泰安軟件開發(fā)一步步教你分析網(wǎng)站數(shù)據(jù)

　　泰安軟件開發(fā) 一步步教你分析網(wǎng)站數(shù)據(jù) 　　 用戶體驗，分析至上（一） 　　索菲亞【譯者注：為了更接地氣，以下稱為“小紅”】正在和她的客戶討論可用性測試的項目，她已經(jīng)迫不及待地要開始了。然而唯一尚未解決的問題是，他們對于測試什么內(nèi)容和著眼于網(wǎng)站的哪個部分持有不同的觀點。小紅的客戶對他們的顧客很了解，但是小紅擁有多年用戶體驗的研究經(jīng)驗，沒有任何跡象表明小紅和她的客戶可以達(dá)成一致的意見。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。 　　 　　可用性測試和數(shù)據(jù)分析是一對無敵好搭檔，它們讓我們更多地了解用戶，跟蹤我們的目標(biāo)，解決意外的問題。說到解決問題，數(shù)據(jù)分析告訴我們哪些頁面或者流程正在給用戶造成麻煩，哪些領(lǐng)域需要我們在可用性測試中重點關(guān)注。接下來，可用性測試會告訴我們?yōu)槭裁从脩魰�表現(xiàn)出某些特定的行為。在這兩者之上，我們可以為網(wǎng)站擁有者提供重點明確、針對用戶的建議。 　　 　　在小紅（和許許多多與之相似的用戶體驗從業(yè)人員）的例子中，數(shù)據(jù)分析能揭露用戶到底是怎么訪問網(wǎng)站的。雖然小紅和客戶在用戶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(shè)，但對于人們是如何訪問網(wǎng)站，數(shù)據(jù)分析展示給他們的是更為清晰、無偏見的方式。 　　 　　對于任何希望通過學(xué)習(xí)一些簡單的工具來讀懂?dāng)?shù)據(jù)的人，數(shù)據(jù)分析可以幫助你： 　　 　　識別網(wǎng)站上出問題的地方 　　顯示網(wǎng)站對于用戶的吸引力 　　測量設(shè)計上的改善帶來的結(jié)果 　　在這兩篇系列文章中，我將會解釋如何利用數(shù)據(jù)分析來識別用戶有問題的地方，以及網(wǎng)站的哪些地方會從可用性測試中受益最多。 　　 　　本篇文章的重點為——三個識別網(wǎng)站問題的參數(shù)：跳出和退出率（bounce and exit rate），頁面平均時間（average time on page）和目標(biāo)價值（page value）。 　　 　　在第二部分，我們會進(jìn)一步利用這些參數(shù)來識別drop off points，然后我們會深入到數(shù)據(jù)分段（segmentation）來獲取額外的細(xì)節(jié)信息。 　　 　　辨認(rèn)問題網(wǎng)頁（組） 　　作為一名自由職業(yè)者和用戶體驗咨詢師，我與各種各樣不同領(lǐng)域的網(wǎng)站合作過，其過程非常一致，總是以數(shù)據(jù)分析為開端。最開始我會去辨認(rèn)每天有多少用戶訪問這個網(wǎng)站，哪個頁面最常用。這會給我一個大概的感覺，知道人們是如何訪問這個網(wǎng)站的。然后我會進(jìn)行下一步：辨認(rèn)潛在的出問題的領(lǐng)域，繼而知道我的用戶體驗建議將會著重在哪一塊。 　　 　　總體來說，我會觀察三種類型的參數(shù)來辨認(rèn)問題所在： 　　 　　跳出和退出率（Bounce and exit rate） 　　頁面平均時間（Average time on page） 　　目標(biāo)價值（Page value） 　　跳出和退出率（Bounce and Exit Rate） 　　跳出率和退出率是兩個可能造成混淆的參數(shù)。跳出率是只訪問了網(wǎng)站的一個頁面的用戶的比例：在一個頁面登陸，但是沒有去訪問任何其他頁面就離開了網(wǎng)站�！咀g者注：谷歌官方解釋為“跳出率指單頁訪問次數(shù)（即訪問者從入口頁離開網(wǎng)站而未與網(wǎng)頁互動的訪問次數(shù)）所占的百分比”。】退出率是從一個頁面離開了網(wǎng)站的用戶的比例（它包括了那些之前在該網(wǎng)站瀏覽了其他頁面的人）�！咀g者注：谷歌官方解釋為“退出百分比指從某個或某組特定網(wǎng)頁退出網(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)了一個很高的跳出或者退出率，我會做上筆記，以防某些頁面的什么東西造成了用戶的離開。一個有著高跳出率的頁面可能說明這個頁面上的內(nèi)容不是用戶來到這個頁面所期望看到的東西。一個高退出率的頁面可能說明這個網(wǎng)頁導(dǎo)致了用戶在他們想要的流程中半途而廢——從另一方面看，如果一個高退出率的頁面是流程的最后一頁，那么這個高退出率就不再是個問題了。 　　 　　用谷歌分析（Google Analytics）中的“加權(quán)排序（weighted sort）”會讓跳出率更加有用。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，而不是序號排列”。舉個例子，一個頁面雖然有著100%的跳出率，但在過去的一個月中，只有一個用戶訪問，然后離開了該頁面（另外一個更大的問題可能是沒有任何人訪問過這個頁面！）