你真的提升了用戶體驗？

前言

作為開發(fā)人員，大家對“提升用戶體驗”一詞并不陌生，甚至有時候自己都會說：“這個操蛋的系統(tǒng)用戶體驗賊差，就不能好好提升一下用戶體驗嗎？”，但是怎么才算真的提升了用戶體驗呢？

• 新設計一套炫酷的頁面？

• 重構一下代碼？

• 讓頁面白屏時間變短？

• 實現(xiàn)超級絲滑的交互效果？

• ...

不可否認，這些是，但比較片面。因為這些都是站在系統(tǒng)工作人員角度通過技術手段讓系統(tǒng)看起來不那么糟糕。除非用戶不得不用你的系統(tǒng)，不然實際交付用戶使用時仍然會有反饋體驗不好的現(xiàn)象出現(xiàn)。

用戶量比較大的產(chǎn)品進行版本大升級的時候，都會有很多人跳出來反饋新版本不好用，因為每個人對新事物接受程度是不一樣的，如果只站在部分人員的角度分析是否提升了用戶體驗缺乏理論依據(jù)，同時也缺乏數(shù)據(jù)佐證。慶幸的是，我們有一個很好的指標可以對體驗是否提升進行衡量，那就是：轉(zhuǎn)化率。

拿普通網(wǎng)站來說，網(wǎng)站上訪問者數(shù)量 = 通過擴展業(yè)務獲取新客戶數(shù)量 + 迎合現(xiàn)有客戶繼續(xù)建立關系數(shù)量。這兩者都可稱為轉(zhuǎn)化渠道，轉(zhuǎn)化渠道決定你的網(wǎng)站是否獲得良好的訪問量并轉(zhuǎn)化更多的訪問者。轉(zhuǎn)化率則是網(wǎng)站推動轉(zhuǎn)化的速度。轉(zhuǎn)化指標對于每個網(wǎng)站是相對唯一的，對于電商，這可能是產(chǎn)品的銷售，而對于 B2B，則可能是合格潛在客戶的產(chǎn)生。

至此，我們可以看出渠道越優(yōu)化，轉(zhuǎn)化率就越高，對應變動才能算是提升了用戶體驗，在數(shù)字營銷中優(yōu)化網(wǎng)站渠道的最重要方法之一是 A/B Testing，但絕不只有 A/B Testing。

渠道優(yōu)化方案

此部分只對方案做部分說明，有興趣同學可自行翻閱相應資料。

A/B 測試（A/B Testing）

A/B Testing（也稱拆分測試）是一種將同一網(wǎng)頁的兩個變體同時顯示給網(wǎng)站訪問者的不同細分受眾群，并比較哪個變體帶來了更多轉(zhuǎn)化的過程。另外 A/B Testing 并不是說它只能用于比較兩個方案的好壞，事實上，你完全可以設計多個方案進行測試，比如ＡＢＣ測試，A/B Testing 只是一個習慣的叫法。

核心思想：

• 多個方案并行測試

• 每個方案只有一個變量不同

• 以某種規(guī)則優(yōu)勝劣汰

示例：  圖中對網(wǎng)站某條數(shù)據(jù)“立即體驗”按鈕改為“立即參加”按鈕。我們?nèi)绾瓮ㄟ^ A/B Testing 方案進行轉(zhuǎn)化分析呢？

1、定清楚轉(zhuǎn)化指標 如前面講的電商平臺對應銷量、B2B 對應合格潛在用戶等。

2、根據(jù)變體進行用戶分流 將現(xiàn)存用戶采樣后隨機分流（根據(jù)實際情況可進行前端分流或后端分流），向一部分用戶推送方案 A 頁面，另一部分用戶推送方案 B 頁面（發(fā)現(xiàn)沒，有點類似灰度版本切流）。樣本計算公式為：

 其中

• n 為每組所需樣本量，因為 A/B Testing 一般至少 2 組，所以實驗所需樣本量為 2n。

• α 和 β 分別稱為第一類概率和第二類概率，一般分別取 0.05 和 0.2。

• Z 為正態(tài)分布的分位數(shù)函數(shù)。

• Δ 為兩組數(shù)值的差異，如轉(zhuǎn)化率從 1% 到 1.5%，那么 Δ 就是 0.5%。

• σ 為標準差，是數(shù)值波動性的衡量，σ 越大表示數(shù)值波動越厲害。

從這個公式可以知道，在其他條件不變的情況下，如果實驗兩組數(shù)值差異越大或者數(shù)值的波動性越小，所需要的樣本量就越小。

當然，我們也可以采用在線工具，如：Evan's Awesome A/B Tools，計算所需樣本。

3、設定測試時間，執(zhí)行測試 規(guī)定一段測試時間，比如兩周，這兩周里分流的用戶只能訪問被推送的一種方案。

4、根據(jù)測試結果，分析轉(zhuǎn)化率 通過實際轉(zhuǎn)化指標值分析方案 A 和 B 哪個更優(yōu)，劣者淘汰。

多元測試：MVT（Multivariate Testing）

這是一種對網(wǎng)頁的多個部分進行更改，并為變動所有可能的組合創(chuàng)建變體的方法，如圖： 

圖中變動為英雄圖片和 CTA 顏色兩個，兩兩組合出現(xiàn) 4 種變體。Multivariate Testing 便是對這 4 種變體進行采樣分流測試。

拆分 URL 測試（Split URL Testing）

Split URL Testing 指通過流量切分測試托管在不同 URL 上網(wǎng)頁的多個版本。Split URL Testing 和 A/B Testing 之間的主要區(qū)別在于，在 Split URL Testing 的情況下，變體托管在不同的 URL 上，如圖： 

實際應用場景中，在僅需前端進行基礎更改時，A/B Testing 為首選，但當需要進行重大設計更改且不想觸及現(xiàn)有網(wǎng)站設計時，則首選 Split URL Testing。

多頁測試（Multipage Testing）

Multipage Testing 類似于 A/B Testing，不同之處在于，您所做的更改不是在單個頁面上進行更改，而是在多個頁面上一致地實現(xiàn)。像 A/B Testing 一樣，多頁測試的網(wǎng)站訪問者可以分為一個版本或另一個版本。通過跟蹤這些訪問者與所顯示的不同頁面交互的方式，可以確定哪種設計風格最有效。 

執(zhí)行多頁測試的方法分兩種。首先，你可以把你所有的頁面作為一個基礎整體漏斗，然后對其創(chuàng)建多個不同變體，然后你可以對照基礎漏斗對新變體進行測試。這稱為“漏斗多頁測試”。其次，你可以測試重復元素的添加或刪除（例如安全徽章，個人鑒定等）如何影響整個漏斗的轉(zhuǎn)化。這稱為“經(jīng)典或常規(guī)多頁測試”。

有了上面的優(yōu)化方案后，再配合頻率論（Frequentist）或貝葉斯（Bayesian）等統(tǒng)計學方法便可對本次變體用戶感受做較為精準分析，同時也可以預估新用戶對系統(tǒng)接受度等指標。

總結

提升用戶體驗首先應該關注的對象是“用戶”，再者需要有來自“用戶”側的強力數(shù)據(jù)說明本次變體對用戶有正向影響。

最后再拋一個問題：中后臺應用中如何衡量用戶體驗得到了提升？

最后