，当期要测量值在衡量规范区间内完结的状况。咱们也是在比照多种赋分办法后发现该种赋分办法最直观、清晰反映数据改变状况。
选用该种赋分办法需求留意两个方面内容。
-
数据散布要契合正态散布特征：在咱们选取的方针中，大部分的数据直接出现正态散布特征，显著性查验p值大于0.05。而小部分的数据并未出现这种特征，需求进行数据特定函数联系转化使其出现正态散布特征。
-
衡量值规模选取2个规范差：咱们选取2个规范差的原因一方面是依据正态散布特征，95.45%的数据是在2个规范差规模内，另一方面也是结合实践状况尤其是历史数据改变的掩盖有余，既不好大喜功也能脚踏实地。
以上是咱们晋级模型的全进程，那么终究咱们介绍下晋级后的衡量模型在实践产品工作的状况。
五、小结
终究，经过一张全景图咱们回顾下衡量模型晋级的内容。比照旧模型，新的模型在分数映射上更加敏锐，增加双面感知评价结构更科学，丰厚后的方针库对问题的洞察更聚集。
晋级后的衡量模型在C端产品上现已工作近一年了，它以全新的视角让咱们看到了实在的事务开展的状况。在大环境的改变、事务的改变、用户需求改变下，衡量出来的内容第一时间能让咱们观测到这种改变。既而咱们可以有效的捉住时间窗口期，迅速做了响应的策略进行体会改进落地。
作者：京东物流 穆倩雯
来历：京东云开发者社区
