用户体验度量：收集、分析与呈现（第2版 全彩） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[美] TOM TULLIS（汤姆·图丽斯），[美] Bill Albert（比尔·艾博特） 著，周荣刚，秦宪刚 译

图书标签:

• 用户体验
• 可用性测试
• 数据分析
• 用户研究
• UX度量
• 指标体系
• 信息架构
• 用户行为
• 设计改进
• 全彩版

出版社： 电子工业出版社

ISBN：9787121277122

版次：12

商品编码：11851343

品牌：Broadview

包装：平装

开本：16开

出版时间：2015-12-01

用纸：胶版纸

页数：320

正文语种：中文

产品特色

编辑推荐

适读人群 ：本书内容翔实，是一本值得用户体验从业人员研读的指导性书籍，同时也可以作为相关课程的参考教材。

　　一本量化用户体验的实操书，集合了作者在该领域40余年的经验与教训
　　对实际产品有实用建议：
　　★在什么情境下收集哪些度量
　　★如何收集这些度量
　　★如何使用不同的分析方法对数据进行梳理
　　★如何以一种*清晰、吸引人的方式呈现结果
　　第2版新增：
　　★测量情绪体验的新技术，包括手环和面部表情的自动分析。
　　★眼动追踪技术的进展，包括远程基于摄像头的眼动追踪。
　　★新的案例，包括UX领域目前正在做的事情（第10章案例研究全部更新）。
　　★收集和分析UX数据的新方法和工具，包括多种在线工具。
　　★贯通全书的诸多新示例。

内容简介

　　如何量化用户体验对有效提高产品的使用质量至关重要。《用户体验度量：收集、分析与呈现（第2版）（全彩）》详尽地介绍了如何有效且可靠地收集、分析和呈现典型的用户体验度量数据：操作绩效（正确率等）、用户体验问题（频率和严重程度）、自我报告式的满意度及生理/行为数据（眼动追踪等）。同时对“综合性量化度量数据”等问题进行了专门介绍，而且结合案例等形式对当前与用户体验相关的新内容（如用户体验对NPS 的影响）进行了说明。

