一步步教你分析網(wǎng)站數(shù)據(jù)

可用性測(cè)試和數(shù)據(jù)分析是一對(duì)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?cè)诳捎眯詼y(cè)試中重點(diǎn)關(guān)注。接下來，可用性測(cè)試會(huì)告訴我們?yōu)槭裁从脩魰?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)用戶的建議。

在小紅（和許許多多與之相似的用戶體驗(yàn)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(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(duì)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(shí)別網(wǎng)站上出問題的地方
• 顯露網(wǎng)站對(duì)于用戶的吸引力
• 測(cè)量設(shè)計(jì)上的改善帶來的結(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)分析來識(shí)別用戶有問題的地方，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)站問題的參數(shù)：跳出和退出率(bounce and exit rate)，頁面平均時(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)來識(shí)別drop off points，然后我們會(huì)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(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)建議將會(huì)著重在哪一塊。

總體來說，我會(huì)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(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)。跳出率是只訪問了網(wǎng)站的一個(gè)頁面的用戶的比例：在一個(gè)頁面登陸，但是沒有去訪問任何其他頁面就離開了網(wǎng)站。

【譯者注：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(dòng)的訪問次數(shù)）所占的百分比”?！?/span>

退出率是從一個(gè)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）。

【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)頁退出網(wǎng)站的次數(shù)所占的百分比”?！?/span>

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)有著高跳出率的頁面可能說明這個(gè)頁面上的內(nèi)容不是用戶來到這個(gè)頁面所期望看到的東西。一個(gè)高退出率的頁面可能說明這個(gè)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(gè)高退出率的頁面是流程的最后一頁，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)頁面?。Ｈ绻粋€(gè)頁面有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)頁面，還是每個(gè)訪問的人都馬上離開了網(wǎng)站？

頁面平均時(shí)間(Average Time on Page)

“頁面平均時(shí)間”是指用戶瀏覽某個(gè)頁面所花費(fèi)的平均時(shí)間。如果我發(fā)現(xiàn)有一個(gè)頁面的“頁面平均時(shí)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(gè)結(jié)賬頁面停留很久，那么可能是因?yàn)樵擁撁孢^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。雖然這些頁面仍然需要一頁一頁地分析，因?yàn)椴煌捻撁嬗杏貌煌哪繕?biāo)，但是低于平均瀏覽時(shí)間的頁面總體來說可能會(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。用戶可能來到聯(lián)系頁面來尋找一個(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，因此較低的頁面瀏覽時(shí)間在這里是一個(gè)好的現(xiàn)象，說明頁面很有用。一個(gè)“博客”頁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。

頁面價(jià)值(Page value)

“頁面價(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)欠佳的頁面。目標(biāo)價(jià)值，就如它的名字所示，是一種賦予頁面直接的貨幣價(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)算出頁面價(jià)值。一個(gè)高價(jià)值的頁面往往顯示出它是一個(gè)重要的頁面，意味著該頁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(gè)電子商務(wù)網(wǎng)站），我突出顯示了三個(gè)有著類似的頁面價(jià)值的品類?？梢郧宄乜吹?，“個(gè)性化化玩具（personalised-toys）”的產(chǎn)品頁面有一個(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面價(jià)值要高。

一旦發(fā)現(xiàn)某個(gè)頁面或者某個(gè)組的頁面價(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)。

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。在本系列的第二部分中，我們會(huì)著眼于如何發(fā)現(xiàn)用戶流程中的流失點(diǎn)，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(shí)，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(shí)間的重要性——一個(gè)擁有著高跳出率的博客頁面，同時(shí)擁有著很長的平均頁面時(shí)間，這是一件好事！
• 根據(jù)頁面價(jià)值排序，觀察頁面。頁面價(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)用戶在該頁面遇到的問題。

在上一個(gè)客戶的案例中，小紅利用數(shù)據(jù)分析來發(fā)現(xiàn)那些需要進(jìn)行可用性測(cè)試的地方。然而目前為止，小紅只發(fā)現(xiàn)了網(wǎng)站中值得測(cè)試的單獨(dú)的頁面和頁面組。她覺得她需要知道更多的關(guān)于最常見的用戶行程（user journey）的信息。她還想更加深入地理解用戶，看看不同類型的用戶如何訪問網(wǎng)站。為了能進(jìn)行最佳的可用性測(cè)試，小紅真心想要知道人們事實(shí)上是如何使用網(wǎng)站的。

簡單來說，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)試頁面的極好的方法。在本系列文章的第一部分，我講解了如何利用數(shù)據(jù)分析來發(fā)現(xiàn)網(wǎng)站的問題所在之處。這么做可以讓我們更好地理解目前的用戶行為，并且?guī)椭覀兗辛α吭趯⒁獪y(cè)試的任務(wù)上。

在如何利用數(shù)據(jù)分析來指導(dǎo)可用性測(cè)試的這一系列文章的總結(jié)部分，我將更仔細(xì)地探討如何通過識(shí)別用戶行程、將用戶分類來比較不同的用戶組的行為。

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)頁面狀態(tài)的情境（context）。比如，分析用戶行程中前一個(gè)頁面的數(shù)據(jù)可以幫助我們識(shí)別為什么某個(gè)特定頁面的退出率特別高。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?？捎眯詼y(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)頁面單獨(dú)展示，而把其他的頁面組合在一起，顯示為“大于100個(gè)頁面”——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，剩下的頁面都被組合在了一起。

盡管頁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，所有的頁面用了綠色的矩形來表示，灰色的連接線用來表示頁面之間的用戶行程。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)工作過的旅行網(wǎng)站。它在主頁有一個(gè)特別明顯的搜索框。

在這個(gè)簡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)果頁面回到了主頁（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?？捎眯詼y(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，主頁和搜索結(jié)果頁面之間的“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。

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。

除了上說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：

• 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。
• 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。

現(xiàn)在該怎么辦？

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。、