用户体验工程 | TF123回顾

在数智化时代，人们在工作和生活中会不断接触和使用到各种各样的智能设备和软件产品。如何在众多的数字化产品中占领用户的心智，得到用户的认可，从而获得产品的成功，用户体验的优劣所发挥的作用越来越重要。用户体验工程是个综合学科，其不仅涵盖交互体验设计，还包含用户研究、用户测试和用户心理研究等，强调用户对产品的整体感受和情感反应。用户体验工程强调通过有效的测试来验证效果，并基于实验数据来制定改进的策略。整个过程的参与者包含体验专家、研发团队成员和用户，从需求调研、产品设计、功能开发、系统测试到发布上线，每个阶段都需要秉承以用户为中心的理念进行调研、设计、实现和验证。

CCF TF软件质量工程SIG策划了本次“用户体验工程”活动，分享者来自在用户体验领域有着丰富、成功实践经验的企业，在这一领域进行了较长时间的探索。深入探讨了在数字化场景超级丰富的今天，用户体验领域所遇到的挑战和机遇，以及如何通过优秀的技术实践和工程化方法相结合来进行应对。

来自牛游谷公司的创始人&CEO孙龙，先从交互体验、用户体验和客户体验管理三个概念引入，介绍了用户体验工程在不同阶段的内涵和发展，并给大家推荐了三本经典书籍，分别是《交互设计精髓4》《用户体验要素》《极致服务：创造不可思议的客户体验》。

从客户体验管理的角度，不仅需要交互设计团队、用户研究团队或产品团队参与，还需要客服部门、销售部门HR部门、财务部门甚至每位员工都要参与进来，所有人都会被纳入到整个的客户体验管理的范畴。在整个过程中，需要有效开展用户研究、用户洞察、业务增长等管理动作，更需要一系列的工具平台和技术支持。

展开其过程首先要注重用户侧的触点体验，第二要全面了解用户的反馈和评价，第三步是基于海量的数据进行有效分析从而应用于体验改进效果的评估。每一步都会遇到诸多的问题，首先随着业务场景越来越丰富，用户与产品的接触点会非常多，每一个触点都可能会影响用户的使用感受；然后是用户反馈的数据往往分散在企业内部不同的部门和工具中，其数据分散性是一个难点；最后是如何建立一个合理的度量标准，并应用一些智能化技术去挖掘出数据中的价值。通过使用一个用户体验管理的平台，以平台化能力来解决复杂问题是很好的解决之道。

通过一个房地产企业的案例，分享了从体验旅程管理、数据检测洞察到行动闭环管理的完整客户体验管理体系。其带来的收益不仅仅是用户体验的差异，还给客户运营和品牌营销都提供了良好的支撑，最终带来业务的增长和业绩的达成。

火山引擎A/B测试产品经理李惠深耕A/B测试领域，曾任字节跳动实验评估中台Libra产品负责人。这次会议上，她介绍了在字节内部，A/B测试是针对产品体验改进效果评估的金标准，其不仅可以用来评估用户体验的好坏，甚至可以说也能评估由体验改进所带来的商业价值。接下来她分享了一些具体案例。其中两个凭主观判断的Bad Case案例，第一个是由于看到核心指标下降而误下线了新特性，第二个是把自然流量的增长归因于拉新活动而浪费了投入成本。

而火山引擎提供的AB测试平台能很好地解决这些问题。早期抖音对于弹幕功能的探索和尝试，正是因为很好应用了A/B测试，通过实验组和对照组的对比，发现弹幕功能放到个人页效果更好，最终实现用户长期价值的留存。还有视频蒙层的透明度调整，通过很少的流量就验证了其能带来app使用时长和活跃天数的显著提升。把AB实验融入到我们日常开发流程中，实现了数据驱动的实验文化的落地。

前字节的体验设计专家鱼小哲（于哲）分享的《基于用户视角改善产品易用性》，列举了丰富的实际场景和案例，阐述了从专家视角切换到用户视角的意义和具体方法。首先数据洞察是首先要做的，而具备用户视角的关键点在于关注人、关注用户、具备同理心，身为产品开发者需要通过各种方法把自己代入实际使用场景，去使用自己的产品，自身成为用户的同时才能更好理解用户的痛点。

对于一些无法代替用户体验的场景，就需要细致入微地观察用户，往往有些从程序上看似正确的流程和处理方式，站在用户的角度就会成为流程卡点，可能会阻碍正常业务操作的进行，或者给用户带来不满的情绪。

对于如何基于用户视角评估产品的一个易用性，企业的做法是采用专家评估的方式，结合尼尔森史原则和SUS量表，由此得出的问题进行跟进和优化，从而完成易用性评估和改进的闭环。目标是，无论是B端产品还是C端产品，持续的以用户视角去发现问题和解决问题，努力改善产品体验。

互动环节，各位参会者对用户体验工程 的相关内容进行了踊跃提问，如“是否有把A/B测试用到软件版本的灰度发布验证里？”、“A/B测试一个实验组最小要多少样本量？”等问题。各位嘉宾根据分享的主题内容进行了详细的答疑解惑。例如从需求提出到最后上线过程中，A/B测试可以作为迭代的一环，在每个版本发布之前都会做AB测试，另外整体的版本也会做A/B测试，版本级别的测试更加注重整体评估，会观察核心指标的变化。A/B测试的实验组样本量没有所谓标准答案，和业务场景和预期指标有关，在初期的时候，可能预期提升5%，但是发展比较成熟之后，可能预期的提升就是0.1%，预期不一样，策略影响程度不一样，需要的样本量也不一样。

加入CCF

加入CCF会员享受更多超值活动，为自己的技术成长做一次好投资。

点击链接了解更多会员权益：

CCF个人会员权益  CCF公司会员权益

识别或扫码入会

欢迎关注CCFTF及CCF业务总部公众号，精彩陆续开启！

关注CCFTF获取TF活动资讯

关注CCF业务总部优惠预定会议场地

合作单位