　　《用户体验度量：收集、分析与呈现（第2版）（全彩）》内容翔实，是一本值得用户体验从业人员研读的指导性书籍，同时也可以作为相关课程的参考教材。

目录

第1 章　引言 / 1
1．1　什么是用户体验 / 4
1．2　什么是用户体验度量 / 6
1．3　用户体验度量的价值 / 8
1．4　适用于每个人的度量方法 / 9
1．5　用户体验度量的新技术 / 10
1．6　十个关于用户体验度量的常见误解 / 11
误解1 ：度量需要花太多的时间而难以收集 / 11
误解2 ：用户体验度量要花费太多的钱 / 12
误解3 ：当集中在细小的改进上时，用户体验度量是没有用的 / 12
误解4 ：用户体验度量对我们理解原因没有帮助 / 12
误解5 ：用户体验数据的噪声太多 / 13
误解6 ：你只能相信你的直觉 / 13
误解7 ：度量不适用于新产品 / 13
误解8 ：没有度量适用于我们正在处理的问题 / 14
误解9 ：度量不被管理层所理解或赞赏 / 14
误解10 ：用小样本很难收集到可靠的数据 / 14
第2 章　背景知识 / 16
2．1　自变量和因变量 / 16
2．2　数据类型 / 17
2．2．1　称名数据 / 17
2．2．2　顺序数据 / 18
2．2．3　等距数据 / 18
2．2．4　比率数据 / 19
2．3　描述性统计 / 20
2．3．1　集中趋势的测量 / 20
2．3．2　变异性的测量 / 22
2．3．3　置信区间 / 23
2．3．4　通过误差线来呈现置信区间 / 25
2．4　比较平均数 / 27
2．4．1　独立样本 / 27
2．4．2　配对样本 / 29
2．4．3　比较两个以上的样本 / 30
2．5　变量之间的关系 / 32
2．5．1　相关 / 32
2．6　非参数检验 / 33
2．6．1　卡方检验 / 33
2．7　用图形化的方式呈现数据 / 35
2．7．1　柱形图或条形图 / 36
2．7．2　折线图 / 38
2．7．3　散点图 / 40
2．7．4　饼图或圆环图 / 41
2．7．5　堆积条形图 / 43
2．8　总结 / 44
第3 章　规划 / 45
3．1　研究目标 / 45
3．1．1　形成式可用性 / 46
3．1．2　总结式可用性 / 46
3．2　用户目标 / 47
3．2．1　绩效 / 47
3．2．2　满意度 / 48
3．3　选择正确的度量：10种可用性研究 / 48
3．3．1　完成一个业务 / 50
3．3．2　比较产品 / 50
3．3．3　评估同一种产品的频繁使用 / 51
3．3．4　评估导航和/ 或信息架构 / 51
3．3．5　提高知晓度 / 52
3．3．6　问题发现 / 53
3．3．7　使应急产品的可用性最大化 / 53
3．3．8　创造整体的正向用户体验 / 54
3．3．9　评估微小改动的影响 / 55
3．3．10　比较替代性的设计方案 / 55
3．4　评估方法 / 56
3．4．1　传统（引导式）的可用性测试 / 56
3．4．2　在线（非引导式）可用性测试 / 57
3．4．3　在线调查 / 60
3．5　其他研究细节 / 61
3．5．1　预算和时间表 / 61
3．5．2　参加者 / 62
3．5．3　数据收集 / 64
3．5．4　数据整理 / 64
3．6　总结 / 65
第4 章　绩效度量 / 67
4．1　任务成功 / 69
4．1．1　二分式成功 / 70
4．1．2　成功等级 / 75
4．1．3　任务成功测量中存在的问题 / 78
4．2　任务时间 / 79
4．2．1　测量任务时间的重要性 / 80
4．2．2　如何收集和测量任务时间 / 80
4．2．3　分析和呈现任务时间数据 / 83
4．2．4　使用时间数据时需要考虑的问题 / 87
4．3　错误 / 89
4．3．1　何时测量错误 / 89
4．3．2　什么构成了错误 / 90
4．3．3　收集和测量错误 / 90
4．3．4　分析和呈现错误 / 91
4．3．5　使用错误度量时需要考虑的问题 / 93
4．4　效率 / 93
4．4．1　收集和测量效率 / 94
4．4．2　分析和呈现效率数据 / 95
4．4．2　结合任务成功和任务时间的效率 / 98
4．5　易学性 / 100
4．5．1　收集和测量易学性数据 / 101
4．5．2　分析和报告易学性数据 / 102
4．5．3　测量易学性时需要考虑的问题 / 104
4．6　总结 / 104
第5 章　基于问题的度量 / 106
5．1　什么是可用性问题 / 107
5．1．1　真问题和假问题 / 108
5．2　如何发现可用性问题 / 108
5．2．1　面对面研究 / 110
5．2．2　自动化研究 / 110
5．3　严重性评估 / 110
5．3．1　基于用户体验的严重性评估 / 111
5．3．2　综合多种因素的严重性评估 / 112
5．3．3　严重性等级评估系统的应用 / 113
5．3．4　严重性等级评估系统的忠告 / 114
5．4　分析和报告“可用性问题相关的度量” / 115
5．4．1　独特问题的频次 / 115
5．4．2　每个参加者遇到的问题数量 / 117
5．4．3　参加者人次 / 118
5．4．4　问题归类 / 119
5．4．5　按任务区分问题 / 119
5．5　可用性问题发现中的一致性 / 120
5．6　可用性问题发现中的偏差 / 123
5．7　参与者数量 / 125
5．7．1　五个参与者足够 / 125
5．7．2　五个参与者不够 / 127
5．7．3　我们的建议 / 129
5．8　总结 / 129
第6 章　自我报告度量 / 131
6．1　自我报告数据的重要性 / 132
6．2　评分量表 / 132
