我們會(huì)發(fā)生各種極有可能出現(xiàn)的混淆，數(shù)據(jù)抽取之后“迷戀”于數(shù)字，腦子里沒(méi)有分析的目標(biāo)，自己的局限影響指標(biāo)選擇......當(dāng)分析數(shù)據(jù)的時(shí)候我們都很容易犯錯(cuò)。不過(guò)，用戶體驗(yàn)團(tuán)隊(duì)需要用戶行為的準(zhǔn)確畫(huà)像，你就要記下分析數(shù)據(jù)(用戶體驗(yàn)分析)時(shí)最常見(jiàn)的幾個(gè)錯(cuò)誤，或者說(shuō)讀數(shù)據(jù)時(shí)幾個(gè)最大的失誤。

這些都與對(duì)用戶行為進(jìn)行錯(cuò)誤的假設(shè)有關(guān)，然后你就會(huì)發(fā)現(xiàn)：

• 較小的數(shù)字通常表示負(fù)面信號(hào)

• 如果數(shù)據(jù)結(jié)果表明有一個(gè)相關(guān)性，那么肯定存在一個(gè)因果關(guān)系·····等等。

現(xiàn)在，允許我向你揭示當(dāng)做統(tǒng)計(jì)說(shuō)明時(shí) 7 個(gè)最常見(jiàn)的錯(cuò)誤。

1. 訪問(wèn)和瀏覽：混淆它們并且過(guò)度依賴它們

不管是不是新手?jǐn)?shù)據(jù)分析師，都會(huì)陷入交替使用這兩個(gè)概念的陷阱：

不同的數(shù)據(jù)分析工具對(duì)同一概念使用不同的術(shù)語(yǔ)，(甚至)在同一工具中都會(huì)使用令人感到模糊的術(shù)語(yǔ)，難怪你會(huì)將瀏覽當(dāng)作訪問(wèn)，反之亦然。

不過(guò)要確保你完全理解術(shù)語(yǔ)，否則你就有以下風(fēng)險(xiǎn)：

• 使用錯(cuò)誤的數(shù)據(jù)做報(bào)告

• 將一些極不準(zhǔn)確的報(bào)告整合在一起

毫不意外定義瀏覽和訪問(wèn)，并一次性地將它們的區(qū)別列出：

瀏覽(頁(yè)面，這是進(jìn)行數(shù)據(jù)解釋時(shí)最常見(jiàn)的錯(cuò)誤。

現(xiàn)在，讓我們?yōu)g覽)是指瀏覽網(wǎng)站上的一個(gè)頁(yè)面，可被追蹤分析代碼所追蹤。

訪問(wèn)(session)是指用戶在特定時(shí)間內(nèi)，在你網(wǎng)站上進(jìn)行的所有動(dòng)作。

現(xiàn)在說(shuō)到瀏覽和訪問(wèn)還有一個(gè)在分析解釋數(shù)據(jù)時(shí)頗為常見(jiàn)的錯(cuò)誤，那就是：過(guò)于依賴瀏覽和訪問(wèn)!

作為 UX 設(shè)計(jì)師，你也許想要將提升訪問(wèn)量和瀏覽量的任務(wù)交給做市場(chǎng)的人。然后集中處理與用戶體驗(yàn)有關(guān)的數(shù)據(jù)。

2. 要有全局觀而不是深挖數(shù)據(jù)

簡(jiǎn)要地瀏覽一下可以獲取的數(shù)據(jù)：

• 快速評(píng)估手頭的數(shù)據(jù)

迅速瀏覽“頭行”數(shù)字

• 這樣只能得到一些網(wǎng)站當(dāng)前的運(yùn)行狀態(tài)，不會(huì)給你任何提升用戶體驗(yàn)的線索。怎樣提高數(shù)據(jù)分析效率呢?

換句話說(shuō)：訪問(wèn)量?jī)H僅是一個(gè)指標(biāo)用來(lái)告訴你有多少人在給定時(shí)間段內(nèi)到達(dá)你的網(wǎng)站，不會(huì)告訴你怎樣鼓勵(lì)這些人瀏覽網(wǎng)頁(yè)。

看到了吧?盡可能使用寬泛的訪問(wèn)數(shù)據(jù)來(lái)分析，并作為用戶體驗(yàn)和網(wǎng)站性能的指標(biāo)是解釋統(tǒng)計(jì)結(jié)果時(shí)的另一個(gè)常見(jiàn)錯(cuò)誤：

作為用戶體驗(yàn)分析師，最好的分析數(shù)據(jù)的方法是對(duì)這些數(shù)據(jù)分析后得到什么結(jié)果有個(gè)概念。這樣你就可以集中分析特定的幾個(gè)與理解用戶行為有關(guān)的指標(biāo)，而不是一股腦扎進(jìn)數(shù)據(jù)的海洋里。

3. 解釋數(shù)據(jù)常見(jiàn)錯(cuò)誤：只看數(shù)字

不把這些數(shù)據(jù)放在它們的背景下，因?yàn)榛�于�?shù)據(jù)背景去解釋數(shù)據(jù)才是合理的，否則你就只是分析一些統(tǒng)計(jì)上的量化數(shù)據(jù)：

“是什么”而不是“為什么”

毫無(wú)疑問(wèn)解釋數(shù)據(jù)時(shí)最常見(jiàn)的誤區(qū)就是：進(jìn)入數(shù)字的“咒語(yǔ)”!

你需要牢記：

• 這些數(shù)據(jù)表示的是真實(shí)用戶的行為

• 一旦將它們的來(lái)源忽略，那數(shù)據(jù)就失去了它們的價(jià)值

• 只有當(dāng)與用戶體檢聯(lián)系在一起解釋時(shí)才能真正體現(xiàn)數(shù)據(jù)價(jià)值

你的網(wǎng)站告訴你的整體用戶體驗(yàn)是什么?

