用户体验分析工具——HEART 模型

简介

HEART 模型是一组可以对用户体验质量进行具体量化的 模型工具，包括：幸福感「Happiness」、参与度「Engagement」、接受度「Adoption」、留存率「Retention」、任务完成度「Task Success」。

Google 的学术人员提出这组指标，是为了弥补 PULSE 模型的不足，即：过于关注技术指标，也就是说，过去的指标模型大多基于技术出发 (例如延迟)，与体验却是间接相关的，而 HEART 填补了体验方面的空白。

HEART 模型可以被用研或体验团队用在度量产品某一流程的实际体验质量，并根据度量结果对产品进行改进；或在进行改版之后追踪用户的体验指标以让改版更具有说服力；或在 A/B 测试中对两个版本进行对比量化，作为最终判断的依据。

HEART 从五个维度出发，量化评估产品某一模块或者流程具体的用户体验质量，每个维度都有其各自不同的评估方法。在用户体验评估的实践中，团队或许需要多次对这五个维度分开进行测量和数据收集，并对前后数据的变化和变化原因进行分析。

HEART 使用 “幸福感 “一词来描述态度方面的指标。这些指标与用户的主观体验有关，如满意度、视觉吸引力、向他人推荐的可能性和易用性感知。

想要量化幸福感指标，除了设计团队内部的审美、易用性走查之外，还可以借助 调查问卷 的工具，从用户那里获取大规模的数据，例如分发诸如「您有多大意愿向朋友推荐这款App？」这类满意度调查的问题，就可以持续追踪用户的幸福感体验质量。

参与度指的是用户在产品/服务/功能里的参与深度。从指标上看，参与度可以用：人均访问/触发频率、人均使用时长、留存率、人均分享频率等来衡量。这些指标越高，则说明用户参与度越高。

想要量化参与度，就需要在网站或App中提前进行 数据埋点，即通过在页面某些按钮预留信息采集点，来获取用户的点击频次、停留时间、分享次数等信息。在这些数据中，平均值比总数更为客观，因为总数可能会由于用户总量的变化有所浮动，但平均值可以客观反映用户平均的参与情况。

接受度是针对新用户的测量维度，主要通过统计新用户注册数，来评估一段时间内新用户对产品、功能的接受程度。这些指标越高，则说明新用户对产品/功能的接受度越高。

这同样可以使用数据埋点来获取想要的数据。

留存率用来衡量现有或新增的用户对产品的重复使用度，也就是依赖度情况。数据越高，则说明用户对产品/功能的依赖度越大。

留存度可以通过计算留存率来衡量，留存率的具体算法为：活跃用户在某一时间周期后依然为活跃用户的比例，例如：2023年7月28日所统计出的日活跃用户，在2023年7月29日统计的日活跃用户的占比，此为次日留存率。而这个时间周期可以是次日、一周、半月、一月，在实践中，具体情况会选择不同的时间周期。

计算留存率所需的原始数据依然可以通过数据埋点获得。

首先我们需要知道用户使用任何 App 的任何功能，都需要经过若干步骤的操作，才能达到最终的目标（例如：微信的添加好友）。任务完成度就是用来评估用户在经过这些操作步骤之后，能否顺利完成最终目标的情况。

在指标上，可以通过：任务完成率、某一步骤的停留时间、操作错误率（返回率）来进行评估。

这些指标可以通过可用性测试来获取。用研团队可以邀请一定数量的测试者完成给定的任务，并记录测试者的完成情况，然后对这些数据分析，对产品的流程、引导设计进行完善。