不同于商用产品，对内的工具/平台大多数情况下没有明确的直接业务价值。为了确实评估其实际效益，我们需要构建一个可量化的效能价值指标。本文致力于建立这样一个数据指标框架，帮助我们更清晰地看到和描述内部工具/平台的价值。
一、分析生产活动的核心要素
从面向对象的思考角度，我们可以认为前端工程不仅是单一实体，而是涉及多个对象以及它们之间的交互行为。这里，我们可以将对象分类为主体对象和客体对象。
- 主体对象：如开发人员或其他参与者。
- 客体对象：这包括用于生产的工具、平台等。
关键在于，人和工具都是影响生产力的核心元素。工具的能力和智能化水平会对人的操作效率和心智负担产生直接影响。
附注：此处心智涉及到用户的认知模式、记忆、教育背景，以及与特定角色相关的使用习惯等。
二、找出工具的关键目标
每款工具都有其设计初衷和核心目标。通常，效率和用户体验是两个主要的焦点。但根据工具的具体性质和用途，这两者之间的重要性可能会有所偏移，比如：
- 不直面用户的底层工具：如构建模块、发布模块等，效率相对重要一些，体验次之
- 用户直接与之交互的上层工具：如调试器、发布平台等，更关注体验，虽然效率也同样重要
除此之外，当我们选择一个工具时，通常是基于它解决特定问题的能力。这可以细分为以下四种情况：
- 无可替代：唯一能够解决目标问题的工具，没得选，所以不论体验、效率如何都不得不用；
- 体验最好：同类工具中使用体验最好的一款，精准满足需求，效率上和其它工具没有明显差距；
- 效率最高：同类工具中效率最高的一款，迅速解决问题，明显比其它工具快很多；
- 体验还不错，效率也过得去：同类工具中在体验和效率上取得平衡的一款，没有太明显的缺点，勉强能解决问题，用起来也不很麻烦。
除去没得选的情况，在效率没有明显差距时体验更好的工具更受欢迎，效率能拉开明显差距的工具如果没有体验硬伤一定会很受欢迎，这毫无疑问。
然而，需要注意的是，如果体验、效率方面的最优选项都有明显的缺点，此时用户更倾向于选择一个不上不下的替代工具，而不是长期忍受其缺点。
三、建立效能价值的度量模型
确定了工具的核心目标后，我们需要找到方法量化这些目标，使其可衡量。
1.衡量效率
我们可以借鉴常见的工作效率计算公式，并对其进行调整以适应我们的需求。
类比工作效率的计算公式：工作效率 = 工作总量 / 工作时间；
工具效率可以定义为：工具效率 = 问题规模 / 操作时间；
问题规模仍然不是一个可量化的东西，进一步具象为时间成本：工具效率 = （不用该工具解决所需的）时间成本 / （用该工具解决所需的）时间成本
那么，有 3 种情况：
- 比值等于 1：用不用工具都一样，工具没有带来效率提升
- 比值小于 1：还不如不用，因为用工具花的时间反而更多了
- 比值大于 1：用工具效率更高，数值越大，工具带来的效率提升越明显
2.衡量体验
尽管体验不如效率那样容易被量化，但我们仍可以构建一个评估模型，以反映产品与用户期望的匹配度。
体验即产品与用户心智的重合程度，工具的功能和性能越贴近用户的心理预期，体验评价越高，体现在：
- 易用程度：从用户心智向产品功能做映射，极致的易用是符合直觉，上手即用
- 稳定程度：从用户心智向产品性能做映射，极致的稳定是完全信任，从不怀疑工具会出问题
即：工具体验 = 易用程度 * 稳定程度
也就是说，工具体验是易用程度与稳定程度的乘积，只要稍有不好用或不稳定的缺点，体验就会急剧下降。
3.衡量效能价值
综合效率和体验，我们可以得到一个综合的效能价值度量：效能价值 = 效率价值 * 体验因子
其中：
- 效率价值：降低用户解决问题的时间成本，让用户更快速地解决问题
- 体验因子：减少用户的心智负担，让用户更轻松愉悦地解决问题
二者相辅相成，体验升级可能会提高效率，效率提升同样也可能带动体验
因此，在体验有保障的前提下，可以简单地将效率作为效能价值的衡量标准，用一个准确的比值即可量化效能价值。确定了关键目标之后，接下来的问题是如何量化效率和体验，使之可衡量。
四、选择合适的数据指标
有了度量模型后，接着将具体的数据指标框进来
1.时间成本
基于以上分析，（体验有保障时）效率收益的直接体现是工具所能节省的时间成本，与用户量、使用频次、使用时长等密切相关：
- 用户量：累计用户数、日/周/月 UV、日新增用户数、日/周/月活跃用户数（期间操作过核心功能的用户数）
