本文通过对体验驾驶舱项目的搭建总结，分享我们在搭建体验数据管理系统的思路及成果，希望能够引发读者的思考与交流。
01、背景
· 什么是体验驾驶舱？
体验驾驶舱是58UXD携手ADS打造的一款基于体验维度的一站式体验数据监测平台。它以提高用户整体体验为出发点，注重与用户的每一个场景的接触。具备体验数据监测、数据看板、指标预警等核心能力。接入业务后，就可以感知到任一场景、任一用户的体验水平。这就像十字路口的监控摄像头，极大解放了交警的生产力，不用再依靠人力去辨别异常行为。
· 为什么需要体验数据监控？
在使用互联网的产品过程中，用户偶尔会遇到较差的体验，例如“找不到入口”、“按钮点击无响应”…这些问题或多或少影响着用户的使用体验，尤其对于关键的场景（下单、支付等场景…）直接影响着产品在用户群体中的口碑。在相同的外部条件下，至臻至美的使用体验，才能帮助产品实现弯道超车。
而数字化体验管理平台对于企业实现长期的业务成功变得越来越重要。理解人类的行为：他们怎么做以及他们为什么这么做，可以帮助企业设计和打造出更具有情感吸引力的体验。
02、用户调研产品化思路
· 场景模型框架的构建
核心体验的北极星指标采用满意度和NPS数据，这样以来既能验证功能使用情况，又能洞察产品整体的推荐意愿。
全局的指标能反映出整体的情况，但无法精准追踪到具体的原因，因此需要继续拆分成二级指标，这些指标之间相互独立且穷尽，足以确定到体验问题的纬度。此外，为了契合用户使用产品的每一个场景，我们以用户旅程为框架继续拆解，确定了三级的场景指标，并且拆分到用户与产品触达的每一个场景下，以每一个场景作为独立的评价单元，更贴近用户实际使用的感受。
（评价指标体系）
· 确保调研用户反馈的质量
作为持续性的监测平台，长期向用户征求主观使用反馈，必定会干扰用于正常的使用，给用户带来极大的打扰。为此我们联合问卷系统共同制定了免打扰策略。免打扰的方法主要从两个角度考量，即“用户”和“题目”。
IP疲劳度控制主要避免了同一用户多次填写，人为影响数据的准确性。
轮训规则主要是为了避免填写相同问题的情况，保证数据均由大量用户作答后的累积结果。
此外，用户在单次使用App的过程中仅被触达单次单题，以降低用户的作答成本。并且会为用户设置免打扰的周期（即当用户作答过问卷后，一定周期内不会再次打扰用户）。
03、体验数据决策四步骤
那么如何基于体验问题构建一套具有指导意义的用户体验监测系统呢？在回答这个问题之前，先搞清楚产品团队做什么才能提升用户体验：
首先，产品的用户体验水平，需要通过调研用户的主观满意度情况，所以采集体验数据是体验监测的基础原料；其次，采集后的元数据，靠用户自己去理解的话，难免使用起来会比较吃力。所以还需要通过数据加工处理或者更深层次的挖掘，来转化成用户能够易懂的语言。然后，通过图形化的手段，呈现给用户体验数据看板，帮助用户了解实时动态的数据以及数据趋势的对比情况。最后，通过数据分析得到的结论，将每周的数据来对比验证，以达到驱动业务付诸行动，修改体验问题的目的。
基于以上几点，得出构建体验驾驶舱的关键四步骤：数据采集、数据处理、数据呈现、数据驱动。
·STEP01 数据采集
体验数据采集就是收集用户在所有场景下，所遇到的体验问题。在这里我们的目标尽可能不打扰用户，所以设计了多种触达形式，进行不同风格的评价展示，尽可能融合产品的页面设计风格，降低用户填写问卷的感知。
（多种风格的数据采集方式）
· STEP02 数据处理
采集后的数据按照提前划分好的权重及口径，每日在后台定时执行脚本计算。这样我们就实现指标数据每日更新。（具体指标权重划分涉密不做展示）
