導語(yǔ)：你是否曾經(jīng)面對著(zhù)一大堆網(wǎng)站數據毫無(wú)頭緒？你是否曾為選擇哪些頁(yè)面進(jìn)行測試感到舉棋不定？讓Luke來(lái)告訴你，如何有效地利用“谷歌分析”指導設計和研究吧！
索菲亞【譯者注：為了更接地氣，以下稱(chēng)為“小紅”】正在和她的客戶(hù)討論可用性測試的項目，她已經(jīng)迫不及待地要開(kāi)始了。然而唯一尚未解決的問(wèn)題是，他們對于測試什么內容和著(zhù)眼于網(wǎng)站的哪個(gè)部分持有不同的觀(guān)點(diǎn)。小紅的客戶(hù)對他們的顧客很了解，但是小紅擁有多年用戶(hù)體驗的研究經(jīng)驗，沒(méi)有任何跡象表明小紅和她的客戶(hù)可以達成一致的意見(jiàn)。于是小紅把注意力轉向了數據分析，希望能深層次地洞悉人們到底是如何使用網(wǎng)站的。
可用性測試和數據分析是一對無(wú)敵好搭檔，它們讓我們更多地了解用戶(hù)，跟蹤我們的目標，解決意外的問(wèn)題。說(shuō)到解決問(wèn)題，數據分析告訴我們哪些頁(yè)面或者流程正在給用戶(hù)造成麻煩，哪些領(lǐng)域需要我們在可用性測試中重點(diǎn)關(guān)注。接下來(lái)，可用性測試會(huì )告訴我們為什么用戶(hù)會(huì )表現出某些特定的行為。在這兩者之上，我們可以為網(wǎng)站擁有者提供重點(diǎn)明確、針對用戶(hù)的建議。
在小紅（和許許多多與之相似的用戶(hù)體驗從業(yè)人員）的例子中，數據分析能揭露用戶(hù)到底是怎么訪(fǎng)問(wèn)網(wǎng)站的。雖然小紅和客戶(hù)在用戶(hù)體驗或顧客方面的經(jīng)驗可能讓他們對于測試什么有了不錯的假設，但對于人們是如何訪(fǎng)問(wèn)網(wǎng)站，數據分析展示給他們的是更為清晰、無(wú)偏見(jiàn)的方式。
對于任何希望通過(guò)學(xué)習一些簡(jiǎn)單的工具來(lái)讀懂數據的人，數據分析可以幫助你：
在這兩篇系列文章中，我將會(huì )解釋如何利用數據分析來(lái)識別用戶(hù)有問(wèn)題的地方，以及網(wǎng)站的哪些地方會(huì )從可用性測試中受益最多。本篇文章的重點(diǎn)為——三個(gè)識別網(wǎng)站問(wèn)題的參數：跳出和退出率(bounce and exit rate)，頁(yè)面平均時(shí)間(average time on page)和目標價(jià)值(page value)。在第二部分，我們會(huì )進(jìn)一步利用這些參數來(lái)識別drop off points，然后我們會(huì )深入到數據分段(segmentation)來(lái)獲取額外的細節信息。
作為一名自由職業(yè)者和用戶(hù)體驗咨詢(xún)師，我與各種各樣不同領(lǐng)域的網(wǎng)站合作過(guò)，其過(guò)程非常一致，總是以數據分析為開(kāi)端。最開(kāi)始我會(huì )去辨認每天有多少用戶(hù)訪(fǎng)問(wèn)這個(gè)網(wǎng)站，哪個(gè)頁(yè)面最常用。這會(huì )給我一個(gè)大概的感覺(jué)，知道人們是如何訪(fǎng)問(wèn)這個(gè)網(wǎng)站的。然后我會(huì )進(jìn)行下一步：辨認潛在的出問(wèn)題的領(lǐng)域，繼而知道我的用戶(hù)體驗建議將會(huì )著(zhù)重在哪一塊。
總體來(lái)說(shuō)，我會(huì )觀(guān)察三種類(lèi)型的參數來(lái)辨認問(wèn)題所在：
跳出率和退出率是兩個(gè)可能造成混淆的參數。跳出率是只訪(fǎng)問(wèn)了網(wǎng)站的一個(gè)頁(yè)面的用戶(hù)的比例：在一個(gè)頁(yè)面登陸，但是沒(méi)有去訪(fǎng)問(wèn)任何其他頁(yè)面就離開(kāi)了網(wǎng)站?！咀g者注：谷歌官方解釋為“跳出率指單頁(yè)訪(fǎng)問(wèn)次數（即訪(fǎng)問(wèn)者從入口頁(yè)離開(kāi)網(wǎng)站而未與網(wǎng)頁(yè)互動(dòng)的訪(fǎng)問(wèn)次數）所占的百分比”?！客顺雎适菑囊粋€(gè)頁(yè)面離開(kāi)了網(wǎng)站的用戶(hù)的比例（它包括了那些之前在該網(wǎng)站瀏覽了其他頁(yè)面的人）?！咀g者注：谷歌官方解釋為“退出百分比指從某個(gè)或某組特定網(wǎng)頁(yè)退出網(wǎng)站的次數所占的百分比”?！?/p>