- 使用频次：日/周/月 PV、功能使用率、核心操作次数、日均使用次数
- 使用时长：核心操作时长
P.S.功能使用率 = 使用某项功能的用户数 / 总用户数，也能用来衡量不同功能对整体的贡献
例如：
每天节省的时间成本 = 日用户量 * 日功能使用率 * (不用该工具解决所需的时间 – 操作时间)
= 100 * 35% * (1.5人日 – 0.8人日）
= 24.5人日
此外，另一些侧面数据也能体现效能价值：
- 用户分布：目标用户数、用户渗透率、各属性用户占比、各属性用户渗透率
- 产出结果分布：数量、重要程度、平均时间、各属性产出结果占比
P.S.用户渗透率可简单理解为用户渗透率 = 现有用户数 / 目标用户数
例如：
覆盖2/3的目标用户，包括60%以上的一线开发人员、10%的测试人员
覆盖8大产品线，半年支持40多个项目，包括效果极好的xx重点项目
2.易用程度
易用程度同样也能通过一些数值来衡量：
- 用户满意度：用户投诉与咨询数/率、抽样调查满意度
- 操作难度：误操作次数
- 心智负担：帮助文档字数、注意事项条数
此外，一种产品经理常用的需求采集方法是观察真实用户的实际操作，将用户遇到的挫折记录下来，过程中不要打断和急于提供帮助，往往能够精准地发现一些使用问题
3.稳定程度
稳定程度可以从异常指标反映出来，例如：
- crash 率
- bug 数
- 操作失败次数
其中，操作失败是个模糊的定义，包括运行时错误、服务接口错误、搜索不到结果等等，稳定性问题极易破坏使用体验，进而大幅拉低效能，比如工具总崩溃，几乎没法用的话，效能价值就无从说起
五.有数据就用数据说话
之所以要建立可量化的数据指标，是为了用数据说话，验证此前的一些假设，为工具的迭代、优化提供指导方向：
- 新功能是否得到了用户的支持？功能使用率如何？宣传渠道有没有效果？
- 用户操作是否顺畅，所花费的实际时间与预期是否存在较大差距？
- 产出结果如何，ROI 是否足够高，有没有必要继续做下去？
六、对比参照和持续优化
在工具的价值衡量完成后，我们还可以通过和其他工具或同类产品进行对比，从而更准确地判断其效能价值。例如，对于同一功能模块，不同工具可能有不同的效率和体验评分，那么你可以结合数据指标进行对比和分析。
另外，工具不是一成不变的。随着技术进步和用户需求的变化，工具也需要持续优化和更新。因此，在衡量工具的效能价值时，还需要设定一个时间节点，定期对工具进行复查和评估，确保工具始终符合最新的业务需求和技术标准。
七、总结与建议
- 持续收集反馈：除了数据之外，直接从用户那里获取的反馈同样是宝贵的。他们的实际使用体验和需求可以为工具的优化提供更直观的指导。
- 综合分析：单一的数据或指标可能不能全面反映工具的价值，需要从多个维度进行综合评估。
- 灵活适应：随着业务的发展，一些原先设定的指标可能已不再适用，需要及时更新和调整。
- 培训和教育：工具的效能价值不仅取决于工具本身，还与用户如何使用工具有关。提供适当的培训和教育可以帮助用户更有效地使用工具，从而提高其效能价值。
通过上述分析和建议，我们可以更全面、系统地衡量工具平台的效能价值，为企业带来更高效的工作流程和更好的用户体验。
常见问答（FAQ）：
问：为什么需要建立可量化的数据指标框架？
答：建立可量化的数据指标框架可以使我们更客观、精确地评估工具的价值。这不仅有助于验证之前的假设，还可以为工具的后续迭代和优化提供明确的指导方向。
问：面向对象的角度在评估工具价值时有什么作用？
答：从面向对象的角度看，我们可以更清晰地识别出工程中的主体对象（如不同角色的人）和客体对象（如工具、平台等具体事物）。理解这些对象及其之间的交互关系有助于我们更深入地了解工具是如何影响生产活动的核心要素的。
问：什么情况下工具的体验可能比效率更重要？
答：对于用户直接与之交互的上层工具，如调试器或发布平台，体验可能更为关键。因为这些工具的使用感受直接影响用户的日常工作流程。虽然效率仍然重要，但如果体验不佳，可能会导致用户的抵触或寻找替代工具。
问：在度量工具的效率时，如何定义“问题规模”？
答：问题规模可以看作是在没有工具辅助下解决问题所需的时间或资源。进一步地，我们可以将它具象化为时间成本，即不使用该工具所需的时间与使用工具所需的时间之比。
文章来源：暗羽轻扬的博客，有删改。
