一步步教你剖析网站数据_满意度调查_物业满意度调查表模板
用户体验，剖析至上
索菲亚【译者注：为了更接地气，以下称为“小红”】正在和她的客户议论可用性测试的项目，她已如饥似渴地要最先了。然则唯一还没有处理的题目是，他们关于测试什么内容和着眼于网站的哪一个部份持有差别的看法。小红的客户对他们的主顾很相识，然则小红具有多年用户体验的研讨履历，没有任何迹象表明小红和她的客户可以杀青一致的看法。因而小红把注重力转向了数据剖析，愿望能深层次地洞悉人们究竟是怎样运用网站的。
可用性测试和数据剖析是一对无敌好搭档，它们让我们更多地相识用户，跟踪我们的目的，处理不测的题目。说到处理题目，数据剖析通知我们哪些页面或许流程正在给用户形成贫苦，哪些范畴须要我们在可用性测试中重点关注。接下来，可用性测试会通知我们为何用户会表现出某些特定的行为。在这二者之上，我们可以为网站具有者供应重点明白、针对用户的发起。
在小红（和许很多多与之相似的用户体验从业人员）的例子中，数据剖析能揭破用户究竟是怎样接见网站的。虽然小红和客户在用户体验或主顾方面的履历可以让他们关于测试什么有了不错的假定，但关于人们是怎样接见网站，数据剖析展现给他们的是越发清楚、无偏见的体式格局。
关于任何愿望经由历程进修一些简朴的东西来读懂数据的人，数据剖析可以协助你：
识别网站上出题目的处所
显现网站关于用户的吸收力
丈量设想上的改良带来的效果
在这两篇系列文章中，我将会诠释怎样应用数据剖析来识别用户有题目的处所，以及网站的哪些处所会从可用性测试中受益最多。本篇文章的重点为——三个识别网站题目的参数：跳出和退出率(bounce and exit rate)，页面均匀时刻(average time on page)和目的代价(page value)。在第二部份，我们会进一步应用这些参数来识别dro off points，然后我们会深切到数据分段(segmentation)来猎取分外的细节信息。
识别题目网页（组）
作为一位自由职业者和用户体验咨询师，我与林林总总差别范畴的网站合作过，其历程异常一致，总是以数据剖析为末尾。最最先我会去识别天天有若干用户接见这个网站，哪一个页面最常常使用。这会给我一个也许的以为，晓得人们是怎样接见这个网站的。然后我会举行下一步：识别潜伏的出题目的范畴，继而晓得我的用户体验发起将会偏重在哪一块。
整体来讲，我会视察三种范例的参数来识别题目所在：
跳出和退出率(Bounce and exit rate)
页面均匀时刻(Average time on page)
目的代价(Page value)
跳出和退出率(Bounce and Exit Rate)
跳出率和退出率是两个可以形成殽杂的参数。跳出率是只接见了网站的一个页面的用户的比例：在一个页面上岸，然则没有去接见任何其他页面就脱离了网站。
【译者注：谷歌官方诠释为“跳出率指单页接见次数（即接见者从进口页脱离网站而未与网页互动的接见次数）所占的百分比”。】
退出率是从一个页面脱离了网站的用户的比例（它包含了那些之前在该网站浏览了其他页面的人）。
【译者注：谷歌官方诠释为“退出百分比指从某个或某组特定网页退出网站的次数所占的百分比”。】
假如我发清楚明了网站的一部份涌现了一个很高的跳出或许退出率，我会做上笔记，以防某些页面的什么东西形成了用户的脱离。一个有着高跳出率的页面可以申明这个页面上的内容不是用户来到这个页面所希冀看到的东西。一个高退出率的页面可以申明这个网页致使了用户在他们想要的流程中半途而废——从另一方面看，假如一个高退出率的页面是流程的末了一页，那末这个高退出率就不再是个题目了。