6．2．1　Likert 量表 / 133
6．2．2　语义差异量表 / 134
6．2．3　什么时候收集自我报告数据 / 134
6．2．4　如何收集自我报告数据 / 135
6．2．5　自我报告数据收集中的偏差 / 135
6．2．6　评分量表的一般指导原则 / 136
6．2．7　分析评分量表数据 / 137
6．3　任务后评分 / 141
6．3．1　易用性 / 141
6．3．2　情景后问卷（ASQ） / 141
6．3．3　期望测量 / 142
6．3．4　任务后自我报告度量的比较 / 143
6．4　测试后评分 / 147
6．4．1　合并单个任务的评分 / 147
6．4．2　系统可用性量表 / 148
6．4．3　计算机系统可用性问卷 / 150
6．4．4　用户界面满意度问卷 / 152
6．4．5　有效性、满意度和易用性的问卷 / 153
6．4．6　产品反应卡 / 155
6．4．7　测试后自我报告度量的比较 / 156
6．4．8　净推荐值 / 158
6．5　用SUS比较设计 / 159
6．6　在线服务 / 160
6．6．1　网站分析和测量问卷 / 160
6．6．2　美国客户满意度指数 / 162
6．6．3　OpinionLab / 165
6．6．4　在线网站调查的问题 / 167
6．7　其他类型的自我报告度量 / 167
6．7．1　评估特定的属性 / 167
6．7．2　具体元素的评估 / 170
6．7．3　开放式问题 / 172
6．7．4　知晓度和理解 / 173
6．7．5　知晓度和有用性差距 / 174
6．8　总结 / 175
第7 章　行为和生理度量 / 177
7．1　自发言语表情的观察与编码 / 177
7．2　眼动追踪 / 179
7．2．1　如何进行眼动追踪 / 179
7．2．2　眼动数据的可视化 / 181
7．2．3　兴趣区 / 184
7．2．4　常用眼动度量指标 / 187
7．2．5　眼动分析技巧 / 189
7．2．6　瞳孔反应 / 190
7．3　情感度量 / 191
7．3．1　Affectiva 公司和Q 传感器 / 192
7．3．2　蓝色泡沫实验室和Emovision / 194
7．3．3　Seren 公司和Emotlv / 196
7．4　紧张和其他生理指标 / 198
7．4．1　心率变异性 / 198
7．4．2　心率变异性和皮肤电研究 / 199
7．4．3　其他测量手段 / 200
7． 5　总结 / 202
第8 章　合并和比较度量 / 204
8．1　单一可用性分数 / 204
8．1．1　根据预定目标合并度量 / 205
8．1．2　根据百分比合并度量 / 206
8．1．3　根据z 分数合并数据 / 212
8．1．4　使用单一可用性度量（SUM） / 214
8．2　可用性记分卡 / 216
8．3　与目标和专家绩效比较 / 220
8．3．1　与目标比较 / 220
8．3．2　与专家绩效比较 / 223
8．4　总结 / 224
第9 章　专题 / 226
9．1　实时动态网站数据 / 226
9．1．1　基本的网站分析 / 227
9．1．2　点击率 / 230
9．1．3　弃用率 / 231
9．1．4　A/B 研究 / 232
9．2　卡片分类数据 / 235
9．2．1　开放式卡片分类数据的分析 / 236
9．2．2　封闭式卡片分类数据的分析 / 242
9．2．3　树测试 / 245
9．3　可及性数据 / 247
9．4　投资回报率数据 / 250
9．5　总结 / 255
第10 章　案例研究 / 256
10．1　净推荐值与良好用户体验的价值 / 256
10．1．1　方法 / 257
10．1．2　结果 / 258
10．1．3　在界面设计中对投入进行优先级设置 / 259
10．1．4　讨论 / 261
10．1．5　总结 / 262
参考文献 / 263
作者简介 / 263
10．2　度量指纹采集的反馈效果 / 264
10．2．1　方法 / 264
10．2．2　讨论 / 272
10．2．3　总结 / 274
致谢 / 274
参考文献 / 274
作者简介 / 275
10．3　Web体验管理系统的再设计 / 275
10．3．1　测试迭代 / 276
10．3．2　数据收集 / 277
10．3．3　工作流程 / 278
10．3．4　结果 / 282
10．3．5　结论 / 284
参考文献 / 284
作者简介 / 284
10．4　使用度量来改善大学招生简章网站 / 285
10．4．1　样例1 ：可用性测试后决定行动 / 286
10．4．2　样例2 ：网站追踪数据 / 289
目录XIX
10．4．3　样例3 ：人物角色迭代的定位测量 / 291
10．4．4　总结 / 292
致谢 / 293
参考文献 / 293
作者简介 / 293
10．5　利用生物测量技术测量可用性 / 294
10．5．1　背景 / 294
10．5．2　方法 / 295
10．5．3　生物测量学的发现 / 296
10．5．4　定性结果 / 298
10．5．5　总结及给从业人员的建议 / 299
致谢 / 300
参考文献 / / 300
作者简介 / 301
第11 章　通向成功的10 个关键点 / 302
11．1　让数据活起来 / 302
11．2　主动去度量 / 304
11．3　度量比你想的便宜 / 305
11．4　早计划 / 306
11．5　给你的产品确定基线 / 307
11．6　挖掘你的数据 / 308
11．7　讲商业语言 / 309
11．8　呈现你的置信程度 / 309
11．9　不要误用度量 / 310
11．10　简化你的报告 / 311
参考文献 / 313

