原文 UX Booth Editorial Team 2016-03-29 看原文點(diǎn)這里
翻譯 云夢(mèng)大澤 2016-10-09 @ 簡(jiǎn)立方

有沒(méi)有一種神奇的方法，可以創(chuàng)造廣受歡迎或者能讓用戶一見(jiàn)鐘情的體驗(yàn)？并沒(méi)有。創(chuàng)造所有人都喜愛(ài)的體驗(yàn)并非我們的目標(biāo)，相反，我們力求創(chuàng)造一種直接服務(wù)于特定人群并讓他們滿意的體驗(yàn)。同樣地，也沒(méi)有一種特定的衡量我們創(chuàng)作成功與否的方法。在這樣的情形下，分析學(xué)就有了用武之地。

如果你無(wú)法衡量它，那么你如何知道它是否是成功或有效的呢？

這就是不斷驅(qū)動(dòng)UX從業(yè)者收集和分析數(shù)據(jù)的原因。通過(guò)線上或線下，我們收集了許多數(shù)據(jù)：如，有多少人點(diǎn)擊了它？他們通過(guò)導(dǎo)航到了哪里？他們什么時(shí)候退出了？以及，他們?cè)趯ふ沂裁?？我們?yīng)用分析學(xué)去衡量我們?cè)O(shè)計(jì)的有效性。這就是說(shuō)，當(dāng)我們看到人們的行動(dòng)時(shí)，我們就可以通過(guò)分析知道設(shè)計(jì)是否與用戶進(jìn)行了良好的交流互動(dòng)，亦或者，設(shè)計(jì)是否很好地傳達(dá)給了用戶。
在這篇入門完全指南中，我們將探討分析學(xué)中一些基本的方法，以及用戶體驗(yàn)測(cè)量與分析中的日常工作和交付物。我們也將列舉一些常用工具、知名會(huì)議和協(xié)會(huì)、相關(guān)書(shū)籍，這些都會(huì)給你很好的幫助。

目錄

• 什么是分析學(xué)？
• 通用方法
• 日常工作和交付物
• 可以關(guān)注的大神
• 常用工具
• 知名會(huì)議和協(xié)會(huì)
• 相關(guān)書(shū)籍

什么是分析學(xué)？

我們都知道，自互聯(lián)網(wǎng)出現(xiàn)以來(lái)，它已經(jīng)深刻地改變了我們，也改變了相關(guān)用戶的行為。從一開(kāi)始的用戶輸入網(wǎng)址到現(xiàn)在的依賴于搜索引擎進(jìn)行搜索，從將所有的注意力放在一個(gè)界面到打開(kāi)、瀏覽多個(gè)標(biāo)簽頁(yè)，所有這一切使得網(wǎng)站或應(yīng)用程序變得更加復(fù)雜。要衡量我們的設(shè)計(jì)，分析師不能僅僅簡(jiǎn)單地測(cè)量網(wǎng)絡(luò)服務(wù)器上的點(diǎn)擊率，他們必須分析用戶的行為。

在收集信息、數(shù)據(jù)時(shí)，研究人員會(huì)根據(jù)情況采用定性或定量方法，或者二者相結(jié)合的方法。定性數(shù)據(jù)通過(guò)用戶研究進(jìn)行收集：觀察人們的行為，了解他們?yōu)槭裁匆瞿承┦虑?；而定量?shù)據(jù)則通過(guò)測(cè)量、分析來(lái)獲得：了解用戶進(jìn)入一個(gè)頁(yè)面時(shí)采取了哪些行動(dòng)，以及有多少用戶采取了這些行動(dòng)。

這種量化的數(shù)據(jù)能讓我們得出一些基準(zhǔn)，這些基準(zhǔn)則可以給我們的設(shè)計(jì)決策提供幫助或啟發(fā)，從而使我們得知設(shè)計(jì)是有效的還是無(wú)效的，是成功的還是失敗的。世間萬(wàn)物皆可測(cè)量，但數(shù)據(jù)的使用通常僅限這些方式：我們用數(shù)據(jù)去描述問(wèn)題，診斷問(wèn)題，給出最優(yōu)方案，預(yù)測(cè)結(jié)果。

