泰安軟件開(kāi)發(fā) 一步步教你分析網(wǎng)站數(shù)據(jù) 　　 用戶(hù)體驗(yàn)，分析至上（一） 　　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(cè)試的項(xiàng)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(duì)于測(cè)試什么內(nèi)容和著眼于網(wǎng)站的哪個(gè)部分持有不同的觀點(diǎn)。小紅的客戶(hù)對(duì)他們的顧客很了解，但是小紅擁有多年用戶(hù)體驗(yàn)的研究經(jīng)驗(yàn)，沒(méi)有任何跡象表明小紅和她的客戶(hù)可以達(dá)成一致的意見(jiàn)。于是小紅把注意力轉(zhuǎn)向了數(shù)據(jù)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(cè)試和數(shù)據(jù)分析是一對(duì)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(biāo)，解決意外的問(wèn)題。說(shuō)到解決問(wèn)題，數(shù)據(jù)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?cè)诳捎眯詼y(cè)試中重點(diǎn)關(guān)注。接下來(lái)，可用性測(cè)試會(huì)告訴我們?yōu)槭裁从脩?hù)會(huì)表現(xiàn)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(duì)用戶(hù)的建議。 　　 　　在小紅（和許許多多與之相似的用戶(hù)體驗(yàn)從業(yè)人員）的例子中，數(shù)據(jù)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(yàn)或顧客方面的經(jīng)驗(yàn)可能讓他們對(duì)于測(cè)試什么有了不錯(cuò)的假設(shè)，但對(duì)于人們是如何訪(fǎng)問(wèn)網(wǎng)站，數(shù)據(jù)分析展示給他們的是更為清晰、無(wú)偏見(jiàn)的方式。 　　 　　對(duì)于任何希望通過(guò)學(xué)習(xí)一些簡(jiǎn)單的工具來(lái)讀懂?dāng)?shù)據(jù)的人，數(shù)據(jù)分析可以幫助你： 　　 　　識(shí)別網(wǎng)站上出問(wèn)題的地方 　　顯示網(wǎng)站對(duì)于用戶(hù)的吸引力 　　測(cè)量設(shè)計(jì)上的改善帶來(lái)的結(jié)果 　　在這兩篇系列文章中，我將會(huì)解釋如何利用數(shù)據(jù)分析來(lái)識(shí)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(cè)試中受益最多。 　　 　　本篇文章的重點(diǎn)為——三個(gè)識(shí)別網(wǎng)站問(wèn)題的參數(shù)：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(biāo)價(jià)值（page value）。 　　 　　在第二部分，我們會(huì)進(jìn)一步利用這些參數(shù)來(lái)識(shí)別drop off points，然后我們會(huì)深入到數(shù)據(jù)分段（segmentation）來(lái)獲取額外的細(xì)節(jié)信息。 　　 　　辨認(rèn)問(wèn)題網(wǎng)頁(yè)（組） 　　作為一名自由職業(yè)者和用戶(hù)體驗(yàn)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(shù)據(jù)分析為開(kāi)端。最開(kāi)始我會(huì)去辨認(rèn)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(rèn)潛在的出問(wèn)題的領(lǐng)域，繼而知道我的用戶(hù)體驗(yàn)建議將會(huì)著重在哪一塊。 　　 　　總體來(lái)說(shuō)，我會(huì)觀察三種類(lèi)型的參數(shù)來(lái)辨認(rèn)問(wèn)題所在： 　　 　　跳出和退出率（Bounce and exit rate） 　　頁(yè)面平均時(shí)間（Average time on page） 　　目標(biāo)價(jià)值（Page value） 　　跳出和退出率（Bounce and Exit Rate） 　　跳出率和退出率是兩個(gè)可能造成混淆的參數(shù)。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。【譯者注：谷歌官方解釋為“跳出率指單頁(yè)訪(fǎng)問(wèn)次數(shù)（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(shù)）所占的百分比”。】退出率是從一個(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）。【譯者注：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(shù)所占的百分比”。】 　　 　　如果我發(fā)現(xiàn)了網(wǎng)站的一部分出現(xiàn)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)有著高跳出率的頁(yè)面可能說(shuō)明這個(gè)頁(yè)面上的內(nèi)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(dǎo)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(quán)排序（weighted sort）”會(huì)讓跳出率更加有用。根據(jù)谷歌分析，“加權(quán)排序把百分比數(shù)據(jù)根據(jù)重要程度排列，而不是序號(hào)排列”。