“ 那时和朋友们谈谈有关采用者新体验相关的测度分项。”
测度管理体系，就变得十分有必要性了。
有关统计数据分项管理体系，他们以后撷取过《织女星分项》、《银行存款宝分项管理体系》等该文，和那时聊的内容有许多相连之处，大家能简述一下。
一、甚么是采用者新体验与测度
具体来说咱谈谈，甚么是采用者新体验，以及甚么是采用者新体验测度。
采用者新体验（全称UE/UX），是采用者在采用一个商品或系统以后、采用期间和采用之后的全部体会，包括感情、宗教信仰、偏好、知觉第一印象、病理和焦虑化学反应、犯罪行为和创举等方方面面。
很明显，简而言之的采用者新体验是一类主观体会。当代商学先驱Peter F. Drucker 有句名句: “If you can’t measure it, you can’t manage it”。换句话说，如果不能将采用者新体验展开定量，他们便难以对采用者新体验展开前瞻性的提高。
采用者新体验测度就是一类量测或赞扬采用者新体验的方法、统计数据管理体系。通过测度，使所有采用者新体验测度都是可探测、可定量并以位数的方式表示出来的。对于两套自然科学的测度管理体系，一般来说具备下列特点。
可量测：能量测收集获得，同一个方式量测获得的统计数据能互相较为；可定量：把「这个商品新体验好吗」转化成为能量测的基本概念，如采用者留存率、流动率等；可靠可靠：保证测度结果的外在连续性和灵活性，保证质量；持续性：分项能持续检视、追踪和强化，有利于商品插值强化后分项统计数据的其间对照二、业界新体验测度数学模型
上面，他们看一看业界许多常见的、较为经典之作的新体验测度数学模型。这里主要是如是说了Google和穆萨的几个测度模型。图片下方的CSAT、NPS、CES他们第三节详细展开。
上面是上述核心数学模型的细节内容对照：
（1）谷歌GSM数学模型
Google的UX团队提出了GSM数学模型。G是Goal，S是Signal，M是Metric，是遵从 「目标-信号-分项」的过程来定义统计数据分项的方法。
（2）谷歌PULSE数学模型
PULSE数学模型是传统的网站衡量分项，从技术、采用者忠诚度、商业收益来追踪商品的整体表现，难以直接通过数学模型去探测到采用者新体验是怎么样的。
（3）谷歌HEART数学模型
HEART数学模型由Google于2010年发表于，是以采用者为中心的测度数学模型。HEART数学模型的出发点是做以采用者为中心的，能够用于大范围的采用者新体验测度方法。
（4）穆萨PTECH数学模型
支付宝UED团队提供以采用者为中心的UBA（采用者犯罪行为分析）+ APM（应用性能监测）闭环下的新体验洞察，让商品新体验可定量、可强化、可监控。更多还是To B的。
（5）穆萨UES数学模型
UES是穆萨云设计中心通过多年设计实践中沉淀下来的云商品采用新体验测度系统，在设计、商品、技术各团队对新体验测度数学模型的认可度上，以及实际应用上，都是做的最为落地的。
（6）穆萨五度数学模型
五度数学模型是穆萨1688UED团队在Google的HEART数学模型的基础上，结合国内互联网的特点，加上多年的设计经验总结出来的。五度数学模型的应用场景更加适合C端商品。
以上是业界的许多采用者新体验测度数学模型，供大家参照。具体每个方向的落地方式就不展开了，感兴趣的朋友们能自行研究一下。
另外，有关这些数学模型之间的关联关系，能参照上面的图谱：
这里区分了不同数学模型的许多特性差异。
三、采用者新体验三大直觉分项
上面的各个数学模型，有客观统计数据层面的（留存指数等），也有主观层面的（满意度等）。针对客观的分项，他们很容易通过技术手段展开计算；对于直觉分项，他们该如何计算呢？
这里主要的定量直觉层面的分项有三个：满意度、净推荐值、费力度。
（1）满意度CAST
满意度这个分项是他们最常见的，也是应用较为广泛的方法。一般来说问题的提问方式如下：
答案分为五个阶梯。最终的满意度得分是基于4分和5分的占比求得。这个较为好理解。
但是满意度这个分项忽略了不满意采用者的情况。如果把满意度作为北极星分项，容易造成口碑的两级分化。
（2）净推荐值NPS
与满意度只衡量满意采用者占比不同的是，净推荐值在考虑满意采用者的同时，也将不满意的采用者纳入了计算范围。
同时，由于满意与否对不同采用者而言的判断标准是不太一样的，有时候会让采用者难以回答。但询问采用者“是否愿意推荐给朋友”这个问题，相比满意度的问题，明确了很多。
最终的计算规则是推荐者的百分比减去贬损者的百分比。答题是采用十分制
，1-6分都是贬损者，9-10分是推荐者。
四、案例：采用者新体验测度管理体系
最后，他们如是说一个案例。该案例结合了自己的商品业务特点，搭建了两套采用者测度管理体系。
整体的测度框架如下：
该测度管理体系主要包括了完整性、易用性等7个维度，详细过程如下。
（1）功能完整性
通过分析对照现在行业界同类商品的功能，计算功能的完整性得分，可应用于从0到1商品的功能衡量。实现方法：专家走查/竞品调研/采用者访谈。
确认竞品后，通过采用各竞品的具体功能，拆分一级、二级、三级或更细节的功能，填写完整性分析表；具体计算以二级功能为标准。
（2）易用性
易用（学）性包含易学性、易操作性和信息传达清晰度。方法：竞品调研/专家走查。
上面列举了易用性的10多个具体角度，供大家参照。
（3）任务效率
依赖商品统计数据，根据采用者犯罪行为路径设定量测动作，通过关键节点的转化成和时长对采用者犯罪行为作出判断和分析。方法：采用者犯罪行为统计数据提高/Abtest/点击率/转化成率/步骤数
这里的分项是完全能通过统计数据埋点、统计数据收集，展开客观计算。不依赖于采用者调研。
（4）系统性能
系统性能主要的分项有下列list。
这里的分项也完全是后台的技术分项。
（5）场景化反馈
简而言之的场景化反馈，是提供一系列场景化的问题，供采用者展开判断。
采用者针对场景的list，逐一判断满足程度，然后计算单个场景和整体场景的平均得分。
（6）净推荐值-NPS
计量某个客户将会向其他人推荐某个商品或服务可能性的指数。意在了解采用者对该服务或商品主动推荐的意愿。方法：采用者访谈/周期性问卷。上文中提到了，不再展开赘述。