精彩书摘

　　当考察错误时，有几个重要的问题是一定要考虑的。首先，确保你没有重复计算错误。
　　当你把多个错误赋予同一个事件时，就往往会出现重复计算的情况。比如，假设你正在计算密码区域的错误数。如果一个用户在密码中输入了一个额外的字符，你可以把它计为一个“多余字符”错误，但是你不应该同时也把它计为一个“不正确字符”的错误。有时，你需要知道更多的信息，而不仅仅是一个错误率；你需要知道为什么不同的错误会出现。解决该问题最好的办法是对每种类型的错误进行考察。本质上，你需要试图用错误类型对每个任务进行编码。编码应该建立在错误的不同类型之上。继续以上述密码的例子进行说明，错误类型可以包括“缺漏字符”、“变换字符”、“多于字符”等。或者以高一点的层面，你可以把错误区分为“导航错误”、“选择错误”、“诠释性错误”等。一旦你对每个错误进行了编码，你可以计算每个任务中出现每个错误类型的频率，以更准确地理解问题究竟出在哪里。这也将有助于提高你收集错误数据的效率。
　　可用性数据就像搭积木，每块可用性数据都能用于创建新的度量。原始可用性数据可以是任务完成率、任务时间、自我报告式的易用性。所有这些可用性数据都可用于产生先前不存在的新度量，如总体可用性度量、可用性记分卡。为什么你要这样做呢？我们认为最主要的原因是可以对你在研究中所收集的各种度量有一个便于理解的分数或是总结。这可以使得其方便地展示给高层的管理者，可以追踪几个迭代版本和上线产品在度量上的变化，或者是比较不同的设计。
　　……

