一步步教你分析網(wǎng)站數(shù)據(jù)

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，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憩F(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數(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
• 顯露網(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)和目標價值(page value)。在第二部分，我們會進一步利用這些參數(shù)來識別drop off points，然后我們會深入到數(shù)據(jù)分段(segmentation)來獲取額外的細節(jié)信息。

辨認問題網(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。然后我會進行下一步：辨認潛在的出問題的領(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。

【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)頁互動的訪問次數(shù)）所占的百分比”?！?/span>

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）。

【譯者注：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”?！?/span>

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備，我們必須辨認出問題出現(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，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乜吹剑皞€性化化玩具（personalised-toys）”的產(chǎn)品頁面有一個相當高的退出率。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。

在上一個客戶的案例中，小紅利用數(shù)據(jù)分析來發(fā)現(xiàn)那些需要進行可用性測試的地方。然而目前為止，小紅只發(fā)現(xiàn)了網(wǎng)站中值得測試的單獨的頁面和頁面組。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。為了能進行最佳的可用性測試，小紅真心想要知道人們事實上是如何使用網(wǎng)站的。

簡單來說，數(shù)據(jù)分析是一種用來發(fā)現(xiàn)可用性測試最佳測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)可用性測試的這一系列文章的總結(jié)部分，我將更仔細地探討如何通過識別用戶行程、將用戶分類來比較不同的用戶組的行為。

識別流失點

知道用戶是如何在整個網(wǎng)站中流轉(zhuǎn)的可以增加單個頁面狀態(tài)的情境（context）。比如，分析用戶行程中前一個頁面的數(shù)據(jù)可以幫助我們識別為什么某個特定頁面的退出率特別高。另外，找出最常見的用戶行程對于謀劃可用性測試很有好處?？捎眯詼y試可根據(jù)這些常見的用戶行程來設(shè)計，從而確保在測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）報告來展示用戶行程。他們可能比較難閱讀，并且經(jīng)常因為把多個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頁面單獨展示，而把其他的頁面組合在一起，顯示為“大于100個頁面”——這對我們一點幫助也沒有。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：只有幾個頁面在每個用戶行程的階段中是單獨被顯示的，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，花些時間分析這些報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試，來看看用戶在整個行程中是如何思考的，了解他們?yōu)槭裁磿羞@些麻煩。

在谷歌分析的用戶流程和行為流程報告中，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我曾經(jīng)工作過的旅行網(wǎng)站。它在主頁有一個特別明顯的搜索框。

在這個簡化了的并加上了筆記的圖中，我們可以看到一個可能的問題。用戶利用搜索框來找到某個旅行目的地，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，這讓我決定針對搜索框來進行一些可用性測試?？捎眯詼y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)這個測試結(jié)果，我建議引入一個多面搜索系統(tǒng)（faceted search system）：在搜索結(jié)果頁面讓用戶可以根據(jù)一些標準來過濾搜索結(jié)果，而不用返回到主頁重新搜索。這個新的搜索系統(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)對他們自身有用的結(jié)果。這個設(shè)計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)被引進一個月后的分析數(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。雖然仍然還有改進的空間，但這個變化產(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絕佳的方式。一個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)量卻跟隨了一個不同的模式：在周末的時候數(shù)量明顯下降。

這使我想知道更多的細節(jié)，關(guān)于新用戶和回訪用戶的不同點。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)站上花費更多的時間，每段時間會瀏覽更多的頁面，并且更傾向于申請工作。

根據(jù)這個數(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)站的時候更隨意。因此我推薦網(wǎng)站做一些個性化的設(shè)計——對待新用戶，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，比如注冊工作提醒。對待回訪用戶，展示更精確、細節(jié)的搜索工作的選項，并且提供信息鼓勵他們申請工作。

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，對一個電子商務(wù)網(wǎng)站來說，它顯示回到這個網(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，那么可能最好同時招募已有用戶和尚未訪問過該網(wǎng)站的用戶來進行測試。測試不同的用戶類型可以幫助解釋為什么他們在網(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、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不同的行為流程供研究。這種方法對于發(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。手機用戶的行為流程圖可能會在用戶流程中顯示出一個重大的流失點，但在平板和桌面電腦中卻不是問題。這應(yīng)當引出相應(yīng)的手機端的可用性測試，重點放在找出手機用戶在流程中的該點流失的原因。

現(xiàn)在該怎么辦？

在利用數(shù)據(jù)分析識別問題區(qū)域后，下一步就是找到為什么用戶會有這些問題。數(shù)據(jù)分析能夠提供一些關(guān)鍵的地方，需要我們在可用性測試中特別關(guān)注，或者拆分出特別的測試。作為用戶體驗的職業(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行測試。

嘗試一下——提取一些這里提到的方法，把它們應(yīng)用到某個項目中。你會驚奇地發(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。、