簡(jiǎn)單來說，網(wǎng)站的數(shù)據(jù)分析是一種用來發(fā)現(xiàn)可用性測(cè)試最佳測(cè)試頁(yè)面的極好的方法，于是很多專業(yè)的站長(zhǎng)會(huì)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。
作為一名專業(yè)的站長(zhǎng)和用戶體驗(yàn)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(huì)去辨認(rèn)每天有多少用戶訪問這個(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，知道人們是如何訪問這個(gè)網(wǎng)站的。
然后我會(huì)進(jìn)行下一步，辨認(rèn)潛在的出問題的領(lǐng)域，繼而知道我的用戶體驗(yàn)將會(huì)著重在哪一塊，總體來說，我會(huì)觀察以下幾種類型的參數(shù)來辨認(rèn)問題所在。
1、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)，跳出率是只訪問了網(wǎng)站的一個(gè)頁(yè)面的用戶的比例：在一個(gè)頁(yè)面登陸，但是沒有去訪問任何其他頁(yè)面就離開了網(wǎng)站；谷歌官方解釋為“跳出率指單頁(yè)訪問次數(shù)（即訪問者從入口頁(yè)離開網(wǎng)站而未與網(wǎng)頁(yè)互動(dòng)的訪問次數(shù)）所占的百分比”。
退出率是從一個(gè)頁(yè)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(yè)面的人）；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的離開，一個(gè)有著高跳出率的頁(yè)面可能說明這個(gè)頁(yè)面上的內(nèi)容不是用戶來到這個(gè)頁(yè)面所期望看到的東西。
一個(gè)高退出率的頁(yè)面可能說明這個(gè)網(wǎng)頁(yè)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(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，但在過去的一個(gè)月中，只有一個(gè)用戶訪問，然后離開了該頁(yè)面（另外一個(gè)更大的問題可能是沒有任何人訪問過這個(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)出問題出現(xiàn)的原因：是因?yàn)闆]有人訪問這個(gè)頁(yè)面，還是每個(gè)訪問的人都馬上離開了網(wǎng)站？
2、頁(yè)面平均時(shí)間（Average Time on Page）
“頁(yè)面平均時(shí)間”是指用戶瀏覽某個(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)面沒有引起用戶足夠的注意。
從另一反面來看，如果用戶在一個(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”，那么總體來說是一個(gè)好的現(xiàn)象，因?yàn)檫@可能意味著用戶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)椴煌捻?yè)面有用不同的目標(biāo)，但是低于平均瀏覽時(shí)間的頁(yè)面總體來說可能會(huì)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(yè)面相對(duì)來說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。
在此再次強(qiáng)調(diào)下，情境是關(guān)鍵，用戶可能來到聯(lián)系頁(yè)面來尋找一個(gè)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(huì)離開該網(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，說明頁(yè)面很有用，一個(gè)“博客”頁(yè)面是用來吸引用戶的注意的，因此一個(gè)高于平均值的時(shí)間可以被看做是一件好事。
3、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(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)面讓用戶在回話流程的關(guān)鍵位置離開了，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)有著類似的頁(yè)面價(jià)值的品類，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，這說明這個(gè)高價(jià)值的頁(yè)面正在讓用戶“流失”，并且應(yīng)該在未來的用戶體驗(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)用戶訪問的頁(yè)