這就是為什么在分析定量和定性數(shù)據(jù)時(shí)經(jīng)常采用的是定量定量性分析方法。用戶研究方法讓你從：

已經(jīng)發(fā)生了什么到為什么訪問(wèn)者在我的網(wǎng)站這么做?

4. 總是認(rèn)為較低數(shù)據(jù)代表壞標(biāo)志

在數(shù)據(jù)分析中另外一個(gè)經(jīng)常犯的錯(cuò)誤就是：經(jīng)常把更低數(shù)值、減少數(shù)據(jù)認(rèn)為是一件壞事。

這里一定要聯(lián)系上下文!把數(shù)據(jù)分析看做一個(gè)三個(gè)階段的過(guò)程，具體如下：

1. 你想在這些數(shù)據(jù)中獲得什么?

2. 哪些數(shù)據(jù)是可以利用的?

3. 它的實(shí)際意義是什么?

讓我們來(lái)看一個(gè)好例子：

在網(wǎng)頁(yè)上花費(fèi)少量時(shí)間可能是好的或壞的。如果我們討論的是你重新設(shè)計(jì)的主頁(yè)，它很可能意味著用戶發(fā)現(xiàn)它的新設(shè)計(jì)更直觀高效。他們可以從你的網(wǎng)站上獲取到他們更感興趣的頁(yè)面。

換句話說(shuō)：在你警告團(tuán)隊(duì)成員網(wǎng)站在走下坡路前，把這些減少的數(shù)字放在上下文中去理解。

5. 忽略用戶劃分

每個(gè)訪問(wèn)者使用你的網(wǎng)站的方式是不同的，如：

• 桌面上

• 移動(dòng)終端中

• 一天中不同的時(shí)間

以及多用戶與網(wǎng)站的交互方法不同。還需要我說(shuō)更多?

當(dāng)解釋定量和定性數(shù)據(jù)時(shí)，不要忽略這些有價(jià)值的因素對(duì)用戶體驗(yàn)的影響。

在你匆忙地做出錯(cuò)誤假設(shè)讀取你的分析數(shù)據(jù)前，把這些數(shù)據(jù)分解成多個(gè)相關(guān)部分。

• 移動(dòng)用戶

• 桌面用戶

• 來(lái)自不同國(guó)家的用戶

• 不同年齡組的用戶等等

用戶群的基礎(chǔ)劃分將定性和定量數(shù)據(jù)轉(zhuǎn)換為相關(guān)部分，更為重要的是：

提供關(guān)于網(wǎng)站上用戶體驗(yàn)關(guān)心區(qū)域的無(wú)價(jià)線索。

假設(shè)網(wǎng)站的轉(zhuǎn)化率為 7%，在你為這個(gè)數(shù)據(jù)過(guò)度興奮前，先拆分一下這個(gè)數(shù)據(jù)。你會(huì)發(fā)現(xiàn)其中 9% 來(lái)自于PC用戶，只有 1% 來(lái)自于移動(dòng)端用戶

就這樣，你就有了線索�，F(xiàn)在你就知道應(yīng)該把你的注意力集中在用戶體驗(yàn)的哪些地方。

6.在分析之前沒(méi)有制定清晰的目標(biāo)

這就如之前說(shuō)過(guò)的，在海量數(shù)據(jù)中混亂。

但如果一開(kāi)始就花費(fèi)時(shí)間定了目標(biāo)，就會(huì)知道從數(shù)據(jù)分析中想獲得的是什么。并且：

• 直接將用戶體驗(yàn)指向那些具體對(duì)象。

• 專注于解釋用戶行為的相關(guān)度量

用通俗的話說(shuō)，如果不知道要到什么地方，又如何知道怎么到達(dá)那個(gè)地方，以及如何提高用戶體驗(yàn)?zāi)?

7 解決通用型(One-Size-Fits-All)報(bào)告設(shè)置

在解釋分析數(shù)據(jù)時(shí)另外一個(gè)常犯的錯(cuò)誤是堅(jiān)持標(biāo)準(zhǔn)報(bào)告設(shè)置，而不是嘗試調(diào)整它，讓它向你傳遞你需要的精準(zhǔn)數(shù)據(jù)：與你網(wǎng)站相關(guān)的數(shù)據(jù) 。

因?yàn)槊總�(gè)網(wǎng)站工作方式不同，你不能期望一個(gè)通用的數(shù)據(jù)分析方法能夠完美地適合所有數(shù)據(jù)，對(duì)嗎 ?

所以你已經(jīng)分析了你的數(shù)據(jù)了：接下來(lái)呢?

讀取你的分析數(shù)據(jù)僅僅是第一步。現(xiàn)在你應(yīng)該：

• 從你的分析數(shù)據(jù)中獲得一些可以采取的行動(dòng)

• 行動(dòng)起來(lái)

是否有可用性測(cè)試來(lái)解釋為什么你的桌面轉(zhuǎn)換率比它的移動(dòng)版本更高?

或許你需要實(shí)現(xiàn)一些用戶研究方法去識(shí)別用戶從他們的移動(dòng)設(shè)備訪問(wèn)網(wǎng)站時(shí)瀏覽的內(nèi)容。

是時(shí)候整理你的數(shù)據(jù)驅(qū)動(dòng)作戰(zhàn)計(jì)劃了!

原文鏈接：https://medium.com/@OPTASY.com/7-common-mistakes-in-interpreting-analytics-data-statistical-pitfalls-for-your-ux-team-to-avoid-b69b699f1737

標(biāo)簽： 代碼 數(shù)據(jù)分析

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。