前言/序言

　　译者序
　　如何提升产品的用户体验（User Experience）逐渐受到各相关方的重视。在“以用户为中心的设计”整个过程中，都会涉及用户体验的评估和度量。用户体验本质上是一种主观感知，具有明显的不确定性和模糊性，随着产品生命周期的演变，用户在产品认知和使用方面的需求也会发生相应的变化。用户体验自身所固有的这些属性注定了对其进行评估离不开经验型的评估方法。这种方法通常的做法就是邀请一定数量的真实用户或潜在用户，请他们根据对产品的认知和使用经验对产品的用户体验质量进行反馈。这些反馈由用户体验从业人员根据具体的目的整理成绩效数据（如任务完成率、求职次数和任务完成时间）、自我报告数据（如满意度）和用户体验问题数据（如出现频率和优先级别），有时候还会包括认知神经和生理方面的数据（如眼动追踪和情绪反应）。这样，通过对这些数据进行分析, 就可以整理出产品设计中存在的问题及后续改进的方向。不过，也正是因为用户体验评估的方法多是经验型的方法，不同的人在数据收集、分析和解释上会存在差异，起到的效果也会有所不同。
　　针对这样的问题，本书作者系统地进行了梳理，他们就用户体验度量方法中的方方面面进行了说明和解释，这可以有效地帮助从业人员更加规范地对用户体验进行评估。本书的两位作者都受过严格的人因工程和心理学训练，在用户体验方面也积累了丰富的实践经验，本书第2 版依然体现了三个特色：第一，围绕用户体验评估，对几种典型的度量数据的收集和分析进行了全面整理；第二，操作性强，这是一本面向用户体验从业人员的书，作者提供了大量可读性很强的说明性样例和案例研究；第三，为度量数据的选择、分析和呈现提供了适当的极具针对性的理论基础，保证了用户体验评估的科学性。
　　近年来，作为一个实践导向的专业，用户体验越来越受到业界和学校教育的重视，其自身也在发展和更新，比如：（1）随着精益创业/ 创新的推进，用户体验要与客户发展和客户全流程体验结合起来，实践过程中要考虑如何基于用户的角度呈现产品的价值，甚至还要与运营和营销结合起来考虑用户体验在提升产品成功转化中的作用；（2）随着移动互联网的发展，“大数据”为我们收集、分析和评估用户行为也提供了重要的途径，在用户体验实践中需要考虑“大数据”和“小数据”（如小样本的评测数据）的综合使用；（3）就用户体验所基于的心理学基础来看，以往我们往往多以认知心理学的观点去考虑解释、评估和设计用户体验。目前心理学中“具身认知”的思想越来越受到关注，就用户体验来说，这一理论取向强调人对产品的主观体验感知会受到大脑、身体和环境的综合影响，比如：用户点头或摇头这样的身体动作和所处环境的物理特征（如温度、空间、软硬等）都会影响用户对产品体验感知的评价。这些都可以是我们在用户体验评估中需要关注的话题，本书虽然没有专门就此进行讨论，但所涉及的基本内容依然适用。
　　与第1 版一样，现在看到的第2 版依然由多位译者共同完成，初稿由周荣刚、秦宪刚、吴峰、李阳阳和薛立成完成，之后由周荣刚和秦宪刚进行校正，最后由周
　　荣刚完成统稿和最终审校。在此感谢参与第1 版翻译的其他几位译者，以及对第1版译稿予以指正的读者。本书作者在第2 版更新的内容较多，翻译中的不妥之处，恳请读者批评、指正。
　　周荣刚
　　2015 年11 月18 日
　　前言V
　　欢迎翻阅《用户体验度量：收集、分析与呈现》第2 版。用户体验（UserExperience）（经常被简称为UX）自本书第1 版出版以来已发生了相当多的变化。早在2008 年的时候，iPad 还不存在，基于安卓系统的智能手机也尚未出现；而iPhone 则刚出现不久，Pinterest 和其他诸多社交网站甚至尚未被关注；谷歌Chrome浏览器也仅仅只是个传闻。我们提及这些硬件和业务，是因为它们形成了人们对类似日常技术的使用体验和期望。用户期待随手拿起一个新的应用或硬件就可以正确地使用起来。确保这些技术可以到达这样的目标正是本书的出发点。UX 涵盖了用户与产品、设备或系统交互时所涉及的所有内容。很多人似乎都把用户体验认为是一些不可被测量或量化的模糊特性。但我们认为UX 是可以被度量或量化的。用来测量用户体验的工具可对下列内容进行度量（metrics）：
　　用户能否使用智能手机成功地找到他们健康计划中距离最近的医生？
　　在旅行网站上预定一个航班需要用多长时间？
　　用户在尝试登录一个新系统时犯了多少错误？
　　有多少用户可以成功地使用他们平板电脑上新安装的应用控制数字录像机去录制所有他们喜爱的电视节目？y 有多少用户在进入一个“直奔终点”的直梯时没有首先选择自己要去的楼层，然后才发现直梯中根本就没有选择面板。
　　有多少用户在注册新业务时由于看不清被新手机电池盖着的很小的序列号而倍感受挫？
　　有多少用户在没有文字说明的情况下能够很轻易地把他们的新书架组装起来，并因此感觉愉悦？这些都是可以通过测量获得的行为和态度方面的示例。其中，有的可能比其他的要容易测量，但它们都是可以测量的。任务成功率、任务时间、鼠标点击或敲击键盘的次数、挫折或愉悦感的自我报告式评分，甚至注意网页上某个链接的注视点II个数都是UX 度量的例子。这些度量可以使你对用户体验形成非常有价值的见解。为什么你需要测量用户体验呢？答案很简单：这有助于你提升用户体验。对今天的多数消费类产品、应用和网站来说，如果你不提升用户的体验，就会落后。
　　UX度量可以帮助你确定你相对于竞争对手所处的位置，也可以帮助你准确定位，以集中力量对需要提高的地方进行改进（即用户感觉最困惑、低效或受挫的地方）。这是一本操作性的指导图书，而不是一本理论专著。我们主要就实际中的应用提供一些建议，比如：在什么情境下收集哪些度量、如何收集这些度量、如何使用不同的分析方法对数据进行梳理，以及如何以一种最清晰、最吸引人的方式呈现结果。我们也将会与你分享实践中的一些教训，这些教训源于我们在该领域内40 多年的经验总结。这本书适合对提高任何类型产品用户体验有兴趣的任何人，无论这些产品是消费类产品、计算机系统、应用程序、网站，还是其他任何类型的物品。只要是人使用的产品，那么你就可测量与使用该产品有关的用户体验。那些关注如何提高用户体验的人和那些可以从本书获益的人可以来自许多不同的专业和视角，包括可用性和用户体验（UX）专业人员、交互设计师、信息架构师、产品设计师、Web 设计师和开发者、软件开发人员、图形设计师、销售和市场研究从业人员，以及项目和产品管理人员。与第1 版相比，本书（第2 版）有哪些更新呢？下面是一些最突出的内容：
　　测量情绪体验的新技术，包括手环和面部表情的自动分析。
　　眼动追踪技术的进展，包括远程基于摄像头的眼动追踪。
　　新的案例，包括 UX领域目前正在做的事情（第 10 章案例研究全部更新）。
　　收集和分析 UX数据的新方法和工具，包括多种在线工具。
　　通贯全书的诸多新示例。
　　我们希望你可以发现这本书在探求如何提高你产品的用户体验等方面对你有所帮助。我们很想听到你的成功（和失败！）。我们真的很重视许多读者针对第1 版所给予的反馈和建议。大部分反馈都有助于促成我们在这一版本中所进行的内容上的调整和新增。你可以通过我们的网站与我们取得联系。在那里，你也可以找到一些补充性材料，比如：本书多数例子中所提到的真实电子数据表格和图形，以及可以帮助你测量用户体验的相关工具等方面的信息。