• 描述性分析類似于老式的計(jì)數(shù)器。描述性分析可以給出這樣的基本數(shù)據(jù)，比如有多少人訪問(wèn)了一個(gè)網(wǎng)頁(yè)，多少人點(diǎn)擊了這個(gè)按鈕，或有多少人觀看了視頻。
• 診斷分析可能會(huì)使用一些和描述性分析類似的度量指標(biāo)，但卻基于不同的目的。診斷性分析有助于我們了解發(fā)生了什么，以及為什么。例如，如果一個(gè)在線零售商正在賠錢，他們可能會(huì)測(cè)量用戶在各個(gè)使用環(huán)節(jié)中的點(diǎn)擊率和頁(yè)面退出率，從而得知用戶在哪些地方流失掉了。
• 規(guī)則性分析指的是那些幫助用戶得知下一步該做什么的數(shù)據(jù)。例如，假如谷歌地圖收集了上下班高峰期的交通數(shù)據(jù)，它就可以基于這些數(shù)據(jù)給司機(jī)規(guī)劃一個(gè)更好的線路?；蛘弋?dāng)我們要考慮設(shè)計(jì)的有效性時(shí)，規(guī)則性數(shù)據(jù)也可以幫助我們識(shí)別模式，從而給我們未來(lái)的設(shè)計(jì)決策提供啟發(fā)或幫助。
• 預(yù)測(cè)性分析是最后一種類型。它告訴我們?cè)谀骋磺榫持锌赡軙?huì)發(fā)生什么。例如，如果我們使用A / B測(cè)試法測(cè)試一個(gè)網(wǎng)站新版的頂部設(shè)計(jì)，該測(cè)試可以告訴我們哪個(gè)設(shè)計(jì)更容易將客戶留在網(wǎng)站上。如果新版的頂部設(shè)計(jì)比較受歡迎，我們就可以得到這樣的預(yù)測(cè)：如果我們使用了新版的頂部設(shè)計(jì)，網(wǎng)站流量很可能會(huì)增長(zhǎng)。

以上四種類型的分析過(guò)程中都會(huì)使用一些度量指標(biāo)，這些度量指標(biāo)通?；陉P(guān)鍵績(jī)效指標(biāo)（KPI），亦或者或者和KPI相關(guān)。關(guān)鍵績(jī)效指標(biāo)是一個(gè)可測(cè)量的行為或者信號(hào)，它關(guān)乎商業(yè)的成敗。例如，某公司的 Twitter 轉(zhuǎn)發(fā)量不會(huì)直接增加用戶對(duì)該公司的喜愛(ài)或者識(shí)別度，但是營(yíng)銷團(tuán)隊(duì)可以將Twitter轉(zhuǎn)發(fā)量關(guān)聯(lián)到品牌認(rèn)知度，在這種情況下，他們可以使用轉(zhuǎn)發(fā)量作為他們的KPI之一。理想情況下，針對(duì)某一經(jīng)營(yíng)目標(biāo)應(yīng)該有多重KPI，從而增加數(shù)據(jù)的可靠性。

通用方法

雖然分析學(xué)可能令很多設(shè)計(jì)師感到復(fù)雜難懂，但其實(shí)一些基本方法通常簡(jiǎn)單明了、直接明確。大體上，分析學(xué)領(lǐng)域基于這三點(diǎn)：研究、測(cè)量和分析。

研究#####

盡管基于網(wǎng)絡(luò)的分析是一個(gè)相當(dāng)新的領(lǐng)域，但研究領(lǐng)域已經(jīng)有幾百年的歷史了。研究人員橫跨各個(gè)領(lǐng)域，從科學(xué)到營(yíng)銷，再到人類學(xué)，他們使用的分析技術(shù)直接影響分析師的工作方式，以及分析師決定去繼續(xù)追蹤研究的方向。研究人員的工作，特別是當(dāng)與分析學(xué)結(jié)合在一起的時(shí)候，與科學(xué)方法極其類似：

研究人員首先優(yōu)化自己的目標(biāo)或問(wèn)題，以便集中他們的注意力。一旦他們明確了項(xiàng)目目標(biāo)，他們就會(huì)首先提出一個(gè)假設(shè)，然后去檢驗(yàn)這一假設(shè)。接下來(lái)，數(shù)據(jù)分析師可以去測(cè)量研究和測(cè)試的結(jié)果?；谶@些測(cè)量結(jié)果，研究人員和分析師可以識(shí)別、去除出一些離群值，或不能反映整體以及模式的結(jié)果。最終，他們得出結(jié)論，甚至基于他們的分析給出一些預(yù)測(cè)。