值得一提的是，用户研究专家们会周期性的对各个业务线的场景指标进行相关性分析，来及时调整权重参数。这样以来，就能将分数合理地分配到每一个场景上。通过场景归因来衡量场景的影响权重，反过来也可以指导业务人员在各个场景上合理分配精力和资源。
在数据处理过程中，系统支持的“场景化”不仅徒留于形式。针对开放文本数据的不确定性问题，传统的人工处理方式会导致需要大量理解成本，这里采用了AI人工智能技术手段，首先将用户反馈来的虚词删除，提取出核心的短词语句。接着利用NLP自然语言处理技术提炼与业务高关联的话题，并通过判断短词语的情感聚合成「正向」、「负向」、「中立」三个分类，生成三种情感的词云。
（文本数据智能聚类）
· STEP03 数据呈现
在设计体验数据看板前，“谁需要看？”，“看什么信息？”或者是看板的目标用户是第一顺位需要考虑的？在搭建过程中，我们和用研团队一起梳理了一下三大类角色，他们身处不同岗位，有着各自差异化的诉求。
提到“数据呈现”，就绕不开《数据可视化》这个课题，数据可视化主要借助于图形化的手段，清晰高效地向用户传达与沟通信息。面对大量不同纬度的数据，我们首先通过图表可视化的研究，将各个指标做了结构化的梳理，抽象出四种数据的整合关系。
接下来的问题就是如何让用户高效的阅读数据，为此为每一类型指标找到合理的图形化表达方式。
有了以上的理论基础，结合指标模型的拆分，设计了三套角色看板，三级看板可以进行指标的下钻分析，精准定位问题。
体验看板可以帮助用户掌握整体的体验情况。但是结合过去的经验，在大量的数据中找到相关信息还是会耗费大量精力。为了扩大数据的价值，于是我们增加了指标预警的功能，改变原来「到处寻找数据」，转换成「异常主动推送」的模式。
（指标异常预警）
当指标分数达到系统所设定的阈值后，比如NPS绝对值低于30分，或者趋势同比上一周期下降达50%的时候，系统会生成分数提醒工单，来帮助用户定位到异常场景，及时做出响应。
· STEP04 数据驱动
为了让业务重视体验并付诸实际行动，我们引入了周报的机制，每周向负责业务线的产品总监同学推送当周数据周报。
同时为了方便用户在移动场景使用，体验驾驶舱也支持企业微信等不同移动场景，可随时随地打开手机查看报告和数据、预警详情，不错过解决问题的最佳时间。
（体验数据周报）
· 利用体验数据打造极致口碑
至此，通过对体验数据的采集-分析-呈现-驱动，形成了持续性的体验数据监测体系。总结来说，体验监测是手段，成效提升是关键。体验管理的关键还是从业务中来，回到业务中去。体验驾驶舱的初衷也是通过体验数据来帮助业务构建长效的监测闭环，修正提升产品的使用体验，进而打造极致的产品口碑，成为构建强势品牌的重要资产。
04、体验驾驶舱的未来
· 多元数据结合
正如前文提到，主观数据告诉我们用户的心声，客观数据能够更及时的发现用户的消费行为。所以我们也在尝试接入业务线的运营数据，帮助设计师从多个视角来衡量设计成果。
· 体验度量产品化
58UXD除了拥有《体验评估指标体系》。还拥有众多成熟的度量体系：针对于消费级产品的QMD设计评估模型、针对企业级产品（多角色、重协同、链路长等特点）的B-Metric度量模型。
这些度量体系未来将逐一在体验驾驶舱中落地并实现线上化的体验数据监测，从而降低产品体验量化的操作成本。
参考资料：
Understanding human behavior: The softer side of experience management
“体验度量”的应用价值与落地举措——Thoughtworks
“好体验，好商业”之数字化体验管理——ipsos
《客户体验管理》——Bernd H·Schmitt
《用户体验度量》——Tom Tullis、Bill Albert
《数据可视化》——陈为、沈泽潜、陶煜波等