《用户体验度量：收集、分析与呈现（第2版 全彩）》 产品简介 在当今竞争激烈的数字世界中，用户体验（UX）已不再是锦上添花，而是产品成功的基石。一个卓越的用户体验能够显著提升用户满意度、忠诚度和转化率，从而直接驱动业务增长。然而，如何科学、系统地衡量用户体验，将其转化为可执行的洞察，并有效沟通给决策者，却是一项充满挑战的任务。 《用户体验度量：收集、分析与呈现（第2版 全彩）》正是一本旨在填补这一认知与实践鸿沟的权威指南。本书深入浅出地剖析了用户体验度量的方法论、工具与实践，为读者提供了一套全面、系统的框架，帮助您从零开始建立或优化自身的用户体验度量体系。相较于第一版，本次更新不仅内容更为详尽、案例更为丰富，更采用了全彩印刷，使得各类图表、数据可视化成果以及流程示意图更加清晰直观，极大地提升了阅读与学习的体验。 本书内容概览 本书共分为三个核心部分：度量基础与战略、数据收集技术、以及数据分析与呈现。每个部分都精心设计，层层递进，确保读者能够系统地掌握用户体验度量的每一个环节。 第一部分：度量基础与战略 在产品开发和设计过程中，明确“为什么”进行用户体验度量至关重要。本部分将引导读者理解用户体验度量的核心价值，并将其与业务目标紧密结合，确立清晰的度量战略。 理解用户体验度量的价值与目的： 我们将首先探讨为何要度量用户体验，它如何帮助我们识别痛点、优化设计、验证假设、评估投入产出比，并最终驱动业务成果。通过生动的案例，您将理解度量不仅是数据收集，更是战略决策的重要依据。 设定清晰的度量目标与关键绩效指标（KPIs）： 缺乏明确的目标，度量将失去方向。本部分将指导您如何根据产品生命周期、业务目标以及用户旅程，设定SMART（具体、可衡量、可达成、相关、有时限）的度量目标。我们将深入介绍一系列关键的用户体验KPIs，如： 可用性指标： 任务完成率、任务成功时间、错误率、学习效率、主观满意度（如NASA-TLX、SUS、SEQ）。 参与度指标： 用户留存率、使用频率、会话时长、功能使用深度、分享率。 转化率指标： 注册率、购买率、续订率、流失率。 满意度与忠诚度指标： NPS（净推荐值）、CSAT（客户满意度评分）、CES（客户努力度评分）。 情感与认知指标： 用户情绪分析、感知易用性、信任度。 我们将详细解释这些指标的计算方法、适用场景以及如何解读其背后的含义。 构建用户体验度量框架： 一个有效的度量体系需要一个坚实的框架。本书将为您介绍如何构建一个端到端的度量框架，它将贯穿产品的设计、开发、上线及迭代的全过程。我们将讨论不同阶段的度量重点，以及如何在敏捷开发环境中集成度量实践。 用户细分与个性化度量： 不同的用户群体有着不同的需求和行为模式。本部分将讲解如何进行用户细分，并为不同细分群体设定个性化的度量策略，以便更精准地理解和满足他们的体验需求。 度量中的伦理考量与数据隐私： 在收集和分析用户数据的过程中，伦理和隐私保护至关重要。本书将强调数据匿名化、合规性（如GDPR、CCPA）以及透明度的重要性，帮助您建立符合法规要求且值得用户信赖的度量体系。 第二部分：数据收集技术 准确可靠的数据是有效度量的基础。本部分将详细介绍多种用户体验数据的收集方法，涵盖定量与定性两大类，并提供实操建议，帮助您选择最适合自身产品和目标的技术。 定量数据收集方法： 网站与应用分析工具： 深入解析Google Analytics、Adobe Analytics等主流工具的强大功能，包括流量来源分析、用户行为路径追踪、事件跟踪、转化漏斗分析等。我们将提供配置、使用和解读这些工具数据的具体指导。 A/B测试与多变量测试： 掌握如何科学地设计和执行A/B测试，通过对比不同版本的设计，客观评估哪种方案能带来更好的用户体验和业务成果。本书将涵盖测试用例设计、数据分析、结果解读以及持续优化。 用户行为录屏与热力图： 利用Hotjar、FullStory等工具，直观地了解用户在产品中的实际操作，识别用户遇到的障碍、困惑点以及他们最关注的功能区域。全彩的屏幕截图和流程图将帮助您清晰理解这些可视化数据的应用。 问卷调查与评分工具： 详细介绍如何设计有效的用户调查问卷，涵盖开放性问题和封闭性问题。我们将重点讲解SUS、SEQ、NPS等标准化问卷的设计与应用，以及如何利用SurveyMonkey、Typeform等工具进行数据收集。 日志分析与埋点： 学习如何在代码层面埋点，收集用户在产品内的具体操作日志，为深入分析用户行为提供原始数据支撑。 定性数据收集方法： 用户访谈： 掌握用户访谈的设计流程、访谈提纲的制定、访谈技巧以及如何从访谈中提取有价值的用户洞察。 