用谷歌剖析（Google Analytics）中的“加权排序（weighted sort）”会让跳出率越发有效。依据谷歌剖析，“加权排序把百分比数据依据主要水平分列，而不是序号分列”。举个例子，一个页面虽然有着100%的跳出率，但在过去的一个月中，只要一个用户接见，然后脱离了该页面（别的一个更大的题目多是没有任何人接见过这个页面！）。假如一个页面有80%的跳出率，然则是一个在流程中异常症结的肇端页面，那末这个网站可以因而流失了大批的买卖。为了更好地为页面可用性测试做准备，我们必需识别出题目涌现的缘由：是由于没有人接见这个页面，照样每一个接见的人都立时脱离了网站？
页面均匀时刻(Average Time on Page)
“页面均匀时刻”是指用户浏览某个页面所消费的均匀时刻。假如我发明有一个页面的“页面均匀时刻”很低，这可以意味着该页面没有引发用户充足的注重。从另一背面来看，假如用户在一个结账页面停止良久，那末多是由于该页面过于庞杂了。固然，一切的参数都必需放在详细的情境下剖析；假如一个博客文章有一个很高的“页面均匀时刻”，那末整体来讲是一个好的征象，由于这可以意味着用户真的在浏览整篇文章。
别的一个权衡页面表现的异常好的体式格局是应用“与网站均匀数比较”的选项。这个图会显现某些页面在某个参数上是不是是在很大水平上高于或许低于均匀值。虽然这些页面依然须要一页一页地剖析，由于差别的页面有效差别的目的，然则低于均匀浏览时刻的页面整体来讲可以会有题目，假定目的是为了让用户继承浏览的话。下面的例子清楚地表现出“联络（contact）”页面相对来讲有比均匀值更低的浏览时刻，然则“博客（blog）”页面有高于均匀值80%的时刻。
再次强调下，情境是症结。用户可以来到联络页面来寻觅一个公司的地点，或许联络电话。假如他们成功地找到了，那末他们就会脱离该网站，因而较低的页面浏览时刻在这里是一个好的征象，申明页面很有效。一个“博客”页面是用来吸收用户的注重的，因而一个高于均匀值的时刻可以被看作是一件功德。
页面代价(Page value)
“页面代价”是一个异常主要，然则很少被用到的参数，它可以用来发明表现欠佳的页面。目的代价，就如它的名字所示，是一种给予页面直接的钱银代价的体式格局。关于电子商务网站来讲，它归入了林林总总的生意业务收入总数和一切范例的网页的目的代价——这些参数都须要在谷歌剖析中人工设置，才计算出页面代价。一个高代价的页面每每显现出它是一个主要的页面，意味着该页面值得被归入可用性测试中。
一个高代价然则展现出高退出率的页面是值得注重和革新的。意味着这些页面让用户在回话流程的症结位置脱离了。鄙人面的的例子中（一个电子商务网站），我凸起显现了三个有着相似的页面代价的品类。可以清楚地看到，“个性化化玩具（personalised-toys）”的产物页面有一个相称高的退出率。这申明这个高代价的页面正在让用户“流失”，而且应该在将来的用户体验设想事情中引发注重。
然则，零丁的某个页面只能展现部份原形。“内容分组(content grouping)”这个功用很主要，我们可以应用它来视察网站的某个部份表现怎样。内容分组可以把数据依据用户接见的页面品种来举行分类，因而十分必要。我们可以用林林总总的体式格局来分组。比方关于一个买衣服的网站来讲，可以依据差别品种的衣饰来分组，看看裤子是不是是比衬衫的页面代价要高。
一旦发明某个页面或许某个组的页面代价很低，下一步我们要做的就是：找出背地的缘由。在上面的例子中，衬衫相对来讲有比较低的代价。我采用的第一步行为是，依据我的履历和判断力，看看在衬衫的页面上有没有任何显著的用户体验或许手艺方面的题目。做完这个以后，我会和实在的用户一同来测试这些个页面，来看看为何会有这些题目——而且寻觅那些暗含了修复体式格局的线索。
