交互与用户体验 / 知识点
UX 用户体验术语速查手册
指标与调查
系统在用户犯错、误触或输入异常时仍能避免严重后果并支持恢复的能力;Undo、确认和安全默认值都是常见手段。
定义
**Error Tolerance(容错性)**描述系统在用户错误发生时,是否仍能保护数据和任务结果。
常见手段
- Undo
- Soft delete
- Draft
- Validation
- Safe default
- Confirmation for high risk
最小例子
删除内容先进入回收站而不是立即永久删除,提供更高容错性。
常见误区
错误提示不等于容错。真正的容错应尽量降低错误后果。
用户对产品是否可靠、诚实、可预测并妥善处理数据和风险的判断;透明反馈、稳定行为和清晰权限会持续影响信任。
定义
**Trust(信任)**是用户对产品是否值得依赖、是否会按承诺工作的一种持续判断。
影响因素
- Reliability
- Transparency
- Privacy
- Predictability
- Recovery
- Honest wording
最小例子
支付失败时明确说明“未扣款”,比模糊提示“发生错误”更有助于维持信任。
常见误区
品牌视觉专业不等于用户就会信任产品;真实行为和错误处理更关键。
由 10 个标准题组成的通用可用性感知量表,常简称 SUS;适合做版本或产品间基准比较,不直接诊断具体问题。
定义
**SUS(System Usability Scale,系统可用性量表)**是一套 10 题的标准化问卷,用于快速衡量用户对系统可用性的总体感知。
特点
- 10 items
- Standard scoring
- Comparable benchmark
边界
SUS 能告诉你“总体感觉如何”,但不能指出具体哪一步出了问题。
最小例子
改版前后都使用同样 SUS 量表,可以观察总体可用性感知是否变化。
常见误区
不要把 SUS 分数直接解释成“百分制满意度”。它有自己的计算和解释方法。
通过推荐意愿问题衡量用户关系和口碑倾向的指标,常简称 NPS;适合趋势监测,但不能单独解释具体体验问题。
定义
**NPS(Net Promoter Score,净推荐值)**通常通过“你有多大可能推荐给朋友或同事?”这一类问题测量推荐意愿。
常见分组
- Promoters
- Passives
- Detractors
边界
NPS 是关系型高层指标,不适合单独诊断具体页面问题。
最小例子
季度跟踪 NPS 可以观察整体用户关系变化,再结合定性反馈解释原因。
常见误区
NPS 上升不一定由 UX 改版直接导致,价格、品牌、服务和市场活动都可能影响。
通常通过一次任务或服务后的满意度评分衡量用户主观评价,常简称 CSAT;适合具体触点或事件后的即时反馈。
定义
**CSAT(Customer Satisfaction,客户满意度)**通常让用户对一次服务、任务或交互进行满意度评分。
适用场景
- Support ticket
- Checkout
- Delivery
- Feature use
边界
CSAT 更偏事件后的即时感受,与长期关系型 NPS 不同。
常见误区
满意度高不一定代表任务效率高;用户可能觉得服务人员态度好,但流程仍很慢。
衡量用户完成某个任务需要付出多少努力的指标,常简称 CES;适合评估客服、退款、注册等高摩擦流程。
定义
**CES(Customer Effort Score,客户费力度)**衡量用户完成某项任务时感受到的费力程度。
典型问题
完成这件事有多容易?
适用场景
- Support
- Return
- Signup
- Account recovery
价值
CES 特别适合发现流程摩擦。
常见误区
CES 低不代表用户喜欢产品,它只说明某件事更容易完成。
新用户首次达到产品核心价值时的关键阶段或事件;Activation 定义应基于真实价值行为,而不是简单完成注册。
定义
**Activation(激活)**表示新用户第一次真正体验到产品核心价值。
边界
Activation Event 不应机械等于“注册成功”。
最小例子
协作工具的 Activation 可能是“创建第一个项目并邀请成员”,而不是创建账号。
常见误区
为了让激活率看起来更高,把非常浅的行为定义成 Activation,会让指标失去业务意义。
用户在一段时间后仍持续回来并获得价值的程度,是衡量长期产品价值的重要指标;应按产品使用节奏选择合理时间窗口。
定义
**Retention(留存)**描述用户在首次使用后,是否在后续时间继续回来使用核心能力。
常见观察
- Day 1
- Day 7
- Day 30
- Weekly / Monthly retention
边界
不同产品使用频率差异很大,不能所有产品都机械比较 D1/D7。
常见误区
高留存不一定代表高满意度;强制工作系统和必需工具同样可能有高留存。
完成预定义目标行为的用户占比,例如注册、购买或提交;它是结果指标,但需要结合流程质量和用户价值解释。
定义
**Conversion Rate(转化率)**表示进入某个机会范围的用户中,有多少完成了目标行为。
公式
Conversion =
Converted Users / Eligible Users最小例子
1,000 人进入结账页,700 人支付成功,结账转化率为 70%。
常见误区
提高转化率不一定等于改善 UX;强迫、误导和 Dark Pattern 也可能短期提高转化。
把用户完成目标所经历的关键步骤按顺序组织并测量每一步流失的分析模型;用于定位高流失环节,不等同于完整用户旅程。
定义
**Funnel(漏斗)**把目标流程中的关键行为按顺序拆分,用于观察每一步的转化与流失。
示例