可用性测试（Usability Testing）： 详细介绍不同类型的可用性测试（如远程、现场、无人参与、有人参与），以及如何招募测试参与者、设计测试任务、观察用户行为、记录问题并分析结果。本书将包含大量直观的屏幕截图和流程图，展示可用性测试的各个环节。 焦点小组（Focus Group）： 学习如何组织和引导焦点小组讨论，收集用户对产品设计、功能或概念的集体反馈。 用户日记与田野调查： 探索如何让用户记录其在特定情境下的产品使用体验，以及如何通过实地观察了解用户在真实生活场景中的行为。 情境调查（Contextual Inquiry）： 深入理解在用户真实使用环境中进行的访谈与观察，获取最真实、最细致的用户需求和行为信息。 混合方法（Mixed Methods）的应用： 认识到定量数据与定性数据各有优势，本书将指导您如何结合使用多种数据收集方法，相互印证，形成更全面、更深入的用户体验洞察。 第三部分：数据分析与呈现 收集到海量数据后，如何从中提炼出有价值的洞察，并以清晰、有说服力的方式传达给团队和管理层，是度量成功的关键。本部分将聚焦于数据分析的技术与艺术，以及如何进行有效的信息可视化和沟通。 数据清洗与预处理： 任何分析都需要干净的数据。我们将讲解如何识别和处理数据中的异常值、缺失值和重复值，确保分析的准确性。 定量数据分析技术： 描述性统计： 掌握如何计算均值、中位数、众数、标准差等基本统计量，理解数据的分布特征。 推断性统计： 引入假设检验、相关性分析、回归分析等方法，帮助您从样本数据推断总体趋势，识别变量之间的关系。 用户行为路径分析： 利用工具和技术，分析用户在产品中的点击路径、页面流转，识别用户流失的关键节点。 漏斗分析： 深入理解转化漏斗模型，识别用户在关键流程中的流失率，并找到优化点。 用户画像（Persona）的量化构建： 如何结合定量数据（如用户行为、偏好）来构建更真实、更具代表性的用户画像。 定性数据分析技术： 内容分析与编码： 学习如何对访谈记录、用户反馈等文本数据进行分类、编码，识别主题、模式和潜在的用户需求。 主题分析： 提炼访谈和反馈中的核心主题，并用具体的用户语言来描述。 问题与痛点归类： 将用户在使用产品过程中遇到的问题进行系统归类，以便后续的优先级排序和解决方案设计。 用户故事（User Story）的提炼： 如何从定性数据中提炼出用户真正关心和需要的功能描述。 数据可视化： 选择合适的图表类型： 详细介绍折线图、柱状图、饼图、散点图、雷达图、旭日图、桑基图等常见图表的作用与适用场景。全彩的图表示例将帮助您直观理解。 设计有效的数据仪表盘（Dashboard）： 学习如何构建集成的、易于理解的数据仪表盘，实时展示关键用户体验指标，为决策者提供一站式的信息概览。 讲好数据故事（Data Storytelling）： 数据本身是冰冷的，而故事能赋予数据生命。本书将指导您如何将枯燥的数据转化为引人入胜的故事，清晰地传达用户洞察和建议。 沟通与影响力： 撰写用户体验度量报告： 学习如何结构化地撰写报告，包含摘要、方法、发现、结论和建议等关键部分。 向不同利益相关者进行汇报： 掌握针对设计师、产品经理、工程师、市场团队和高层管理者等不同受众，采用不同的沟通策略和语言。 建立跨部门协作： 促进度量团队与产品、设计、开发、市场等团队的有效沟通与协作，确保度量结果能够真正转化为产品改进。 持续的度量与迭代： 强调用户体验度量是一个持续的过程，而非一次性任务。学习如何建立反馈循环，持续监控指标，并根据变化进行调整。 本书的特色 全彩印刷： 大量使用彩色图表、流程图、数据可视化示例，使复杂的概念和数据分析结果更加直观易懂，显著提升学习效率和阅读体验。 实践导向： 强调理论与实践相结合，提供丰富的实际案例、模板和操作指南，帮助读者将学到的知识应用到实际工作中。 方法论全面： 涵盖了用户体验度量的各种主流定量和定性方法，为读者提供一个完整的工具箱。 紧跟行业前沿： 融入了最新的用户体验度量趋势和技术，如AI在用户行为分析中的应用、情感计算等（视具体内容而定，此处为示例）。 适合不同读者： 无论您是初学者还是经验丰富的UX专业人士，或是产品经理、设计师、数据分析师、市场营销人员，本书都能为您提供有价值的知识和工具。 总结 《用户体验度量：收集、分析与呈现（第2版 全彩）》是一本不可或缺的指南，它将赋能您： 科学量化用户体验，告别主观臆断。 精准识别用户痛点，高效优化产品。 建立数据驱动的决策流程，提升产品成功率。 有效沟通用户洞察，赢得团队支持。 最终打造卓越的用户体验，实现业务增长。 如果您希望深入理解用户行为，量化产品价值，并驱动产品走向成功，那么这本书将是您最值得信赖的伙伴。现在就开启您的用户体验度量之旅吧！

