5.1 用户体验基础

概述与动机

用户体验（UX）关乎理解人（他们的目标、他们所处的情境、他们受到的约束），然后据此塑造软件，让它以最小的摩擦帮助他们取得成功。它不是最后才添加上去的装饰，而是一种从写下第一行代码之前就已开始、并在发布之后仍长期延续的工作方式。本章介绍研究、建模和设计思维方面的实践，让大型组织能够依据证据而非猜测来做产品决策。

对于大型团队而言，用户体验既是一门手艺，也同样是一个协调问题。当几十个小队把功能交付进同一个共享产品时，彼此不匹配的心智模型、重复的流程和相互矛盾的术语会不断堆积，形成一个没有任何单一团队负责的混乱整体。一份共享的用户体验基础，建立在共同的用户画像、达成一致的旅程地图，以及一份有据可查的信息架构之上，能让每个团队拥有同一张用户地图，使他们各自的决策最终汇聚成一段连贯的体验。没有它，每个团队都在做局部优化，而产品作为一个整体却说不通。

企业和政府场景让风险更高。企业软件常常拥有被困住、无法离开的用户，因此糟糕的用户体验带来的代价体现在培训、支持工单、错误和生产力损失上，而不是用户流失。政府服务往往面向全体公众，包括正处于危机中的人、使用旧设备的人、数字素养不高的人，或没有其他服务提供方可选的人。在这里，用户体验的质量关乎公平和公民信任：一份设计糟糕的福利申请表，可能会导致某人得不到食物或住房援助，不是因为他不符合资格，而是因为他填不完这张表。

关键原则

为在真实条件下完成真实任务的真实用户设计，而不是为一个网速飞快、全神贯注的理想化用户设计。
研究能降低风险。发现一个错误假设最便宜的时机，是在你还没在它之上继续构建之前。
用户无法可靠地告诉你他们将会做什么；要观察行为，而不仅仅是听他们陈述的偏好。
聚焦于用户想要完成的那项任务，而不是你想要交付的那个功能。
一致性本身就是一项功能：贯穿整个产品的连贯心智模型能降低认知负荷。
无障碍和包容性从一开始就是良好用户体验的一部分，而不是事后补上的合规审查。
定性方法和定量方法回答的是不同的问题；两者都要用。
小规模、高频次的研究胜过罕见的、重量级的研究。

建议

建立持续的、混合方法的研究机制

追求一种轻量但持续的研究实践，而不是偶尔进行的大型研究。访谈能揭示动机和心智模型。可用性测试能揭示设计在哪里崩溃；每轮五到八名参与者就能发现大多数严重问题。调查能大规模地衡量态度，但无法解释“为什么”。分析和埋点数据则展示了整个用户群体实际在做什么。把一种定性方法（为什么）与一种定量方法（有多少）配对使用，这样研究发现既有解释、也有规模上的量化。并且要维护一个研究知识库，让洞见能够被跨团队检索和复用，而不是被埋没在某个小队自己的幻灯片里。

用用户画像、旅程地图和待完成任务对用户建模

构建一小套基于证据的用户画像，捕捉的是目标、情境和约束，而不是人口统计学上的刻板漫画像。把需求表述为“待完成任务”（jobs-to-be-done），也就是用户试图达成的那个底层结果，而不是某个功能（“当我失业时，我想快速了解自己符合什么样的援助资格，好继续按时支付房租”）。这能让焦点保持在结果上，而不是功能上。旅程地图描绘的是跨渠道、跨时间的整个体验，暴露出任何单一界面都无法揭示的缺口和交接环节。对于拥有繁重后台运营（呼叫中心、个案工作者、履约环节）的服务，使用服务蓝图把前台体验与背后的系统和人员连接起来。

有意识地设计信息架构

信息架构（IA）是内容、功能和导航被组织和命名的方式。使用卡片分类法和树状测试，从用户的心智模型而不是你的组织架构图中推导出这个结构。大型组织中一个常见的失败，是把内部部门边界当作顶层导航暴露出来。要建立一套受控词汇表，使同一个概念在任何地方都用同一个名字。交互设计接下来定义的是逐时逐刻的行为：状态、反馈、错误恢复，以及步骤之间的流转。