舉個(gè)例子，一個(gè)頁(yè)面雖然有著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(cè)試做準(zhǔn)備，我們必須辨認(rèn)出問(wèn)題出現(xiàn)的原因：是因?yàn)闆](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（Average Time on Page） 　　“頁(yè)面平均時(shí)間”是指用戶(hù)瀏覽某個(gè)頁(yè)面所花費(fèi)的平均時(shí)間。如果我發(fā)現(xiàn)有一個(gè)頁(yè)面的“頁(yè)面平均時(shí)間”很低，這可能意味著該頁(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(jié)賬頁(yè)面停留很久，那么可能是因?yàn)樵擁?yè)面過(guò)于復(fù)雜了。當(dāng)然，所有的參數(shù)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(xiàn)象，因?yàn)檫@可能意味著用戶(hù)真的在閱讀整篇文章。 　　 　　另外一個(gè)衡量頁(yè)面表現(xiàn)的非常好的方式是利用“與網(wǎng)站平均數(shù)比較”的選項(xiàng)。這個(gè)圖會(huì)顯示某些頁(yè)面在某個(gè)參數(shù)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?yàn)椴煌�的�?yè)面有用不同的目標(biāo)，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(shè)目標(biāo)是為了讓用戶(hù)繼續(xù)閱讀的話(huà)。下面的例子清晰地表現(xiàn)出“聯(lián)系（contact）”頁(yè)面相對(duì)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(qiáng)調(diào)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(xiàn)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（Page value） 　　 　　“頁(yè)面價(jià)值”是一個(gè)非常重要，但是很少被用到的參數(shù)，它可以用來(lái)發(fā)現(xiàn)表現(xiàn)欠佳的頁(yè)面。目標(biāo)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(duì)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(shù)和所有類(lèi)型的網(wǎng)頁(yè)的目標(biāo)價(jià)值——這些參數(shù)都需要在谷歌分析中人工設(shè)置，才能計(jì)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，意味著該頁(yè)面值得被納入可用性測(cè)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)有著類(lèi)似的頁(yè)面價(jià)值的品類(lèi)。可以清楚地看到，“個(gè)性化玩具（personalised-toys）”的產(chǎn)品頁(yè)面有一個(gè)相當(dāng)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(yīng)該在未來(lái)的用戶(hù)體驗(yàn)設(shè)計(jì)工作中引起重視。 　　 　　 　　 　　然而，單獨(dú)的某個(gè)頁(yè)面只能展示部分真相。“內(nèi)容分組（content grouping）”這個(gè)功能很重要，我們可以利用它來(lái)觀察網(wǎng)站的某個(gè)部分表現(xiàn)如何。內(nèi)容分組可以把數(shù)據(jù)根據(jù)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(duì)于一個(gè)買(mǎi)衣服的網(wǎng)站來(lái)說(shuō)，可以根據(jù)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(xiàn)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(duì)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(jù)我的經(jīng)驗(yàn)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(yàn)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(cè)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(fù)方式的線(xiàn)索。 　　 　　 　　 　　內(nèi)容分組是一個(gè)非常強(qiáng)大的工具，可以讓你看到網(wǎng)站的不同部分的真實(shí)表現(xiàn)。 　　 　　在實(shí)踐中利用參數(shù) 　　這只是利用數(shù)據(jù)分析來(lái)發(fā)現(xiàn)網(wǎng)站問(wèn)題的第一步。在本系列的第二部分中，我們會(huì)著眼于如何發(fā)現(xiàn)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(xì)節(jié)信息。 　　 　　與此同時(shí)，你嘗試著利用在本篇文章中學(xué)到的方法來(lái)發(fā)現(xiàn)可能存在的問(wèn)題： 　　 　　調(diào)出跳出率，找出那些用戶(hù)訪(fǎng)問(wèn)并且馬上離開(kāi)了的頁(yè)面。 　　瀏覽所有頁(yè)面的退出率，找出在流程的哪些地方用戶(hù)離開(kāi)了網(wǎng)站。 　　考慮到用戶(hù)在頁(yè)面平均停留時(shí)間的重要性——一個(gè)擁有著高跳出率的博客頁(yè)面，同時(shí)擁有著很長(zhǎng)的平均頁(yè)面時(shí)間，這是一件好事！ 　　根據(jù)頁(yè)面價(jià)值排序，觀察頁(yè)面。頁(yè)面價(jià)值越高，那么就越值得被納入可用性測(cè)試，從而最終修復(fù)用戶(hù)在該頁(yè)面遇到的問(wèn)題。