測(cè)量#####

仔細(xì)說(shuō)來(lái)，很多指標(biāo)都可以幫助我們了解一個(gè)公司或品牌是否愈來(lái)愈強(qiáng)。營(yíng)銷人員、企業(yè)家、商業(yè)顧問(wèn)都建立了自己的衡量成功的方法。他們可以測(cè)量這些數(shù)據(jù)：用戶數(shù)量、網(wǎng)站的速度、用戶在網(wǎng)站上的停留時(shí)間，以及一些離線細(xì)節(jié)，比如資金款額、新產(chǎn)品關(guān)注量、郵件的訂閱量，或購(gòu)買數(shù)量。

有許多公司只知道測(cè)量而不重視先前的研究和后續(xù)的分析，這種處境相當(dāng)危險(xiǎn)。舉個(gè)例子，你可以去測(cè)量訪問(wèn)該網(wǎng)站的人數(shù)，但如果你沒(méi)有研究之前幾天，幾周，幾月的用戶訪問(wèn)數(shù)量，如果你沒(méi)有兩種數(shù)據(jù)的分析、比較方法，那么你測(cè)量到的數(shù)據(jù)其實(shí)是毫無(wú)意義的。這就是為什么我們經(jīng)常提及數(shù)據(jù)追蹤，而不僅僅是測(cè)量。數(shù)據(jù)追蹤意味著基于研究的持續(xù)測(cè)量，這整個(gè)過(guò)程都包含有分析的意圖。

分析#####

分析是將整塊信息打碎成片段，并檢查每塊片段代表含義的過(guò)程。分析的概念應(yīng)用廣泛，它在數(shù)學(xué)、哲學(xué)、化學(xué)、精神病學(xué)，以及計(jì)算機(jī)科學(xué)中都有使用。如果沒(méi)有分析，所有在研究階段收集到的信息都可以被測(cè)量出來(lái)，但是毫無(wú)意義。分析使我們?cè)谛畔⒅g建立關(guān)聯(lián)。例如，你可能會(huì)研究人們?nèi)绾卧L問(wèn)一個(gè)網(wǎng)站，測(cè)量由搜索引擎進(jìn)入網(wǎng)站的人數(shù)，然后我們可以通過(guò)分析得出相關(guān)背景，以及回答一些基本問(wèn)題，如：有多少人訪問(wèn)過(guò)類似的網(wǎng)站？今天有多少人訪問(wèn)了您的網(wǎng)站，相比于昨天或上周或去年如何？有多少人從谷歌進(jìn)入你的網(wǎng)站，與從Twitter進(jìn)入的數(shù)量相比如何？

這里有一個(gè)有趣的細(xì)節(jié)：“分析”一詞來(lái)自古希臘的?ναλ?ω，意思是“我將它解開(kāi)、拆散”?！胺治觥边@個(gè)詞最早發(fā)現(xiàn)使用于亞里士多德的文章標(biāo)題中，Prior Analytics，這是一篇關(guān)于演繹推理和科學(xué)方法的文章。作為人類，我們都自然地對(duì)分解信息并在邏輯上理解他倍感興趣，這也許就是我們發(fā)現(xiàn)分析極其有價(jià)值的原因之一。

日常工作和交付物##

數(shù)據(jù)分析是許多行業(yè)的必要工作之一，從營(yíng)銷人員到用戶體驗(yàn)從業(yè)者，再到數(shù)據(jù)分析師無(wú)不如此。在本節(jié)中，我們將回顧一些UX從業(yè)者可能會(huì)實(shí)施的分析任務(wù)、工作，以及相關(guān)的交付物。