务实地运用设计思维

双钻石模型（先发散再收敛以定义正确的问题，再发散再收敛以设计正确的方案）是一个有用的框架。但要把它当作一种思维方式，而不是一套僵化的、按阶段把关的流程。在实践中，运行紧凑的循环：提出一个假设、画草图、找少数几位用户测试，并在几天之内完成学习。把更重的探索性研究留给真正新颖或高风险的问题。同时要警惕“创新剧场”，工作坊产出了一堆便利贴，却没有带来任何真正上线的改动。

把用户体验融入交付流程

把设计师和研究人员嵌入交付团队之中，而不是运行一个隔着一堵墙、只是把规格说明扔过来的独立“用户体验部门”。让研究发现成为优先级排序的常设输入。把用户体验质量关卡（比如可用性基准和无障碍检查）纳入“完成”的定义之中。并且把结果指标（任务成功率、任务耗时、错误率、满意度）与你的交付指标并列追踪。

权衡：利弊

方式	优点	缺点
持续性探索研究	能及早发现问题，建立共同理解	持续性成本，需要招募渠道和专业人员
重量级前期研究	在重大投入之前获得深入洞见	速度慢，可能延误只有上线后才能揭示的学习
仅依赖分析数据决策	可扩展、客观，一旦埋点完成成本低	能解释是什么，却解释不了为什么；对非用户和边缘情况视而不见
用户画像与旅程地图	让众多团队在同一套用户模型上对齐	会过时，若不用数据更新就可能沦为虚构
嵌入式设计师	反馈快，责任共担	在众多团队之间保持一致的手艺水准更难

每个组织都要在研究投入和交付速度之间做平衡。错误在于把这看作非此即彼的选择。有效的立场是成比例的：把更多探索投入到那些一旦做错就代价高昂、难以逆转的决策上（核心信息架构、主要流程、平台选择），而在那些日后容易改动的细节上少投入一些。研究的成本，几乎总是远小于把错误的东西做好的成本。

