提升用户“体感”为活动加持Buff：阿里本地双11大促活动

一、用户体感影响品牌认知

我们设计师通常讲的“体感”是指用户对事物过程的真实感受，这种感受会影响用户对我们界面、产品乃至品牌的认知。而我们往往把自己的“经验”当作是用户体感的诉求，缺少相对科学和系统的方法进行设计。本篇意在探索用户“体感”的本质，并尝试对其进行设计干预。

二、影响用户体感的关键点

1.约会体感需要被设计

人们对过往事物的记忆是由多个片段组成的，其中有几个关键节点会特别影响记忆片段，同时也是影响用户体感的重要因素。

以男孩约会为例，约会前男孩经过一番精心打扮，希望留下好的第一印象。约会刚开始时，难免会有些尴尬冷场；随着约会中互动增多，两人交流升温，达到最开心的状态；约会结束后男孩主动送女孩回家，给女孩留下一次愉悦的约会体感。要营造一个好的约会体感，就需要从约会前、过程起与伏、结束这4个关键节点入手，提前做好准备。

2.体感设计模型的由来

约会成功的关键节点是哪些呢？丹尼尔·卡尼曼 Daniel Kahneman的“峰终定律Peak-End Rule”（以下统称峰终定律）给出了答案：“如果在一段体验的高峰和结尾，体验是愉悦的，那么对整个体验的感受就是愉悦的”。

利用峰终定律是否可以帮助我们打动用户，营造好的活动体感呢？经过多次实践，我们基于峰终定律推导出一个普适于营销活动的设计模型，即SNPE设计模型。

根据峰终定律把活动片段关键点分为开始Start、低峰Negative peak、高峰Positive peak和结束End等4个关键点。结合增长模型，关注各阶段的业务目标，来帮助我们形成对应设计策略。

三、2019双十一实战案例

以2019本地双十一活动为例，看如何对活动“体感”进行设计干预。

1.定起点：建立良好的第一印象

活动预热期，线下物料是用户接触活动的第一印象，受制于不同空间环境和人流差异，我们需要定制多套物料形式。作为全国676个城市230个Mall参与的大型活动，保证信息传递一致性非常重要，我们打破了以往从平台到城市的物料传递方式，由设计师直接对接城市，确保物料信息传递到位，设计上保持多类物料信息统一。给用户第一印象很关键，决定的不只是本次活动的调性，还有对品牌的未来期许。

2.找低峰：减少用户的负面情绪

活动有高峰低峰，但低峰值超出用户的忍受度，就会产生负面影响。活动开始前我们通过全链路流程诊断的方式，预判出体感差的低峰点，对其进行设计优化。

在双十一活动中，我们发现商圈活动有一处明显的体验断链，当时我们与商圈设备方合作，拉通场内的互动设备，形成线下点位覆盖，再把设备与线上会场接通，让逛商圈的体验流程闭环。所以提升低峰值的体验，需要提前预判和修复。

3.造高峰：强化用户的爽点回忆

人的记忆本身具有一定规律性，通过互动的方式能让用户产生更好的记忆度。活动高峰值是用户的记忆点，可适当地帮助用户强化记忆。

利用情绪营销，营造全民疯抢的氛围，极大限度调动用户情绪，烘托“乐队花车效应”。在双十一活动当天，把爆发期拆分为多个阶段，通过参与玩法打榜、抽奖等互动方式，强化用户在活动参与的记忆点。除了线上互动以外，我们创建了线下开宝箱的互动玩法，通过亲身参与的互动方式，投身于热闹氛围之中更容易让用户产生记忆点。与此同时我们与众多品牌合作衍生出双十一当天独有的新潮商品，如“杰伦奶茶”等热点产品，以此强化用户记忆。

4.抓结尾：给予完美的收尾感受

结束点是距离用户记忆最近的时间节点，记忆相对清晰，因此感受容易被放大。活动即将结束时用户心理易发生微妙变化，这点我们容易忽略，毕竟活动不是一次性卖买，最后时刻越要体现我们无微不至的关怀，让用户感受到自己被重视。在设计体现上可能是一句暖心的文案、一个简单的用户引导、一次贴心的服务，这些都会给用户留下深刻印象，带来Perfect Ending。 

最后，本次活动整体满意度相比竞对较高，有86%的用户对整体活动满意度打分大于7分（10分制），打10分的用户高达47%。

四、提升用户体感的要素与探索

1.关键“四要素”小结

针对活动用户体感，我们提出了SNPE设计模型，对活动的4个节点进行设计干预，即保持设计表达一致性、诊断和修复低峰漏洞、强化高峰记忆、情感化收尾。当然在不同类型的业务中可结合具体的业务目标，灵活调整各阶段的设计策略，核心是在关键节点上提升用户体验，让用户体感产生正向闭环，而非凭“经验”设计。

2.探索度量方式

基于NPS（净推荐值）衡量指标，我们对活动过程打点采样并结合用户感受地图，获得一个趋近用户真实感受的体感曲线。

进而我们定义出一个可供衡量参考的公式，只要把活动分值代入，就可知道活动体感的效果。根据峰终定律Exp = Peak + End，假设活动体感最低峰值为A1、最高峰值为A2、结束值为A3，则用户体感Exp= (A1 + A2) + A3，因为高峰值和结束值影响结果程度较大，我们做算法加权，低峰值则降权，最终用算法公式表达出来。

我们深知要完善这一度量体系还需更多的实验和数据，也希望有志之士与我们共同探讨，仅以本篇抛砖引玉，实感荣幸之至。