設(shè)定關(guān)鍵績(jī)效指標(biāo)#####

當(dāng)一個(gè)新的舉措即將啟動(dòng)并實(shí)施時(shí)，分析師需要確定和設(shè)置相關(guān)的關(guān)鍵績(jī)效指標(biāo)。這些KPI都和該項(xiàng)目要達(dá)到的用戶體驗(yàn)?zāi)繕?biāo)密切相關(guān)，這也就是為什么UX從業(yè)者和數(shù)據(jù)分析師一起共同協(xié)作進(jìn)行分析工作是非常有價(jià)值的。關(guān)鍵績(jī)效指標(biāo)，如我們上面所解釋的，是關(guān)聯(lián)到公司或項(xiàng)目目標(biāo)的可測(cè)量的行為或信號(hào)。比如說(shuō)，如果一個(gè)公司的目標(biāo)是成為一個(gè)全球性的公司，他們的一個(gè)KPI就可能是來(lái)自世界各地的用戶訪問(wèn)量，或者是國(guó)外的產(chǎn)品銷售數(shù)量。理想情況下，每個(gè)項(xiàng)目目標(biāo)都應(yīng)該有一個(gè)與之相關(guān)的關(guān)鍵績(jī)效指標(biāo)，這使得我們可以衡量項(xiàng)目成功與否。

優(yōu)化內(nèi)容#####

我們之前一直在集中討論分析學(xué)有關(guān)測(cè)量的部分，還沒(méi)有觸及到這些是如何影響用戶體驗(yàn)的。分析學(xué)告訴我們哪些內(nèi)容或網(wǎng)站的哪些部分需要改進(jìn)，這意味著，分析師往往可以給UX人員提出可最優(yōu)化的建議和方向。這可能包括理解谷歌的搜索算法是如何工作的，如何處理和改進(jìn)元數(shù)據(jù)，哪些關(guān)鍵字最有可能觸及到我們的目標(biāo)受眾，以及許多和貿(mào)易相關(guān)的方便技巧。在頁(yè)面上線或者活動(dòng)啟動(dòng)之前，分析團(tuán)隊(duì)（或個(gè)人）需要審查一切事物，并優(yōu)化所有的內(nèi)容，這使得事情更容易成功。

設(shè)置分析工具#####

一旦確定了關(guān)鍵績(jī)效指標(biāo)，我們就需要添加代碼到相關(guān)網(wǎng)頁(yè)，以跟蹤網(wǎng)站參與度、轉(zhuǎn)換數(shù)據(jù)，以及其他一些指標(biāo)。Google Analytics 是最流行的分析工具之一，它的流行在很大程度上是因?yàn)楣雀枳屗鼧O易在網(wǎng)站上添加跟蹤代碼。有些時(shí)候，追蹤、分析數(shù)據(jù)的任務(wù)由開(kāi)發(fā)團(tuán)隊(duì)承擔(dān)，但在更多的情況下，這些工作由分析師來(lái)承擔(dān)，他們還需要為開(kāi)發(fā)團(tuán)隊(duì)提供所需的相關(guān)代碼片段。

監(jiān)視和測(cè)量#####

維護(hù)是分析工作的重要組成部分。根據(jù)項(xiàng)目的不同，分析師可以創(chuàng)建每日，每周，每月，或雙年度的分析報(bào)告。比如說(shuō)，如果是和社交媒體相關(guān)的活動(dòng)，那么就可能需要每天更新報(bào)告。然而，對(duì)于一個(gè)新產(chǎn)品來(lái)說(shuō)，產(chǎn)品本身的推出就可能需要6個(gè)月的時(shí)間長(zhǎng)度，相應(yīng)的分析報(bào)告也就需要更長(zhǎng)的更新周期。不管時(shí)間段的長(zhǎng)短，分析師通過(guò)不斷地監(jiān)測(cè)、計(jì)量和報(bào)告，逐漸深入并進(jìn)行分析。最后要說(shuō)的是，僅僅報(bào)告KPI是不夠的，分析工作意味著解釋關(guān)鍵績(jī)效指標(biāo)的含義，并根據(jù)對(duì)這些指標(biāo)的理解給UX團(tuán)隊(duì)提出建議。

可以關(guān)注的大神##

分析學(xué)常常讓UX領(lǐng)域中的人們望而卻步，但下面這些人讓分析不再神秘，平易近人且有章可循。他們的文章，講座和播客可以很好地幫助我們提升在網(wǎng)絡(luò)世界分析和使用數(shù)據(jù)的能力。