与团队讨论的问题

谁负责共享的信息架构和受控词汇表，当某个团队想要偏离时会发生什么？ 在规模化场景下，最常见的失败是任由每个小队暴露自己的组织架构式结构，并给同一个概念起自己的名字，结果产品里同一件事有了三种叫法，导航结构映射的是部门而不是用户任务。现在就决定信息架构和词汇表是否由中心统一拥有、是否源自卡片分类和树状测试而非内部政治博弈，以及一个团队要如何申请变更。这一点在企业和政府场景中更为重要，因为被困住的用户无法一走了之，因此不一致的代价会体现在培训、支持工单和错误上，而不是用户流失。把当前重复的术语清单和相互冲突的流程作为证据带到会议上。如果你说不出一个负责人的名字，那就是你的第一项行动事项。
我们招募研究参与者的渠道是什么，它能触达辅助数字化、低信心和非数字用户吗？ 持续探索只有在你能每周接触到真实用户时才有效，而最难招募到的人往往正是最需要这项服务的人：处于危机中的人、使用旧设备的人，或通常依赖他人协助的人。如果只测试自信、联网良好的志愿者，你得到的读数会好看但失真，尤其是对公共服务而言，而机会均等本就是它存在的全部意义。就由谁负责招募、提供什么激励，以及如何在不增加弱势群体负担的前提下观察辅助数字化环节达成一致。把你最近三项研究的参与者人口统计数据带来，并与你实际的用户群体做对比。如果它们偏向容易接触到的用户，就先修复这条招募渠道，再去相信研究发现。
哪些用户体验质量关卡应当写入我们“完成”的定义，我们如何避免它们沦为一场表演？ 只有当研究成为优先级排序的常设输入、可用性和无障碍检查真正能阻止一个用户故事上线、而不是一份人人点头随后就抛诸脑后的幻灯片时，嵌入设计师和研究人员才会有回报。选定具体的结果指标，与交付指标并列追踪：任务成功率、任务耗时、错误率和满意度。风险在于研究被用来为已经做出的决定背书，因此要就谁有权在用户体验关卡上否决一次发布、什么样的证据能推翻高管的意见达成一致。带上最近一个功能，问一问它的研究究竟改变了决策，还是只是装点了决策。如果研究发现从未改变过路线图，你的关卡就只是表面文章。
一旦支撑用户画像、旅程地图和信息架构的研究已经过去一年，我们如何防止它们退化为虚构？ 共享模型正是让几十个团队朝着同一段连贯体验去设计的原因，但它们只有在仍然真实描述用户的时候才有效，而一旦某个用户画像变成了人们用来赢得争论、而不是总结证据的一件“文物”，它就在切实地造成伤害。决定谁负责按什么节奏、依据什么数据（新访谈、分析数据、支持主题）来更新每一个模型，并约定一个显眼的“最近验证日期”，使过时的模型一目了然。相竞争的考量是成本：持续不断地刷新一切是一种浪费，因此要把刷新频率与用户群体或旅程实际变化的速度挂钩。带上你目前最重要的几个用户画像的来源，并问一问它们各自上一次对照真实用户核实是什么时候。在企业和政府场景中，被困住的用户群体或公众群体变化缓慢却影响深远（人口老龄化、一项新福利、一次设备迁移），一个悄悄过时的模型可能会把多年的投入引向已经不复存在的用户。
无障碍在我们的流程中处于什么位置，我们能在发布之前、而不是在收到投诉之后证明某个版本符合无障碍要求吗？ 把无障碍当作一次事后补上的合规审查，既是最常见的失败，也是代价最高的失败，因为在已建成的界面上事后补上语义、焦点顺序和对比度，远比在设计阶段就纳入这些要素昂贵得多。决定你们要遵循哪个标准（例如 WCAG，即 Web 内容无障碍指南），符合性检查是否是“完成”定义中的一道硬性关卡，以及当一个不符合无障碍要求的功能流入生产环境时由谁负责。这里的张力是速度与包容性之间的取舍，处于交付压力下的团队会悄悄放弃那些没有被强制执行的检查。带上你最近一次审计、支撑它的自动化和人工覆盖情况，以及发布后而非发布前发现的无障碍问题数量。对政府而言，这尤其不是可有可无的礼貌之举：它往往是一项法律义务，也是一个公平问题，因为一项排斥残障人士或依赖辅助数字化的公众的公共服务，就是在核心使命上失败了，而不是在次要目标上失败。
当我们的分析数据和定性研究出现分歧时，我们如何决定相信哪一个，由谁来仲裁？ 大型组织既积累了展示成千上万用户在做什么的仪表盘，也积累了解释为何少数人如此行事的访谈记录，而这两者常常会指向相反的方向：一个完成率很高、却在悄悄羞辱用户的流程；或者一个在访谈环节中备受用户称赞、大规模上线后却几乎无人触碰的功能。提前约定你们如何做三角验证、每种方法可信地回答哪类问题（分析数据回答规模和覆盖范围，研究回答原因和意义），以及当两者冲突时谁有权拍板。风险在于挑选那个恰好迎合既定计划的数据来源。带上一次具体的最近分歧，走一遍它实际是如何被解决的。在企业和公共场景中，风险会被放大，因为分析数据系统性地低估了那些最重要的人：非用户、放弃者，以及使用辅助技术的人往往不会出现在转化漏斗中，因此只相信数字，可能会让被排斥的人变得彻底隐形。

行业视角

创业公司。 你没有研究员，也没有时间维护知识库，因此要让研究成为创始人的日常习惯：在构建下一样东西之前，花一个下午坐在五位真实用户身边观察。跳过正式的用户画像和旅程地图；每周通过观察用户所建立起来的、对你所解决的那一件事的共同理解，胜过没人维护的文档。你的优势在于，一个洞见出现的当天，整个团队就能吸收它，因此要保护这种速度，抵制繁文缛节。

小型企业。 你没有用户体验专家，预算也紧张，因此要依靠用户已经熟悉的既有惯例，而不是自创一套，并购买带有合理默认设置的工具，而不是从零设计流程。自己动手做那些便宜但高价值的研究：通过视频通话进行几场可用性测试，再读一读你的支持工单，就能发现大多数严重问题。把无障碍基础（对比度、标签、键盘访问）当作从一个优秀组件库中就能获得的基本门槛，而不是一个需要专门配人的项目。