如果我發(fā)現了網(wǎng)站的一部分出現了一個(gè)很高的跳出或者退出率，我會(huì )做上筆記，以防某些頁(yè)面的什么東西造成了用戶(hù)的離開(kāi)。一個(gè)有著(zhù)高跳出率的頁(yè)面可能說(shuō)明這個(gè)頁(yè)面上的內容不是用戶(hù)來(lái)到這個(gè)頁(yè)面所期望看到的東西。一個(gè)高退出率的頁(yè)面可能說(shuō)明這個(gè)網(wǎng)頁(yè)導致了用戶(hù)在他們想要的流程中半途而廢——從另一方面看，如果一個(gè)高退出率的頁(yè)面是流程的最后一頁(yè)，那么這個(gè)高退出率就不再是個(gè)問(wèn)題了。
用谷歌分析（Google Analytics）中的“加權排序（weighted sort）”會(huì )讓跳出率更加有用。根據谷歌分析，“加權排序把百分比數據根據重要程度排列，而不是序號排列”。舉個(gè)例子，一個(gè)頁(yè)面雖然有著(zhù)100%的跳出率，但在過(guò)去的一個(gè)月中，只有一個(gè)用戶(hù)訪(fǎng)問(wèn)，然后離開(kāi)了該頁(yè)面（另外一個(gè)更大的問(wèn)題可能是沒(méi)有任何人訪(fǎng)問(wèn)過(guò)這個(gè)頁(yè)面?。?。如果一個(gè)頁(yè)面有80%的跳出率，但是是一個(gè)在流程中非常關(guān)鍵的起始頁(yè)面，那么這個(gè)網(wǎng)站可能因此流失了大量的生意。為了更好地為頁(yè)面可用性測試做準備，我們必須辨認出問(wèn)題出現的原因：是因為沒(méi)有人訪(fǎng)問(wèn)這個(gè)頁(yè)面，還是每個(gè)訪(fǎng)問(wèn)的人都馬上離開(kāi)了網(wǎng)站？
“頁(yè)面平均時(shí)間”是指用戶(hù)瀏覽某個(gè)頁(yè)面所花費的平均時(shí)間。如果我發(fā)現有一個(gè)頁(yè)面的“頁(yè)面平均時(shí)間”很低，這可能意味著(zhù)該頁(yè)面沒(méi)有引起用戶(hù)足夠的注意。從另一反面來(lái)看，如果用戶(hù)在一個(gè)結賬頁(yè)面停留很久，那么可能是因為該頁(yè)面過(guò)于復雜了。當然，所有的參數都必須放在具體的情境下分析；如果一個(gè)博客文章有一個(gè)很高的“頁(yè)面平均時(shí)間”，那么總體來(lái)說(shuō)是一個(gè)好的現象，因為這可能意味著(zhù)用戶(hù)真的在閱讀整篇文章。
另外一個(gè)衡量頁(yè)面表現的非常好的方式是利用“與網(wǎng)站平均數比較”的選項。這個(gè)圖會(huì )顯示某些頁(yè)面在某個(gè)參數上是不是在很大程度上高于或者低于平均值。雖然這些頁(yè)面仍然需要一頁(yè)一頁(yè)地分析，因為不同的頁(yè)面有用不同的目標，但是低于平均瀏覽時(shí)間的頁(yè)面總體來(lái)說(shuō)可能會(huì )有問(wèn)題，假設目標是為了讓用戶(hù)繼續閱讀的話(huà)。下面的例子清晰地表現出“聯(lián)系（contact）”頁(yè)面相對來(lái)說(shuō)有比平均值更低的瀏覽時(shí)間，然而“博客（blog）”頁(yè)面有高于平均值80%的時(shí)間。
再次強調下，情境是關(guān)鍵。用戶(hù)可能來(lái)到聯(lián)系頁(yè)面來(lái)尋找一個(gè)公司的地址，或者聯(lián)系電話(huà)。如果他們成功地找到了，那么他們就會(huì )離開(kāi)該網(wǎng)站，因此較低的頁(yè)面瀏覽時(shí)間在這里是一個(gè)好的現象，說(shuō)明頁(yè)面很有用。一個(gè)“博客”頁(yè)面是用來(lái)吸引用戶(hù)的注意的，因此一個(gè)高于平均值的時(shí)間可以被看做是一件好事。
