Huawei ADN Evaluation

ADN体验运营平台
0-1搭建

Category 体验度量
声音管理平台
My role 项目owner
用户体验设计师
Period 08/2023-12/2023
Goal 追踪产品体验
提升产品质量

Background

实现通信类产品体验度量追踪

自动驾驶网络ADN（Autonomous Driving Network）是华为通信网络2030的核心战略，为网络的最终使用者提供“零等待、零接触、零故障”的新型数字化网络服务体验。全新的体验定义意味着华为相关通信产品的体验运营追踪方式和体系亟需优化和提升。

由于通信产品高度定制化的特征，以往并没有形成规范化的追踪产品体验的流程，比如用户声音管理、产品体验管理等。为了能自动化管理产品、明确责任界限、追踪智能化功能等目的，开展了本次体验设计项目。

Challenge

内容繁杂，项目管理挑战

作为本次项目owner，负责在项目初期与相关人员划分产品度量范围和试点产品，统筹体验度量体系模型搭建，管理体验度量体系指标采集落地，参与声音管理平台、体验度量平台和后台管理的设计。由于这一系列的任务中，沟通细节多，琐事繁杂，所以本项目的主要挑战在于项目管理。

由于初期从别人手中接过这个项目后，我发现前期大家沟通不足，导致信息不对称，信息的重复传递造成效率低下。因此在接受工作后，我逐步翻新计划、定期周例会、问题清单、职责分工列表、共享关键文件等方式有效帮助我提高了项目管理的效率。

Solution brief

以体验评测活动为核心，度量看板追踪产品体验，声音平台跟踪问题反馈

（1）针对产品的重点特性，在每个版本进行体验评测活动

（2）根据评测结果，呈现设计中/设计后在版本和特性维度的数据对比结果，挖掘体验优化发力点

（3）根据评测活动及单点测试活动的用户反馈，科学规范管理声音问题

Performance

产品线领导和同事的高度认可

体验度量模型构建

我负责了体验度量体系的整体搭建和综合体验分数计算方法的制定，输出了度量模型和相应的计算说明书。

构建思路

重要阻碍和突破：声音问题优化分数预测值

在构建体验度量模型的过程中，遇到的最大阻碍在于：由于人力有限，体验评测等渠道收集的体验问题，在优化之后，不会再次进行用户测试工作，因此无法在体验分数上反馈优化对体验分数的影响。

为了能够在体验看板上反馈评测（测试）活动的价值性，我提出了“声音问题优化分数预测值”的方案，主要利用了问题所属体验分类和严重程度，以及诺曼的问题发现曲线，量化出闭环问题对体验的影响。

假设在一次体验评测活动中测试人数为6人，总计获得10个声音问题，均属于功能类问题，最终获得的平均功能分数为15分（根据权重设计，功能满分为39.21分）。
（1）分数差值24.21（39.21-15）的产生包括两部分，已部分为参与者提出的问题，另一部分为参与者未发现的问题。
根据Nielsen研究发现E=100%x（1-（1-L）^n），其中E=找到错误的比例，n=测试人数，L=单个测试人员发现的可用性问题比例（通常为31%）。当n=6时，则E为89.21%。由此可知，10个问题所占分数为21.60.
（2）声音问题分为高、中、低三个优先级，问题优先级越高，严重程度越高，对产品体验影响越大，从而定义高、中、低优先级系数。
（3）最终，结合声音问题的优先级和分类，则可以计算出每个问题优化增加多少体验分数。