企业。 核心问题是众多团队之间的连贯性，因此要投资于共享基础：有明确归属的用户画像、持续维护的旅程地图、受控词汇表，以及一份小队们据以设计而非绕开设计的、有据可查的信息架构。把设计师和研究人员嵌入交付团队，但要在中心层面治理手艺水准，避免产品分裂成互不一致的方言。为定义完成中的研究知识库和质量关卡提供预算，并把用户体验结果指标作为一个投资组合来追踪，避免任何单个团队的局部优化拖累整体。

政府。 无障碍和机会均等是义务，不是偏好，因此要让发布物对照一份公开发布的标准，并与全体公众开展研究，包括辅助数字化用户、低信心用户和非数字用户。采购和透明度塑造着交付方式：公开你们的设计原则和研究方法，围绕公民的人生事件而非内部部门来组织服务，并保留测试证据以备审计。由于用户往往没有其他服务提供方可选，一个他们完不成的流程就意味着拒绝了一项服务，因此要把最难触达的用户能否完成任务，当作衡量成功的真正标准。

示例

创业公司。 一家四人创业公司正在为小型诊所开发一款排班工具，对前台人员需要什么怀有强烈的主观看法，却没有证据支撑。在写更多功能之前，创始人们分别花了一个下午坐在五位前台人员身边观察他们的工作。他们了解到，真正的痛点不是预约速度，而是由一个令人困惑的日历视图所导致的重复预约，这一点没有人在之前的销售电话中想到要提及。围绕这一件任务重新定位产品，并在一周内与同样的五个人一起画草图、测试修复方案，把一次陷入停滞的试用变成了他们的第一批付费客户。

企业。 一家跨国银行把七个区域内部贷款发起工具整合成一个平台。团队没有直接合并功能集，而是与各区域的核保人员一起开展了旅程地图绘制和服务蓝图设计。他们发现，大家都以为存在的“区域差异”，大多其实是不一致的术语和界面顺序，而不是真正的流程差异。统一的信息架构和共享词汇表大幅缩短了核保人员的培训时间，并减少了处理错误，因为员工如今共享同一套心智模型。

政府。 一个国家税务机关在重新设计其在线申报服务时，与年龄、设备和数字信心水平各不相同的纳税人一起开展了有主持人引导的可用性测试，并对通常依赖他人协助的用户进行了辅助数字化观察。测试揭示，充斥行话的板块标题导致人们放弃申报或错误申报。围绕纳税人的“待完成任务”重新组织内容，并围绕人生事件而非内部税务代码来重构信息架构，提高了成功的自助完成率，减少了呼叫中心的话务量，在改善机会均等的同时，直接降低了服务成本。

商业理由：动机、投资回报率与总拥有成本

用户体验的回报来自三个杠杆：更高的成功率（更多用户完成有价值的任务）、更低的服务成本（更少的支持联系、更少的培训、更少的错误），以及更少的返工（在错误的方向被真正建成之前就发现它）。在用户被困住的企业场景中，回报体现为生产力提升和错误减少，而不是转化率；每笔交易节省的几秒钟，乘以成千上万名员工，累积起来就是可观的年度节省。

总拥有成本必须权衡采用的成本与不采用的成本。采用的成本很容易看到：研究人员和设计师、参与者招募和激励、工具，以及日程表中的时间投入。不采用的成本更大，却更难被察觉：放弃的交易、支持和培训方面的额外开销、代价高昂的后期重新设计、失败的发布，以及当公共服务排斥某些人群时所带来的声誉或法律风险。由于这些成本分散在支持、培训和运营预算中，而不是产品线预算中，领导层常常低估它们。

要向领导层论证这一点，就把用户体验与高管们已经在跟踪的指标挂钩：完成率和转化率、每笔交易成本、支持工单量、培训天数，以及错误和返工率。运行一次小规模、有埋点的试点，展示可度量的前后对比，然后据此推算到整个产品组合。把研究定位为针对不可逆决策的风险降低手段，往往更能打动财务和治理层面的利益相关者。

