第3章：HEART框架与GSM模型：用户满意度、参与度、接受度、留存率、任务完成度映射
HEART框架由Google提出，是衡量用户体验与产品质量的宏观指标体系。GSM模型（Goal-Signal-Metric）则提供自顶向下的指标拆解方法。本章系统讲解如何将HEART框架的五个维度通过GSM模型落地为可度量、可操作的数据指标，并构建对应的分析看板。
3.1 五维HEART框架概述
- Happiness（满意度）：主观感受，如NPS、CSAT、用户评论情感得分。
- Engagement（参与度）：交互深度，如DAU/MAU、会话时长、点击频次。
- Adoption（接受度）：新功能或产品采用率，如注册转化、核心功能激活。
- Retention（留存率）：用户回归能力，如次日/7日/30日留存、流失率。
- Task Success（任务完成度）：关键任务成功率，如搜索成功率、下单完成率。
3.2 GSM模型三层结构
| 层级 | 定义 | 示例（以满意度为例） |
|---|---|---|
| Goal（目标） | 用户或业务希望达成的抽象期望 | 用户在使用产品后感到满意 |
| Signal（信号） | 能证明目标达成或偏离的可观察行为 | 用户主动评分、留下正向评论、复购 |
| Metric（指标） | 对信号进行量化计算的数值口径 | NPS评分 ≥ 9占比 / 评论正面率 / 7日复购率 |
3.3 HEART × GSM 映射矩阵（核心对照表）
| HEART维度 | 典型Goal | 关键Signal | 核心Metric | 数据口径说明 | 业务动作 |
|---|---|---|---|---|---|
| 满意度 (Happiness) | 提升用户主观好感 | 主动评分、投诉下降 | NPS、CSAT、差评率 | NPS取自问卷9-10分占比；CSAT采用5分制 | 优化客服流程、修复Bug、UI改进 |
| 参与度 (Engagement) | 增加使用频率和时长 | 日活跃用户上升、会话增长 | DAU/MAU比值、日均会话数、人均停留时长 | DAU去重用户ID；MAU按自然月去重 | 推送个性化内容、签到激励 |
| 接受度 (Adoption) | 新功能快速被用户使用 | 功能激活、首次使用完成 | 新功能使用率、注册转激活率 | 使用率 = 使用新功能用户 / 所有活跃用户 | 简化引导流程、新功能提示弹窗 |
| 留存率 (Retention) | 维持高用户回流 | 次日再次打开应用 | 第1/7/30日留存率、流失率 | 留存按首次行为日期进行回算；流失定义≥30天未访问 | 召回Push、会员权益 |
| 任务完成度 (TaskSuccess) | 用户核心需求顺利达成 | 搜索到结果、完成支付 | 任务成功率、错误率、平均完成步数 | 成功率 = 成功完成数 / 总尝试次数 | 简化操作路径、提高系统响应 |
映射最佳实践：一个Goal应匹配至少一个Signal，再拆解为2-3个Metric。避免指标过载，如满意度维度仅保留NPS和差评率，即可驱动90%的体验优化决策。
3.4 GSM指标拆解流程图（HEART→看板映射）
3.5 看板结构与维度拆解
基于HEART五维度，看板应遵循“一维一卡片”原则。每个维度的看板卡片包含：
- 指标概览：本维度核心指标的当日/当月数值、环比变化、趋势线。
- GSM明细：该维度对应的Goal、Signal、Metric三级列表，支持展开查看定义口径。
- 异常标记：当指标超出阈值（如NPS下降超过5%）时自动高亮。
3.6 异常解释与归因
| 异常现象 | 可能归因 | GSM维度 | 排查路径 |
|---|---|---|---|
| NPS突然下降 | 新版本Bug、客服响应变慢 | 满意度 | 看评论情感分析 → 提取负面关键词 → 组织热修复 |
| DAU/MAU比值持续走低 | 自然新增质量差、产品粘性下降 | 参与度 | 按渠道拆分DAU/MAU → 屏蔽低质量渠道 → 提升核心功能曝光 |
| 新功能使用率低于预期 | 入口太深、引导不足 | 接受度 | 检查功能点击流漏斗 → 优化引导弹窗时机 |
| 7日留存低于30% | 首次体验差、核心价值未传达 | 留存率 | 分群查看首次会话行为 → 优化新手任务 |
| 任务成功率骤降 | 接口故障、流程变更 | 任务完成度 | 查看错误日志 → 回滚或修复错误步骤 |
3.7 业务动作与复盘分析
业务动作闭环示例（以参与度改善为例）：
- 看板预警：DAU/MAU比值连续3天低于0.3。
- GSM归因：Signal层发现「会话数下降」是主要信号。
- 下钻维度：按用户分群发现新用户会话数下降最严重。
- 业务动作：启动新用户“每日任务”引导，增加次日留存和会话轮次。
- 复盘验证：2周后DAU/MAU回升至0.35，新用户会话数提升40%。
常见陷阱：不要将HEART五个维度孤立分析。例如，满意度极高但留存率低，说明用户觉得“好用但没有持续回来的理由”。此时应联动参与度和任务完成度寻找缺失的触发点。
3.8 数据口径与采集规范
每个指标在进入看板前必须明确口径。以下是两个关键指标的口径模板：
指标名称：NPS（净推荐值）
数据口径：仅统计通过官方问卷收集的评分数据。
分母：所有完成问卷的用户（评分0-10）。
分子：评分为9或10的用户数。
计算公式：(推荐者数 - 贬损者数) / 总回答数 × 100%。
采集频率：每次完成核心体验后触发，不限定最高采样。
指标名称：DAU（日活跃用户数）
数据口径：当日00:00至23:59:59 UTC+8内，产生至少1次页面浏览或交互事件的设备/用户ID去重数。
去重规则：同一用户多端登录按用户ID去重。
采集频率：每日凌晨T+1计算，取前一自然日数据。
3.9 本次章节复盘
| 复盘要点 | 检查项 | 状态 |
|---|---|---|
| HEART五维理解 | 能区分满意度 vs 参与度 vs 接受度 vs 留存 vs 任务完成度 | ✅ |
| GSM模型运用 | 能为每个Goal找到可观察的Signal和可计算的Metric | ✅ |
| 映射看板结构 | 看板卡片指标与GSM匹配，异常解释路径清晰 | ✅ |
| 数据口径规范 | 每个指标都有明确的分母/分子/去重规则 | ✅ |
通过本章学习，读者应能用GSM方法将抽象的HEART用户体验五维拆解为可落地到看板的数据指标，并具备对指标异常进行归因分析和制定业务动作的能力。