度量流程概述
不同行业领域及其业务线的特性，使得设计模型构建的指标维度与侧重点也会有所不同，设计维度的选择需从自己业务的核心场景和目标来推导。
通常可以将构建用户体验度量模型分为五个步骤：拆指标、采数据、做诊断、再优化、续监测。
拆指标
首先要明确一个产品的用户体验需要由哪几个指标维度构成，在分析了行业内已有的设计模型后可以得出，
我们通常将指标维度归为三大类，即系统表现、用户行为、用户感受。
体验度量具有很强的业务性，需要根据不同的业务类型、业务阶段、业务规模、资源情况等抽离出适用于本产品的指标维度。
用户感受
净推荐值、愉悦度、满意度、忠诚度...
用户行为
效率、参与度、留存率、接受度、任务完成度、停留时间、页面访问次数、易用性...
系统表现
加载速度、一致性、清晰度、同步性...
采数据
有了度量指标后，我们需要通过不同渠道去收集相关数据。
渠道方式有多种，比如：
用户访谈（更多得到的是用户主观使用感受-定性数据）、
调研问卷（如测量用户对于产品的满意度或易用性评分-定量数据）、
数据埋点（通过后台数据得到用户的行为数据-定量数据）等。
举例，通过用户访谈明确业务的使用场景路径，形成目标用户的关键操作链路，从而判断哪些维度能够影响到业务指标和用户关键路径上的指标，将这些指标选择出来作为核心维度。
因此在构建具体度量模型之前，需要对产品用户体验场景有深入的理解。
做诊断
收集了大量数据信息之后，需要设定不同指标维度的权重，并通过一定规则计算得出各指标的最终得分。
如衡量产品易用性，研究者需要了解用户和他们使用产品的易操作性、易学性、易见性，沉淀出具体的易用性度量量表，并将指标维度进行规则打分。
再优化
通过指标计算得分，产品已有了较为宏观的研究方向，此时需要经过业务需求中的多次试验以及用户调研反馈收集，重点分析数据表现背后的原因。
另外也需要对筛选出的维度指标以及评分情况做再验证，判断是否符合用户的实际情况，经过多次验证后，沉淀出符合业务场景的模型变量值。
续监测
引入更多用户行为数据指标获得更全面的数据信息，同时加入监测工具，对产品重塑后的关键指标进行持续追踪，周期性的监测指标改善情况，使得业务设计度量模型更具有科学性并且能够进行全程化闭环管理。