体验评估模型搭建实操——以车载VPA为例

01 搭建：如何定义“受欢迎的车载VPA”

1. 深度访谈，提取“体验感知要素”

首先，我们邀请了20位真实车主（主要覆盖搭载了VPA功能车型的车主）进行深度访谈，挖掘出在用户心智里“哪些因素影响着他们对车载VPA体验的评价”。

经过信息结构化提取，我们梳理出五大关键词：用户状态、感官喜好、功能满足、交互效果、情感体验。

如图2所示，影响用户对一款车载VPA评价好坏，主要取决于以上5大因素。每个因素之下，我们再次拆出要素的细别，这些细别对我们后续拆解车载VPA的评价维度有非常重要的意义。

2. 将“体验感知要素"转化为“评估维度”

结合相关文献及用户体验理论，我们将上述“体验要素”转化为车载VPA的“评估维度”，即由：感官舒适、深度辅助、自然交互、愉悦情感4个部分组成。

这里的文本转化（或转译）主要参考唐纳德·诺曼基于脑神经科学提出的设计三层次模型：本能层、行为层、反思层。图4简要描述了通过三层次模型拆分感知要素的思路。在感知层面：

• 属于车载VPA“本能层”体验要素的有满足感官感受的视觉、听觉相关维度，如色彩搭配的合理性、音质舒适自然的程度等；

• 属于车载VPA“行为层”体验要素的有功能完备、资源丰富、交互高效等相关维度，如VPA功能垂类丰富度、VPA形象资源丰富度、VPA语音交互便捷、高效等；

• 属于车载VPA“反思层”的体验要素主要聚焦在情感愉悦方面，如趣味性、信任感等维度。

经过以上分析和拆解，我们已初步提取出评价车载VPA的评估维度，但这些维度仅仅依托用户感知要素，并未与实际的产品形态做结合，所以我们需引入专家团的声音。

后续，我们邀请了10位内部专家，聚焦车载VPA在座舱里的交互场景和商业模式，对评估维度进行调整。调整的结果是删除部分不适用的维度、新增智能座舱设计领域及业务关注的维度。

最终，将调整后的维度合并，组成车载VPA评估的初版模型。

02 验证：量化车载VPA评估模型

基于上个步骤，我们得到了车载VPA评估初版模型，但该模型搭建主要源自经验及质性梳理，并未通过数据验证。因此下一步我们将通过数据采集和分析，对模型进行量化验证。量化验证旨在通过数据分析矫正模型结构，使其科学合理，适配当前产品。

1. 问卷收集及信效度检验

• 信度检验：信度，即可靠性或一致性，指的是测量结果经得起重复检验。信度高，那么意味针对同一对象进行多次测量的结果可以保持一致。本研究通过Cronbach’s Alpha系数检测了问卷信度，各问卷模块系数均大于0.8，标定问卷信度合格。

• 效度检验：效度，即切实性，指测量结果能反映测量对象真实特征的程度。效度高，说明能够正确地获取到反映真实特征的数据。本研究通过KMO值、Bartlett 球形检验、（旋转后）特征根值、累计方差解释率等指标检测了问卷效度，均标定合格。

2. 探索性因子分析

在检验了问卷质量后，我们进行了因子分析。因模型（问卷）由自下而上开放构建所得，所以我们选择探索性因子分析方法。结合因子分析结果，我们再次对评估模型的维度进行了调整，如剔除了因子载荷异常的"布局合理”和“语音适中宜人"维度。

同时，一级维度也由4个调整至5个，分别为：感官、设计、资源、交互、情感，即通过数据验证后的车载VPA评估维度将从这5个方面展开。调整后的维度分类更清晰直观，易于理解。图5简要示意了经过数据验证的车载VPA评估框架。

*注：鉴于业务脱敏需要，此处仅对模型做简易框架展示，敬请谅解。

03 赋权：确定评估模型各维度权重

为了用户感知的体验维度能够更直接地对应产品的日常评估，我们再一次邀请了15位车载VPA设计专家，对第二部分已验证过的模型进行赋权。

所谓赋权，即针对每个评估维度赋予影响力指数，以表示维度的重要程度。赋权的目的是为使模型发挥更精确的诊断作用，如应对高权重维度给予更多关注，若这些维度分数走低，则应引起注意。

权重的算法我们采取AHP层次分析法的算数平均和几何平均2种模型计算，对计算结果再取均值，力争使数据误差将到最低。

经过计算我们可知车载VPA评估维度中权重最高（即影响力最大）的5个维度如下图所示，分别是：VPA语音覆盖广度、VPA理解准确度、VPA识别准确度、信任感、VPA资源内容丰富度。

04 应用：VPA评估模型的业务落地

接上文叙述，结合业务实践，最后分享两个VPA评估模型的应用案例，最大化模型的实用效果，以供启发参考。

1. 基于评估模型，精准诊断产品体验现状

当评估模型的各维度拥有权重系数后，我们能够根据各维度满意度水平和各维度权重这2个因素，诊断出某产品目前的优势、亟待补齐的短板，以及介于优势和短板之前的产品特质，精准诊断产品的体验现状。

那么，如何发挥模型的诊断作用呢？行业里较常采用“四象限法”，即：

• 高权重，但得分低的维度，为高优改进区；

• 低权重，且得分也低的维度，为次优改进区；

• 高权重，且得分高的维度，为优势区；

• 高权重，且得分高的维度，为优势区。

*注：以上的“高、低”皆为域内相对值，并非绝对值。

图8通过四象限法展示了某车机车车载VPA于某周期内的体验诊断情况。

2. 基于满意度评分，搭建用户画像

通过VPA评估模型，我们能收集到用户对各维度的满意度评分。基于用户对不同维度的满意度差异，可以尝试做量化版的用户画像收敛。核心方法步骤为：

第1步：我们在问卷里设置了描绘用户画像所需变量字段，如年龄、性别、学历、收入、居住城市、驾驶经验、智能汽车关注度、车载VPA关注度、车载VPA满意度评分等，通过问卷发放收取了这些字段的数据。

第2步：通过K-prototype聚类法快速给数据分类，提炼出适合的用户画像，此项目中，我们选取了3类画像方案。

*注：K-prototype聚类，其综合Kmean逻辑和Kmode算法，是为处理混合属性聚类的典型算法。因该项目中纳入聚类的数据有定类数据（如性别、年龄等）和顺序数据（如VPA满意度评分等），故采用此方法。

第3步：根据各类别的关联数据转译类别特征，并对各类别进行命名和描述，如下图。

用户画像可以帮我们快速定位产品目标受众，在设计/规划方案决策中更高效地针对“我们为谁而设计”达成共识。

05 结语

本文总结了模型工具建设的基本思路和流程。首先，在用户感知端收集车载VPA的体验要素，搭建初版评估模型；其次，通过大规模真实车主数据验证评估模型是否合理。

最后，为了用户感知端的体验维度能够更直接地对应产品的日常评估，我们邀请了专家团为评估模型各维度赋予合理的权重，并分享了VPA评估模型的两个应用案例。

从实操中的经验结论可看出：

（1）在用户心智里，“一款受欢迎的车载VPA” 不一定需要华丽的外表，VPA语音理解准确、VPA识别准确度、VPA资源内容丰富度更是用户看重的。

（2）进一步提示，在未来设计中，汽车生产商、汽车数字服务提供商可以从交互、情感、设计、感官、资源5个方面对它的体验进行评估，以构建更好的VPA功能体验。