。如果一個頁面有80%的跳出率，但是是一個在流程中非常關(guān)鍵的起始頁面，那么這個網(wǎng)站可能因此流失了大量的生意。為了更好地為頁面可用性測試做準(zhǔn)備，我們必須辨認(rèn)出問題出現(xiàn)的原因：是因為沒有人訪問這個頁面，還是每個訪問的人都馬上離開了網(wǎng)站？ 　　 　　頁面平均時間（Average Time on Page） 　　“頁面平均時間”是指用戶瀏覽某個頁面所花費的平均時間。如果我發(fā)現(xiàn)有一個頁面的“頁面平均時間”很低，這可能意味著該頁面沒有引起用戶足夠的注意。從另一反面來看，如果用戶在一個結(jié)賬頁面停留很久，那么可能是因為該頁面過于復(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；如果一個博客文章有一個很高的“頁面平均時間”，那么總體來說是一個好的現(xiàn)象，因為這可能意味著用戶真的在閱讀整篇文章。 　　 　　另外一個衡量頁面表現(xiàn)的非常好的方式是利用“與網(wǎng)站平均數(shù)比較”的選項。這個圖會顯示某些頁面在某個參數(shù)上是不是在很大程度上高于或者低于平均值。雖然這些頁面仍然需要一頁一頁地分析，因為不同的頁面有用不同的目標(biāo)，但是低于平均瀏覽時間的頁面總體來說可能會有問題，假設(shè)目標(biāo)是為了讓用戶繼續(xù)閱讀的話。下面的例子清晰地表現(xiàn)出“聯(lián)系（contact）”頁面相對來說有比平均值更低的瀏覽時間，然而“博客（blog）”頁面有高于平均值80%的時間。 　　 　　 　　 　　再次強(qiáng)調(diào)下，情境是關(guān)鍵。用戶可能來到聯(lián)系頁面來尋找一個公司的地址，或者聯(lián)系電話。如果他們成功地找到了，那么他們就會離開該網(wǎng)站，因此較低的頁面瀏覽時間在這里是一個好的現(xiàn)象，說明頁面很有用。一個“博客”頁面是用來吸引用戶的注意的，因此一個高于平均值的時間可以被看做是一件好事。 　　 　　頁面價值（Page value） 　　 　　“頁面價值”是一個非常重要，但是很少被用到的參數(shù)，它可以用來發(fā)現(xiàn)表現(xiàn)欠佳的頁面。目標(biāo)價值，就如它的名字所示，是一種賦予頁面直接的貨幣價值的方式。對于電子商務(wù)網(wǎng)站來說，它納入了各種各樣的交易收入總數(shù)和所有類型的網(wǎng)頁的目標(biāo)價值——這些參數(shù)都需要在谷歌分析中人工設(shè)置，才能計算出頁面價值。一個高價值的頁面往往顯示出它是一個重要的頁面，意味著該頁面值得被納入可用性測試中。 　　 　　一個高價值但是展示出高退出率的頁面是值得重視和改進(jìn)的。意味著這些頁面讓用戶在回話流程的關(guān)鍵位置離開了。在下面的的例子中（一個電子商務(wù)網(wǎng)站），我突出顯示了三個有著類似的頁面價值的品類�？梢郧宄�地看到，“個性化玩具（personalised-toys）”的產(chǎn)品頁面有一個相當(dāng)高的退出率。這說明這個高價值的頁面正在讓用戶“流失”，并且應(yīng)該在未來的用戶體驗設(shè)計工作中引起重視。 　　 　　 　　 　　然而，單獨的某個頁面只能展示部分真相�！皟�(nèi)容分組（content grouping）”這個功能很重要，我們可以利用它來觀察網(wǎng)站的某個部分表現(xiàn)如何。內(nèi)容分組可以把數(shù)據(jù)根據(jù)用戶訪問的頁面種類來進(jìn)行分類，因此十分必要。我們可以用各種各樣的方式來分組。比如對于一個買衣服的網(wǎng)站來說，可以根據(jù)不同種類的服飾來分組，看看褲子是不是比襯衫的頁面價值要高。 　　 　　一旦發(fā)現(xiàn)某個頁面或者某個組的頁面價值很低，下一步我們要做的就是：找出背后的原因。在上面的例子中，襯衫相對來說有比較低的價值。我采取的第一步行動是，根據(jù)我的經(jīng)驗和判斷力，看看在襯衫的頁面上有沒有任何明顯的用戶體驗或者技術(shù)方面的問題。做完這個之后，我會和真實的用戶一起來測試這些個頁面，來看看為什么會有這些問題——并且尋找那些暗含了修復(fù)方式的線索。 　　 　　 　　 　　內(nèi)容分組是一個非常強(qiáng)大的工具，可以讓你看到網(wǎng)站的不同部分的真實表現(xiàn)。 　　 　　在實踐中利用參數(shù) 　　這只是利用數(shù)據(jù)分析來發(fā)現(xiàn)網(wǎng)站問題的第一步。在本系列的第二部分中，我們會著眼于如何發(fā)現(xiàn)用戶流程中的流失點，以及如何把用戶分類來看到更多的細(xì)節(jié)信息。 　　 　　與此同時，你嘗試著利用在本篇文章中學(xué)到的方法來發(fā)現(xiàn)可能存在的問題： 　　 　　調(diào)出跳出率，找出那些用戶訪問并且馬上離開了的頁面。 　　瀏覽所有頁面的退出率，找出在流程的哪些地方用戶離開了網(wǎng)站。 　　考慮到用戶在頁面平均停留時間的重要性——一個擁有著高跳出率的博客頁面，同時擁有著很長的平均頁面時間，這是一件好事！ 　　根據(jù)頁面價值排序，觀察頁面。頁面價值越高，那么就越值得被納入可用性測試，從而最終修復(fù)用戶在該頁面遇到的問題。