详解阿里巴巴的五度模型

五度模型是什么

五度模型是阿里巴巴1688UED团队在Google的HEART模型的基础上，结合国内互联网的特点，加上多年的设计经验总结出来的。五度模型是按照用户使用产品的整个生命周期过程来组织的，从用户的行为与态度和当下与未来这两个维度进行分解，五度分别为吸引度、完成度、满意度、忠诚度和推荐度。

素材来源于互联网

Google的HEART模型分别为以下几种指标，感兴趣的可以自行研究一下，不在本文的重点范围内，故不再展开。

Happiness/愉悦度

Engagement/参与度

Adoption/接受度

Retention/留存率

Task success/任务完成度

用户产生行动之前一般会经过获取注意>引发兴趣>产生欲望>采取行动这几步，而在用户采取行动之后，才会知道自己是否满意，从而决定是否再此使用还是说会主动推荐给别人。这整个流程是一个完整的链条，而不仅仅只是零散的点，这也就是我们通常说到的用户体验是一个完整的过程，而不仅仅只是在产品的使用过程中。

吸引度其实就类似于获取用户的注意力，引发用户的兴趣进而产生想要尝试的欲望这几部分，完成度指的是用户在被吸引过来之后，在操作的过程中能不能很好的完成任务，以及操作的效率、成功率如何。

满意度是指用户在操作之后，主观的体验如何，是否满意，忠诚度则是指用户在使用完产品之后是否会继续使用，和我们经常说到的用户粘度和活跃度有些类似，推荐度则和我们经常说到的NPS有些类似，即用户是否愿意分享给他人。

三. 案例分析

因为这两个模型是这次需要重点用到的理论模型，所以就先说明一下这两个模型，接下来就结合最近在做的一个小案例来尝试着进行一下分析，主要是为了抛砖引玉，希望大家能够掌握这样一种量化分解目标的思路和方法。

1.活动简述

这是针对内部员工的一个H5抽奖活动，活动的目的是为了宣扬企业文化，活动目标是能够提升全员的参与度，主要以参与人数和参与次数作为衡量，活动周期为7天，入口在App内，支持分享至微信好友和朋友圈，分享之后的链接需要先输入工号才能参与…

活动的形式和支付宝集五福有些类似，通过手写企业文化的关键词来和词库进行匹配，匹配成功则可随机获得一张企业文化卡，不支持同一关键词的多次书写，单人每天最多能参与7次，集齐4张企业文化卡即可合成一张卡片并进行开奖，每人仅能开奖一次…

2.活动分析

整个活动的分析是以五度模型和GSM模型两个维度来进行逐步拆解分析的，将五度模型中的各个度，作为GSM模型中的目标，然后找到各个度对应的信号和指标，汇总如下表（不考虑运营和其他的维度）：

吸引度

吸引度的阶段就是为了能够让更多的人知道活动，并且能够产生兴趣并参与进来，在吸引度阶段，我又把目标拆分成了引起注意、理解规则、产生兴趣、采取行动这几个子目标。

引起注意主要就是希望能够让更多的人知道活动本身，而如果达到了这个目标的话，就会有更多的人知道活动，进入活动页面的人数也就会增加，对应的数据指标就是活动的知晓率以及UV数的增加。

活动本身的规则是需要用户进行查看的，所以在H5首次进入时会有浮层进行引导，另外也会有活动的规则说明，如果活动规则本身比较简单易懂的话，浮层应该会被大多数人忽略掉，而活动规则的阅读次数和阅读时长都会较少，反之如果这几个数据指标较大，则说明活动规则本身过于复杂或者表达不合理。

在用户知晓了活动规则后，如果不感兴趣的话则会直接关闭页面，如果感兴趣的话会对页面进行浏览，前者对应的数据指标是页面的跳出率，后者对应的数据指标则是页面的停留时长，页面滑动次数，以及进入页面的UV/PV的点击转化率。

在用户产生了一定的内容消费时，如果对活动足够的感兴趣的话，则应该会产生相应的行动，对应的用来衡量的数据指标则是单用户的活动参与次数、总用户的参与次数以及参与活动的UV/PV转化率。

完成度

完成度的重点是用户任务的完成情况，一方面是用户完成的效率如何，另一方面则是用户完成的成功率如何。如果用户能够高效的完成任务的话，则整个任务的操作步骤则会比较少，完成任务花费的时间也会比较少，对应用来衡量的数据指标是单用户自进入活动页到完成一次活动的点击次数，以及花费的时间。

如果用户完成任务比较轻松的话，则初次就完成手写关键字获取卡片的人就应该会比较多，所以可以用首次参与活动的成功率来作为量化的指标。而集卡活动页的跳出率则可以作为一个反向的指标来进行任务完成度的衡量…

满意度

满意度即用户在使用完产品之后的主观感受，可以通过打分机制来进行量化评分，因为是内部的一个活动，发起一个线上的投票即可…

忠诚度

忠诚度就是我们平时说到的粘度和活跃度的问题，在这个活动中粘度对应的就是用户会回访参与活动，对应的数据指标就是用户的次日留存率以及七日留存率。

活跃度对应的信号就是用户参与活动的频次增加，对应的量化指标就是单用户的七日参与总数，以及活动整体的参与次数。

推荐度

推荐度指的是用户使用完产品之后，愿意主动分享给他人，对应在活动中就是用户愿意将活动分享至微信，对应的量化指标就是活动的分享率，通过分享出去的链接访问活动页面的UV数，以及通过链接参与活动的人数在总人数中的占比。

恩…理论上的框架分析完毕，然而本来就是个内部的活动，哪有那么多时间和开发资源来给你埋点啊，实际上这个活动的本身当时只统计了活动参与人数、单人参与次数、总参与次数以及活动分享率、通过链接参与活动的人数在总人数中的占比…

很多时候都是这个样子，方案的实现也大都会有着其他诸多因素的限制，往往都是具体问题具体分析。