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(duì)于一個(gè)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(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)來說有比較低的價(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)面上有沒有任何明顯的用戶體驗(yàn)或者技術(shù)方面的問題，做完這個(gè)之后，我會(huì)和真實(shí)的用戶一起來測(cè)試這些個(gè)頁(yè)面，來看看為什么會(huì)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(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)。
4、識(shí)別流失點(diǎn)
知道用戶是如何在整個(gè)網(wǎng)站中流轉(zhuǎn)的可以增加單個(gè)頁(yè)面狀態(tài)的情境（context），比如，分析用戶行程中前一個(gè)頁(yè)面的數(shù)據(jù)可以幫助我們識(shí)別為什么某個(gè)特定頁(yè)面的退出率特別高。
另外，找出最常見的用戶行程對(duì)于謀劃可用性測(cè)試很有好處，可用性測(cè)試可根據(jù)這些常見的用戶行程來設(shè)計(jì)，從而確保在測(cè)試中用戶的行為是和已經(jīng)存在的用戶行為是相符的。
谷歌分析嘗試通過用戶流程圖（user flow）和行為流程圖（behavior flow）報(bào)告來展示用戶行程，他們可能比較難閱讀，并且經(jīng)常因?yàn)榘讯鄠€(gè)頁(yè)面組合在了一起而變得很麻煩，這意味著谷歌分析通常只能把最為普遍的幾個(gè)頁(yè)面單獨(dú)展示，而把其他的頁(yè)面組合在一起，顯示為“大于100個(gè)頁(yè)面”——這對(duì)我們一點(diǎn)幫助也沒有。
下面的截圖顯示出這種非常局限的信息是如何讓分析變得困難的：只有幾個(gè)頁(yè)面在每個(gè)用戶行程的階段中是單獨(dú)被顯示的，剩下的頁(yè)面都被組合在了一起。
盡管頁(yè)面被組合造成了很多問題，花些時(shí)間分析這些報(bào)告仍然可以幫我們發(fā)現(xiàn)問題區(qū)域，根據(jù)的是流失率或意想不到的用戶行程（比如，我們本來期待的是這樣，但用戶卻走向了另一個(gè)方向？），一旦我們發(fā)現(xiàn)了問題區(qū)域，我們就可以謀劃可用性測(cè)試，來看看用戶在整個(gè)行程中是如何思考的，了解他們?yōu)槭裁磿?huì)有這些麻煩。
在谷歌分析的用戶流程和行為流程報(bào)告中，所有的頁(yè)面用了綠色的矩形來表示，灰色的連接線用來表示頁(yè)面之間的用戶行程，每個(gè)矩形還用紅色表示了流失率的百分比（也就是說用戶正離開網(wǎng)站），它們可以說明常見的用戶行程，以及用戶在哪些地方離開了網(wǎng)站——也是另一種問題區(qū)域的跡象。
下面的例子來自于一個(gè)我曾經(jīng)工作過的網(wǎng)站，它在主頁(yè)有一個(gè)特別明顯的搜索框。
在這個(gè)簡(jiǎn)化了的并加上了筆記的圖中，我們可以看到一個(gè)可能的問題，用戶利用搜索框來找到某個(gè)旅行目的地，但之后又從搜索結(jié)果頁(yè)面回到了主頁(yè)（又名，彈簧跳（pogo sticking）），說明了搜索結(jié)果對(duì)用戶來說不夠滿意。這可能歸結(jié)于許多的理由：可能搜索功能經(jīng)常搜不出結(jié)果，搜到太多結(jié)果，或者太少結(jié)果，也可能這個(gè)問題和搜索結(jié)果本身無關(guān)，而是其他的理由，比如搜索結(jié)果里的酒店的價(jià)格太高了。
數(shù)據(jù)顯示最初的搜索是讓用戶不滿意的，這讓我決定針對(duì)搜索框來進(jìn)行一些可用性測(cè)試，可用性測(cè)試的結(jié)果顯示，問題的原因在于搜索結(jié)果太多太泛了，用戶被大量的結(jié)果淹沒了，根據(jù)這個(gè)測(cè)試結(jié)果，我建議引入一個(gè)多面搜索系統(tǒng)（faceted search system）：
在搜索結(jié)果頁(yè)面讓用戶可以根據(jù)一些標(biāo)準(zhǔn)來過濾搜索結(jié)果，而不用返回到主頁(yè)重新搜索，這個(gè)新的搜索系統(tǒng)讓用戶可以根據(jù)酒店提供的服務(wù)設(shè)施來過濾他們的搜索結(jié)果；比如是否有游泳池、健身房和其他的設(shè)施，這意味著用戶可以發(fā)現(xiàn)對(duì)他們自身有用的結(jié)果，這個(gè)設(shè)計(jì)方案讓搜索后又回到主頁(yè)的用戶數(shù)量大幅度下降，讓更多的用戶進(jìn)入到他們行程的下一步。
上面的結(jié)果顯示的是多面搜索系統(tǒng)被引進(jìn)一個(gè)月后的分析數(shù)據(jù)。圖中顯示出，主頁(yè)和搜索結(jié)果頁(yè)面之間的“彈簧跳”現(xiàn)象減少了。雖然仍然還有改進(jìn)的空間，但這個(gè)變化產(chǎn)生的積極效應(yīng)是非常鼓舞人心的。