“頁(yè)面價(jià)值”是一個(gè)非常重要，但是很少被用到的參數，它可以用來(lái)發(fā)現表現欠佳的頁(yè)面。目標價(jià)值，就如它的名字所示，是一種賦予頁(yè)面直接的貨幣價(jià)值的方式。對于電子商務(wù)網(wǎng)站來(lái)說(shuō)，它納入了各種各樣的交易收入總數和所有類(lèi)型的網(wǎng)頁(yè)的目標價(jià)值——這些參數都需要在谷歌分析中人工設置，才能計算出頁(yè)面價(jià)值。一個(gè)高價(jià)值的頁(yè)面往往顯示出它是一個(gè)重要的頁(yè)面，意味著(zhù)該頁(yè)面值得被納入可用性測試中。
一個(gè)高價(jià)值但是展示出高退出率的頁(yè)面是值得重視和改進(jìn)的。意味著(zhù)這些頁(yè)面讓用戶(hù)在回話(huà)流程的關(guān)鍵位置離開(kāi)了。在下面的的例子中（一個(gè)電子商務(wù)網(wǎng)站），我突出顯示了三個(gè)有著(zhù)類(lèi)似的頁(yè)面價(jià)值的品類(lèi)?？梢郧宄乜吹?，“個(gè)性化化玩具（personalised-toys）”的產(chǎn)品頁(yè)面有一個(gè)相當高的退出率。這說(shuō)明這個(gè)高價(jià)值的頁(yè)面正在讓用戶(hù)“流失”，并且應該在未來(lái)的用戶(hù)體驗設計工作中引起重視。
然而，單獨的某個(gè)頁(yè)面只能展示部分真相?！皟热莘纸M(content grouping)”這個(gè)功能很重要，我們可以利用它來(lái)觀(guān)察網(wǎng)站的某個(gè)部分表現如何。內容分組可以把數據根據用戶(hù)訪(fǎng)問(wèn)的頁(yè)面種類(lèi)來(lái)進(jìn)行分類(lèi)，因此十分必要。我們可以用各種各樣的方式來(lái)分組。比如對于一個(gè)買(mǎi)衣服的網(wǎng)站來(lái)說(shuō)，可以根據不同種類(lèi)的服飾來(lái)分組，看看褲子是不是比襯衫的頁(yè)面價(jià)值要高。
一旦發(fā)現某個(gè)頁(yè)面或者某個(gè)組的頁(yè)面價(jià)值很低，下一步我們要做的就是：找出背后的原因。在上面的例子中，襯衫相對來(lái)說(shuō)有比較低的價(jià)值。我采取的第一步行動(dòng)是，根據我的經(jīng)驗和判斷力，看看在襯衫的頁(yè)面上有沒(méi)有任何明顯的用戶(hù)體驗或者技術(shù)方面的問(wèn)題。做完這個(gè)之后，我會(huì )和真實(shí)的用戶(hù)一起來(lái)測試這些個(gè)頁(yè)面，來(lái)看看為什么會(huì )有這些問(wèn)題——并且尋找那些暗含了修復方式的線(xiàn)索。
內容分組是一個(gè)非常強大的工具，可以讓你看到網(wǎng)站的不同部分的真實(shí)表現。
這只是利用數據分析來(lái)發(fā)現網(wǎng)站問(wèn)題的第一步。在本系列的第二部分中，我們會(huì )著(zhù)眼于如何發(fā)現用戶(hù)流程中的流失點(diǎn)，以及如何把用戶(hù)分類(lèi)來(lái)看到更多的細節信息。
與此同時(shí)，你嘗試著(zhù)利用在本篇文章中學(xué)到的方法來(lái)發(fā)現可能存在的問(wèn)題：
作者：Luke Hay
原標題：An Analytics-First Approach to UX, Part 1，于2015年4月28日發(fā)表在UX Booth的Analytics板塊
原文鏈接：An Analytics-First Approach to UX, Part 1
譯者：陳凌霜 Liz Chen，美國華盛頓大學(xué)以人為中心的設計與工程研究生在讀，現在青蛙設計Frog Design做交互設計實(shí)習。
譯文地址：http://zhuanlan.zhihu.com/lizchen/20116450
聯(lián)系客服