Annie Cushing

Avinash Kaushik

Gary Angel

Joost de Valk

Luke Hay

Pamela Pavliscak

常用工具##

分析師可以使用許多不同的工具來(lái)完成他們的工作。以下是一些最流行的工具：

Google Analytics

Google Analytics

了解更多關(guān)于 Google Analytics

Moz Pro, from Moz

Moz Pro

了解更多關(guān)于 Moz Pro

Clicktale

Clicktale

該工具軟件相當(dāng)復(fù)雜，它為你的系統(tǒng)提供了很多可優(yōu)化機(jī)會(huì)，并且還提供了定性或定量的數(shù)據(jù)追蹤功能。個(gè)人版最低 9$ 起，企業(yè)版最低 99$ 起，并根據(jù)購(gòu)買數(shù)目最終定價(jià)。

了解更多關(guān)于 ClickTale

KISSmetrics

KISSmetrics

了解更多關(guān)于 KISSmetrics

Crazy Egg

Crazy Egg

了解更多關(guān)于 Crazy Egg

知名協(xié)會(huì)和會(huì)議##

分析學(xué)會(huì)議通常匯集了來(lái)自各個(gè)領(lǐng)域的人。下面這些協(xié)會(huì)或會(huì)議通常涉及有關(guān)數(shù)據(jù)、研究、分析，和網(wǎng)頁(yè)的話題。

All Things Data
All Things Data 雖然沒(méi)有明確的以用戶體驗(yàn)為中心，但你可以在這里學(xué)習(xí)如何收集和使用數(shù)據(jù)。All Things Data 的使命是通過(guò)數(shù)據(jù)分析來(lái)幫助你做出更好的業(yè)務(wù)決策。該協(xié)會(huì)的成員都是來(lái)自知名企業(yè)的專業(yè)人士，他們給參加者提供建設(shè)性意見(jiàn)和信息，從而推動(dòng)公司成長(zhǎng)。
更多信息請(qǐng)?jiān)L問(wèn)：https://www.atdconf.com/

Data Science Conference
該會(huì)議為從事這些領(lǐng)域的專業(yè)人員而成立：數(shù)據(jù)科學(xué)、大數(shù)據(jù)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能，以及預(yù)測(cè)建模。該會(huì)議不允許供應(yīng)商，贊助商，或者招聘人員進(jìn)入，因此你可以全身心的投入交流與討論，不必?fù)?dān)心被打擾！
更多信息請(qǐng)?jiān)L問(wèn)：http://www.meetup.com/

IoT Data Analytics & Visualizations （物聯(lián)網(wǎng)數(shù)據(jù)分析和可視化）
這場(chǎng)大會(huì)致力于討論數(shù)據(jù)可視化和分析的相關(guān)話題，尤其針對(duì)當(dāng)下的物聯(lián)網(wǎng)。該大會(huì)對(duì) CIO 和 CDO（首席信息官和首席數(shù)據(jù)官）是免費(fèi)的，當(dāng)然，它也歡迎任何人參加。該會(huì)議包含了來(lái)自企業(yè)的大量有關(guān)數(shù)據(jù)可視化和分析的實(shí)際案例，參會(huì)者討論這些實(shí)例以提高投資回報(bào)率，并在物聯(lián)網(wǎng)中提升自身公司的價(jià)值。
更多信息請(qǐng)?jiān)L問(wèn)：http://aneventapart.com/

Global Big Data Conferences（全球大數(shù)據(jù)會(huì)議）
Global Big Data Conference 團(tuán)隊(duì)主持著許多以數(shù)據(jù)分析為重點(diǎn)的會(huì)議。這些會(huì)議討論了數(shù)據(jù)管理的不同方面以及數(shù)據(jù)分析的用途。他們充分認(rèn)識(shí)到數(shù)據(jù)分析對(duì)商業(yè)帶來(lái)的競(jìng)爭(zhēng)優(yōu)勢(shì)，這可以幫助企業(yè)提高自己的市場(chǎng)地位，明確受眾群體定位，并進(jìn)行其他業(yè)務(wù)決策。
更多信息請(qǐng)?jiān)L問(wèn)：http://aneventapart.com/

相關(guān)書(shū)籍##

下面這些書(shū)籍可以給你提供很好的指引。此外，你也可以從很多團(tuán)體或個(gè)人的博客中學(xué)習(xí)，如Google Analytics ，Occam’s Razor （Avinash Kaushik），以及 Moz 。

Web Analytics 2.0

Advanced Web Metrics with Google Analytics

Lean Analytics （精益數(shù)據(jù)分析）

Ask, Measure, Learn

The Human Face of Big Data