
用户体验太抽象?一个神奇的公式帮你轻松搞定
用户体验对很多人来说,都是一个比较虚的词,作者用一个公式将用户体验量化,帮助产品经理很好的评估影响用户体验的因素,本文作者Wouter de Bres,有着设计背景和心理学背景,对用户体验有着独到的见解。我探索一个用来计算用户体验的公式开始于一个小实验,以便来看看我是否能计算认知一个设计的加载时间。当谈到数字产品的加载速度我们总是关注着加载的时间数字,但有时候我们会忘记当我们去了解一个界面也需要时间——认知加载时间。我越研究这个问题就越发现加载时间和数字认知可能只是一个重大问题的一小部分,这个问题就是:我们是否可以量化用户体验?
用户体验的问题是像心理学一样,相当模糊。许多人,包括我自己,谈论到提升用户体验和有什么因素影响它时,似乎都无法量化或计算用户体验。
当然了,有很多方法来发现你的产品用户到底怎样吗,比如用户问卷或采访,但结果是定性的。真实的数据或者是用户告诉你你的产品很糟糕或者很牛B这并没有什么错,但是你不能相信别人的意见。别人告诉你的只是他那个人的真实数据而已,是人的话总是会受到外部因素的影响的。就算用户提供准确的用户体验也会带有个人色彩的,我们要防止偏见。
如果我们可以找出一个公式且能成功地计算产品用户体验那岂不是DIAO爆了?那并不是说停止与用户交流,要是有一个带硬性数据的公式能让用户体验减少模糊感那就更好了,想到这我觉得好嗨,于是决定试试!
找出一个公式来计算用户体验岂不是DIAO?
将其分解
我们不得不采取的第一步是把用户体验分解成更小的可衡量的块。哪些方面影响了产品的用户体验呢? 这超出了为你的产品设计一个可以理解的界面的难度,因为有许多因素在起作用,影响您的用户。
数字加载速度
v digital(数字) = v internet (互联网)+ v server(服务器) + v device(设备) + v code(代码)
加载时间很容易测量。我们都同意加载时间对用户体验有很大的影响。软件加载得馒让人心烦意乱,如果慢得令人发指,那么用户可能就对你的产品SAY GOODBYE了。谷歌发现超过400ms(毫秒)慢版本的网站大家基本很少使用它。
你的产品速度可以进一步分解成小快:互联网速度、设备速度,服务器速度和产品代码速度。对于我们的公式我将使用的字母v速度。
v internet (互联网)
互联网的连接速度虽然无法控制,但这对你的产品体验有巨大的影响。考虑到这方面,用户可能会认为任何速度慢是你的产品故障或网络信号弱。这时你可以帮助用户想到其他方面,,包括选择合适的加载动画。
v device(设备)
用户的设备速度无法控制。尽管可以选择让您的应用程序只用于更加新的设备。例如,不向设备较老的用户提供产品,因为那些用户如果使用的话就会体验到产品运行得很缓慢。当然了,这就会出现了一个新问题:不向设备较老的用户提供产品是否胜过提供一个运行很慢的产品。
v server(服务器)
作为一个设计师,你的服务器速度怎样我不太懂,但是我的联合创始人兼好友Petar Radošević向我保证服务器的选择将影响到应用程序和数据库的速度,进而影响产品的整体速度。因此,考虑到一个产品的整体速度,我们不能忽视服务器的计算速度。
V code代码
数字最后部分的加载速度是产品代码的加载速度。Joeri and Petar工作许多年了,我知道有很多工作要尽快查阅,所以不要懒洋洋过目字符串就算了,应把努力放在写作美丽的高效的代码。
认知加载速度
V认知= IC /(N * DX)
产品的认知加载速度是这一切开始的地方。我发现它是特别有趣的主题,因为它在卓越的用户体验中是一个很重要的决定因素。这个领域的设计符合心理学,那里的平面像素超过其他部分的总和,因为人类的大脑能够翻译它成为有意义的界面。
对于那些问“认知加载到底是什么东西”的人我们不必担心,这对你来说是个很简单的概念,因为你可能天天跟电脑打交道。
认知加载的理论是G,.A Miller在1950年首次提出的,他的一篇论文中提到,人类的记忆在工作时似乎固有的限制。他表明记忆在某一时间工作时似乎只能持有7(±2)方面的知识,如数字,单词或视觉元素。我们大脑的记忆在工作和计算机的储存在工作是完全相同的。过程总是在输入所有信息。Graham Cooper博士在他1998年的研究论文创建了解析图像
让其可以更好地理解:
ic =界面复杂性
界面复杂在认知加载中扮演者重要的角色。如果你的产品界面的元素错综复杂,那么它将需要更高的认知加载。这意味着用户需要更长的时间来理解,导致用户体验不佳。当用户感觉到他们不理解这些东西的时候他们会有一些不适的感觉且感觉到自尊大幅下降。我想我们都能同意这点,因为并不是所有的用户体验都是卓越的。这就是为什么创建简单的界面不仅仅是一个时髦的设计师的事情,我们要让用户感觉到一切尽在他们的掌握之中是十分必要的。这导致一个快乐自信的用户能够迅速作出决策。
n =访问数量
dx =数字体验
虽然一个复杂的界面在认知加载速度中有着决定性的因素。另外两个因素在制衡这个因素中也扮演着重要的角色。n,代表用户过去已经成功地使用过你产品,dx,代表像你这样的一般数字体验级别的用户与数字产品。当一个产品有一个复杂的界面,但用户之前体验过类似的产品时认知加载仍然可以降低。如果之前体验过很多产品,那么复杂性甚至都不重要了。这能导致一个事实,就是有经验的用户使用界面复杂的产品使用起来比重新设计一个简单的界面更有效率,而且重新设计界面会让传统的用户使用起来有种从头开始的感觉。
综上所述。我们可以通过数字速度和认知速度的总和来计算总速度。
V数字= V+互联网+V服务器+ V设备+ V代码V认知= IC /(N * DX)V = V数字+ V认知
好了,现在我们决定什么是产品的总速度。一个快速的产品只有一小部分的用户体验是卓越的。这就使得计算用户体验变得棘手,我需要你们绞尽脑汁来帮助我。Purpose 目的(p)p = b + s
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14