Visit
↓
Signup
↓
Create Project
↓
Invite Member边界
Funnel 是行为分析模型,不包含用户为什么流失、情绪和跨渠道背景。
常见误区
看到某一步流失高就立即改 UI,可能忽略用户本身没有需求、价格问题或技术失败。
实验与评估
用于代表产品长期核心用户价值的高层指标,常简称 NSM;应反映用户获得价值而不是单纯流量或收入。
定义
**NSM(North Star Metric,北极星指标)**是用来代表产品持续创造核心用户价值的高层指标。
特征
较好的 NSM 通常:
- 与真实价值相关
- 能长期追踪
- 能被产品行为驱动
最小例子
协作产品可以关注“每周有实际协作行为的活跃团队数”,而不是单纯注册数。
常见误区
NSM 不是“公司最想增长的一个数字”。如果指标和用户价值脱节,会引导错误优化。
用于防止某项优化在提升主指标的同时伤害其他关键体验或业务结果的辅助指标,例如错误率、退款率或投诉率。
定义
**Guardrail Metric(护栏指标)**用于确保优化一个目标时,不会产生不可接受的副作用。
示例
如果实验目标是提升购买转化,可以同时观察:
- Refund rate
- Complaint rate
- Error rate
- Page performance
边界
Guardrail 不是次要指标,而是明确哪些底线不能被牺牲。
常见误区
只看主指标上涨而忽略护栏恶化,可能把短期“增长”误判成成功。
把用户随机分配到两个或多个版本,比较关键指标差异的实验方法;适合验证因果效果,但需要足够样本和合理实验设计。
定义
**A/B Test(A/B 测试)**通过随机分组,让不同用户看到不同版本,再比较目标指标变化。
结构
Users
├── A: Control
└── B: Variant边界
A/B Test 适合回答“哪个版本表现更好”,不擅长单独解释“为什么”。
常见误区
样本不足、提前停止实验或同时改变太多因素,会让结果难以解释。
实验中保持现状或基准方案的用户组,用于与新方案比较效果;没有合适对照组时很难判断变化是否由实验引起。
定义
**Control Group(对照组)**是实验中保持当前方案或基准条件的组。
作用
它提供参照,帮助排除:
- 时间变化
- 市场波动
- 自然增长
最小例子
A 组继续使用旧结账页,B 组使用新结账页,A 就是 Control。
常见误区
把“上线前数据”直接当对照组,可能受到季节、活动和用户结构变化影响。
实验中相对于对照组进行改变的方案版本;应明确变化内容和假设,避免一次修改过多导致结果不可解释。
定义
**Variant(实验变体)**是在实验中用于与 Control 比较的新方案。
最小例子
Control 使用原 CTA 文案,Variant 改为更明确的“开始免费试用”。
边界
Variant 应围绕明确假设设计。
常见误区
一次同时改布局、颜色、文案、流程和价格,即使指标变化,也很难知道真正原因。
在研究或实验前提出的可验证预测,通常包含目标用户、设计变化、预期行为和原因;高质量假设应能被数据证伪。
定义
**Hypothesis(假设)**是一个可以通过研究或实验验证的预测。
常见格式
If we ...
for ...
then ...
because ...最小例子
“如果在结账页提前展示配送时间,首次购买用户的放弃率会降低,因为不确定性减少。”
常见误区
“新设计会更好”太模糊,无法形成有效实验。
对当前体验建立可重复的基线数据,用于后续版本、竞品或时间趋势比较;常见指标包括成功率、耗时、SUS 等。
定义
**Benchmarking(基准测试)**通过一致任务和指标建立一个可重复比较的体验基线。
常见指标
- Success rate
- Time on task
- SUS
- Error rate
最小例子
改版前测试 10 个核心任务,改版后用相同任务再次测试,比较变化。
常见误区
任务、样本和环境变化过大时,前后基准就很难直接比较。
由有经验的评估者依据可用性原则系统检查界面问题的方法;适合快速发现明显问题,但不能替代真实用户测试。
定义
**Heuristic Evaluation(启发式评估)**由评估者按照一组通用可用性原则检查产品。
常见关注
- System status
- Consistency
- Error prevention
- User control
- Recognition
边界
它基于专家判断,不等同于用户研究证据。
常见误区
评估者认为“用户会困惑”仍然只是判断;高风险问题应进一步通过用户测试验证。
从新用户首次完成任务的视角逐步检查每一步是否能发现正确操作、理解结果并继续前进的方法。
定义
**Cognitive Walkthrough(认知走查)**从“第一次使用”的角度逐步检查任务流程。
常问问题
- 用户知道当前目标吗?
- 能发现正确动作吗?
- 会把这个动作和目标联系起来吗?
- 操作后能理解反馈吗?
适用场景
特别适合评估 Learnability。
常见误区
走查者太熟悉产品时,很容易高估新用户的理解能力。
对可用性问题按影响、频率和恢复难度划分优先级的方式,用于帮助团队决定哪些问题应先修复。
定义
**Severity Rating(严重性评级)**用于给体验问题分配修复优先级。
常见考虑
- Frequency
- Impact
- Persistence
- Recoverability
最小例子
“按钮间距不一致”与“用户无法完成付款”不应拥有相同 Severity。
常见误区
严重性不应只由视觉明显程度决定;任务失败和数据损失通常优先级更高。