评分☆☆☆☆☆

阅读这本书的过程，仿佛经历了一场关于用户体验度量的“头脑风暴”。它不仅仅是一本介绍方法论的书，更像是一本“解剖”用户体验的指南。我特别欣赏作者在“数据收集”部分的独到见解，他强调了“数据质量”远比“数据数量”更重要，并提供了许多实用的技巧来确保我们收集到的是真正有价值的信息。在“分析”章节，我学到了许多以前从未接触过的分析框架和方法，特别是关于如何结合定性和定量数据进行综合分析，这让我对用户有了更立体、更深刻的认识。书中大量的“如何在不同场景下解读数据”的案例，极大地拓展了我的思路，让我看到了数据背后隐藏的各种可能性。而“呈现”部分，更是将UX研究的成果转化为影响决策的强大武器，作者教会了我如何用最简洁、最有力的方式将复杂的信息传达给不同的受众。全彩的排版，让书中精美的图表和可视化示例成为学习过程中的一大亮点，我常常会花很多时间去揣摩这些图表的构思和设计。

评分☆☆☆☆☆

我一直对UX研究领域充满热情，但常常感觉自己陷入了“知道很多，却用不好”的困境。这本书就像一位经验丰富的导师，手把手地教我如何将理论付诸实践。我特别喜欢它在“数据收集”部分强调的“情境化”原则，这让我明白了为什么在设计问卷和访谈提纲时，必须充分考虑用户所处的具体场景。书中的“分析”部分，不仅仅是列举各种统计方法，更重要的是教会我如何从数据的“表面”挖掘出用户行为的“深层原因”，例如对用户的细分、对用户旅程的解读等等。我从未见过一本UX书籍如此深入地探讨“如何将收集到的原始数据转化为可操作的建议”。而且，全彩的视觉呈现，让那些复杂的概念和数据图表都变得易于理解和记忆。这本书让我意识到，UX度量并非孤立的学科，它与产品设计、市场策略、开发流程紧密相连，它是一门关于如何“理解人”并“服务于人”的艺术。

评分☆☆☆☆☆

作为一名产品经理，我一直深信数据驱动决策的重要性，但坦白说，在UX领域，数据分析往往比其他领域要复杂和微妙得多。这本书的出现，无疑为我提供了一个清晰的路线图。它并没有回避UX度量中的挑战，反而积极地引导读者去面对和解决。作者在“数据收集”部分，强调了在设计研究方案时就要考虑好如何有效地分析和呈现，这种前瞻性的指导非常有价值。书中的“分析”章节，从描述性统计到推断性统计，再到更复杂的机器学习应用，循序渐进，即使是非统计学背景的读者也能逐步掌握。我尤其欣赏作者关于“如何选择正确的度量指标”的讨论，这避免了我们在实践中陷入“只看数据不看意义”的误区。而“呈现”部分，更是将UX度量的价值最大化，教会我们如何用清晰、有说服力的方式将研究结果传达给决策者，从而推动产品迭代。全彩的版式让书中大量的图表和模型跃然纸上，极大提升了阅读体验。

评分☆☆☆☆☆

一本让我醍醐灌顶的UX度量指南！作为一名UX研究员，我一直在寻找一本能够系统性地指导我如何从用户那里收集数据，并将其转化为 actionable insights 的书籍。这本书简直就是我梦寐以求的宝藏。首先，它在数据收集方法上非常全面，从定性访谈、可用性测试到问卷调查，再到更进阶的A/B测试和日志分析，每一项都讲解得深入浅出。作者不仅仅是罗列方法，更重要的是阐述了每种方法的适用场景、优缺点以及如何巧妙地设计实验来获取最有效的信息。我特别喜欢它关于“如何问对问题”的部分，这对于避免收集到无用数据至关重要。而且，全彩的排版让那些图表和数据可视化部分更加清晰明了，即使是复杂的数据也能一眼看懂。书中的案例分析也十分贴切，让我能够联想到自己实际工作中遇到的问题，并从中找到解决方案的灵感。它不是一本理论堆砌的书，而是充满了实践指导意义的工具书，看完之后，我感觉自己对UX度量的理解上升到了一个全新的高度，能够更有信心地开展我的研究项目了。

评分☆☆☆☆☆

对于任何一个致力于提升产品用户体验的团队而言，这本书都堪称一座灯塔。我通常会觉得UX研究的方法论虽然重要，但如何将抽象的概念落地，并转化为可执行的商业决策，才是真正的挑战。这本书恰恰解决了这个痛点。它不仅详细介绍了各种数据收集工具和技术，更将重心放在了“分析”和“呈现”上，这正是很多UX书籍容易忽略的部分。作者以极具洞察力的视角，剖杀了大量实际案例中的数据，揭示了数据背后隐藏的用户行为模式和深层需求。尤其让我印象深刻的是关于“如何讲好数据故事”的章节，它教我如何将枯燥的数据转化为引人入胜的叙述，让非技术背景的团队成员也能理解并认同UX研究的价值。全彩的图示设计，让复杂的统计模型和数据可视化图表不再令人望而生畏，反而成为理解数据的有力助手。这本书让我明白，UX度量不仅仅是为了“知道”用户在做什么，更是为了“理解”他们为什么这样做，并最终“说服”团队做出正确的改变。

评分☆☆☆☆☆

内容还不错，对工作有帮助哦，很划算

评分☆☆☆☆☆

用户研究必看经典图书，设计研究项目时可参考，实用

评分☆☆☆☆☆

学会商业通用语言，掌握企业经营的关键要素，帮助各层级领导提升商业智慧

评分☆☆☆☆☆

618买的，性价比超级高，早就想买了，这阵子可以充充电拉！

评分☆☆☆☆☆

书中自有黄金屋，书中自有颜如玉

评分☆☆☆☆☆

速度很快，书很新，

评分☆☆☆☆☆

书收到啦，快递服务很好，书也很棒，喜欢。

评分☆☆☆☆☆

自从在京东自营店买东西后，亚马逊和淘宝都略掉了。昨天买今天到。这个体验前所未有的爽，而且我们小区里京东可以送上门，其他的快递还要去指定地点拿。

评分☆☆☆☆☆

,购物评价已成为大众监督产品好坏的一个重要方法,也是消费者挑选好坏产品的一个参考条件,