反模式与陷阱

由最高薪者意见主导的设计：决策依据的是薪水最高者的意见，而不是证据。
研究表演：研究只是为已经做出的决定背书，研究发现被无视。
虚构的用户画像：从未对照真实用户验证过的臆造画像，被用来赢得争论。
把组织架构图当作信息架构：导航映射的是内部部门，而不是用户任务。
大爆炸式研究：罕见、昂贵的研究，等它出结果时早已来不及改变任何事情。
只测试理想路径：忽视错误状态、边缘情况和处于压力之下的用户。
把设计当作最后一层涂料：只在一个已经建成的版本上引入用户体验，只为让它“看起来好看”。
忽视辅助数字化和非数字用户：只为自信、联网良好的用户设计。

成熟度模型

第 1 级：启动。 没有专门的用户体验实践。决策依据的是意见和薪水最高者的直觉。研究即便发生，也是临时、被动的，往往是被一次糟糕的发布触发的。各团队之间的流程和术语不一致，没有人负责整体体验。

第 2 级：发展。 一些团队配有设计师，会偶尔运行可用性测试，也存在少数用户画像或旅程地图，但各小队之间做法差异很大，也没有得到维护。用户体验被当作一个阶段而非一门持续性学科，在日程压力下常常被绕过。局部有做得好的工作，但在整个产品层面并未累积成整体成果。

第 3 级：标准化。 持续的混合方法研究为优先级排序提供输入，共享的用户画像、旅程地图，以及一份受控词汇表的信息架构，都被记录在案并在各团队间被使用。用户体验质量关卡，包括可用性基准和无障碍检查，被纳入“完成”的定义，并在全组织范围内得到执行。一个可检索的研究知识库使洞见能够被复用，而不是被困在某个小队自己的幻灯片里。

第 4 级：管理。 这项实践被对照基线加以度量，而不仅仅是被执行。你按约定的指标追踪任务成功率、任务耗时、错误率、满意度和无障碍符合性，设定目标，并在各次发布中持续观察。研究参与者样本会与真实用户群体核对，以确保发现具有代表性；质量关卡报告的是通过率，而不是主观意见；研究的成本要与支持联系、培训和返工的可度量减少相权衡。发布或暂缓发布的决定基于对照这些基线的证据。

第 5 级：编排。 研究是持续性的、与结果挂钩的，并与整个组织的产品、业务和风险规划相整合。团队运行受控实验，把从洞见到已上线改动再到可度量效果的闭环真正闭合起来，并随着用户群体及其旅程的变化而淘汰或重新界定用户模型。用户体验基础持续自我调整：用户画像、旅程、信息架构和标准依据证据不断刷新，组织会随着可逆性和风险的变化而重新平衡探索性投入的方向。

讨论话题

在承诺一个方向之前，多少探索才算“足够”，由谁来决定？
你如何让用户画像和旅程地图保持鲜活，而不是任由它们沦为过时的文物？
当定量分析和定性研究出现分歧时，你相信哪一个，为什么？
一个大型组织应当如何在中心化的用户体验标准与各团队自主权之间取得平衡？
在不增加处于危机中的人群负担的前提下，研究他们所使用的服务，正确的做法是什么？
你如何衡量那种“防止了一个你因此从未犯下的错误”的研究所带来的投资回报？

关键要点

用户体验是一种从一开始就贯穿始终的工作方式，而不是最后添加的装饰。
把定性方法（为什么）与定量方法（有多少）结合起来使用。
用基于证据的用户画像、旅程地图、待完成任务和服务蓝图对用户建模。
围绕用户的心智模型来组织信息结构，而不是围绕组织架构图。
把设计思维当作一种带有紧凑学习循环的务实思维方式，而不是一套僵化的流程。
研究的成本，相比把错误的东西做出来的成本，是很小的。
在企业和政府场景中，用户体验质量会直接转化为生产力、服务成本和机会均等。

参考文献与延伸阅读

Don Norman, The Design of Everyday Things
Steve Krug, Don’t Make Me Think
Erika Hall, Just Enough Research
Kim Goodwin, Designing for the Digital Age
Louis Rosenfeld, Peter Morville, and Jorge Arango, Information Architecture: For the Web and Beyond
Clayton Christensen et al., Competing Against Luck (jobs-to-be-done)
Alan Cooper, The Inmates Are Running the Asylum
Jakob Nielsen, Usability Engineering
UK Government Digital Service, Service Manual and Design Principles
U.S. General Services Administration, 18F Methods and the U.S. Web Design System research guidance
Nielsen Norman Group, research method articles and reports