5、在實(shí)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，與此同時(shí)，你需要嘗試著來發(fā)現(xiàn)可能存在的問題，比如：
（1）、調(diào)整跳出率，找出那些用戶訪問并且馬上離開了的頁(yè)面。
（2）、瀏覽所有頁(yè)面的退出率，找出在流程的哪些地方用戶離開了網(wǎng)站。
（3）、考慮到用戶在頁(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！
（4）、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)用戶在該頁(yè)面遇到的問題。
6、數(shù)據(jù)分段，更多的細(xì)節(jié)
數(shù)據(jù)分段為觀察不同用戶的不同行為提供了一個(gè)絕佳的方式，一個(gè)簡(jiǎn)單的例子就是比較新用戶和回訪用戶，下面的圖來自于一個(gè)在線找工作網(wǎng)站，它顯示出新用戶的數(shù)量在該月幾乎是持平的，然而回訪用戶的數(shù)量卻跟隨了一個(gè)不同的模式：在周末的時(shí)候數(shù)量明顯下降。
這使我想知道更多的細(xì)節(jié)，關(guān)于新用戶和回訪用戶的不同點(diǎn)，其他關(guān)于這兩種不同用戶的數(shù)據(jù)顯示出，回訪用戶傾向于在網(wǎng)站上花費(fèi)更多的時(shí)間，每段時(shí)間會(huì)瀏覽更多的頁(yè)面，并且更傾向于申請(qǐng)工作。
根據(jù)這個(gè)數(shù)據(jù)我可以做出假設(shè)：回訪用戶更可能是真正找工作的人，但新用戶訪問網(wǎng)站的時(shí)候更隨意，因此我推薦網(wǎng)站做一些個(gè)性化的設(shè)計(jì)——對(duì)待新用戶，展示更多的保證信息，說明該找工作的網(wǎng)站是合法的、值得信賴的，并且引導(dǎo)他們簡(jiǎn)單快速地做出行動(dòng)，比如注冊(cè)工作提醒，對(duì)待回訪用戶，展示更精確、細(xì)節(jié)的搜索工作的選項(xiàng)，并且提供信息鼓勵(lì)他們申請(qǐng)工作。
新用戶和回訪用戶不同的行為可以透露許多事情，取決于網(wǎng)站的類型，比如，對(duì)一個(gè)電子商務(wù)網(wǎng)站來說，它顯示回到這個(gè)網(wǎng)站的人更傾向于下單，如果這是真的話，那么我們可以把重點(diǎn)放到幫助第一次訪問網(wǎng)站的用戶下單。
這種數(shù)據(jù)分段分析還可以幫助可用性測(cè)試的招募，如果在新用戶和回訪用戶之間有明顯的行為區(qū)別，那么可能最好同時(shí)招募已有用戶和尚未訪問過該網(wǎng)站的用戶來進(jìn)行測(cè)試，測(cè)試不同的用戶類型可以幫助解釋為什么他們?cè)诰W(wǎng)站上有迥然不同的行為。
除了上面例子中的新用戶和回訪用戶，在谷歌分析上還有一些現(xiàn)成的數(shù)據(jù)分段方式來幫助我們分隔數(shù)據(jù)，包括：
（1）、不同的流量來源——可以用來發(fā)現(xiàn)那些通過搜索和鏈接來到網(wǎng)站的用戶的區(qū)別。
（2）、使用不同設(shè)備類型的用戶——可以用來比較使用手機(jī)、平板和桌面電腦用戶的參數(shù)。
根據(jù)自己的需求來改造分段方式也是很好的方法，這可以使分段方式可以和整個(gè)網(wǎng)站重要的用戶及角色更好地相符合，通過這種方法，我們可以分析這些不同的用戶群所采取的不同的用戶行程，例如，比較已有用戶和第一次購(gòu)買的用戶的行程。
數(shù)據(jù)分段可以被用來觀察使用不同設(shè)備的用戶的行程，根據(jù)手平板和桌面電腦來分段可以提供三個(gè)不同的行為流程供研究，這種方法對(duì)于發(fā)現(xiàn)使用不同設(shè)備的用戶可能存在的問題特別有幫助，手機(jī)用戶的行為流程圖可能會(huì)在用戶流程中顯示出一個(gè)重大的流失點(diǎn)，但在平板和桌面電腦中卻不是問題，這應(yīng)當(dāng)引出相應(yīng)的手機(jī)端的可用性測(cè)試，重點(diǎn)放在找出手機(jī)用戶在流程中的該點(diǎn)流失的原因。
點(diǎn)評(píng)：
在利用數(shù)據(jù)分析識(shí)別問題區(qū)域后，下一步就是找到為什么用戶會(huì)有這些問題，數(shù)據(jù)分析能夠提供一些關(guān)鍵的地方，需要我們?cè)诳捎眯詼y(cè)試中特別關(guān)注，或者拆分出特別的測(cè)試，作為用戶體驗(yàn)的職業(yè)人，我們自然而然地想要和我們的用戶在一起，在可用性測(cè)試中從他們身上學(xué)到東西，數(shù)據(jù)分析只是幫助我們更好地進(jìn)行測(cè)試。
嘗試一下，提取一些這里提到的方法，把它們應(yīng)用到某個(gè)項(xiàng)目中，你會(huì)驚奇地發(fā)現(xiàn)，我們竟然可以從數(shù)據(jù)分析中發(fā)現(xiàn)這么多東西。
本文由馬海祥整理發(fā)布，原文地址：http://www.mahaixiang.cn/wzyy/1299.html
轉(zhuǎn)載請(qǐng)注明：?蝸牛SEO? ? 談?wù)剣?guó)外的站長(zhǎng)們是怎么分析用戶體驗(yàn)的