内容分组是一个异常壮大的东西，可以让你看到网站的差别部份的实在表现。
在实践中应用参数
这只是应用数据剖析来发明网站题目的第一步。在本系列的第二部份中，我们会着眼于怎样发明用户流程中的流失点，以及怎样把用户分类来看到更多的细节信息。
与此同时，你尝试着应用在本篇文章中学到的要领来发明可以存在的题目：
调出跳出率，找出那些用户接见而且立时脱离了的页面。
浏览一切页面的退出率，找出在流程的哪些处所用户脱离了网站。
考虑到用户在页面均匀停止时刻的主要性——一个具有着高跳出率的博客页面，同时具有着很长的均匀页面时刻，这是一件功德！
依据页面代价排序，视察页面。页面代价越高，那末就越值得被归入可用性测试，从而终究修复用户在该页面碰到的题目。
在上一个客户的案例中，小红应用数据剖析来发明那些须要举行可用性测试的处所。然则如今为止，小红只发清楚明了网站中值得测试的零丁的页面和页面组。她以为她须要晓得更多的关于最罕见的用户路程（user journey）的信息。她还想越发深切地明白用户，看看差别范例的用户怎样接见网站。为了能举行最好的可用性测试，小红至心想要晓得人们事实上是怎样运用网站的。
简朴来讲，数据剖析是一种用来发明可用性测试最好测试页面的极好的要领。在本系列文章的第一部份，我解说了怎样应用数据剖析来发明网站的题目所在之处。这么做可以让我们更好地明白如今的用户行为，而且协助我们集中力量在将要测试的使命上。
在怎样应用数据剖析来指点可用性测试的这一系列文章的总结部份，我将更细致地讨论怎样经由历程识别用户路程、将用户分类来比较差别的用户组的行为。
识别流失点
晓得用户是怎样在全部网站中流转的可以增添单个页面状况的情境（context）。比方，剖析用户路程中前一个页面的数据可以协助我们识别为何某个特定页面的退出率迥殊高。别的，找出最罕见的用户路程关于经营可用性测试很有优点。可用性测试可依据这些罕见的用户路程来设想，从而确保在测试中用户的行为是和已存在的用户行为是符合的。
谷歌剖析尝试经由历程用户流程图（user flow）和行为流程图（behavior flow）报告来展现用户路程。他们可以比较难浏览，而且常常由于把多个页面组合在了一同而变得很贫苦。这意味着谷歌剖析一般只能把最为广泛的几个页面零丁展现，而把其他的页面组合在一同，显现为“大于100个页面”——这对我们一点协助也没有。下面的截图显现出这类异常范围的信息是怎样让剖析变得难题的：只要几个页面在每一个用户路程的阶段中是零丁被显现的，剩下的页面都被组合在了一同。
只管页面被组合形成了很多题目，花些时刻剖析这些报告依然可以帮我们发明题目地区，依据的是流失率或意想不到的用户路程（比方，我们原本期待的是如许，但用户却走向了另一个方向？）。一旦我们发清楚明了题目地区，我们就可以经营可用性测试，来看看用户在全部路程中是怎样思索的，相识他们为何会有这些贫苦。
在谷歌剖析的用户流程和行为流程报告中，一切的页面用了绿色的矩形来示意，灰色的连接线用来示意页面之间的用户路程。每一个矩形还用赤色示意了流失率的百分比（也就是说用户正脱离网站）。它们可以申明罕见的用户路程，以及用户在哪些处所脱离了网站——也是另一种题目地区的迹象。
下面的例子来自于一个我曾事情过的游览网站。它在主页有一个迥殊显著的搜刮框。
在这个简化了的并加上了笔记的图中，我们可以看到一个可以的题目。用户应用搜刮框来找到某个游览目的地，但以后又从搜刮效果页面回到了主页（别名，弹簧跳（pogo sticking）），申清楚明了搜刮效果对用户来讲不够惬意。这可以归结于很多的来由：可以搜刮功用常常搜不出效果，搜到太多效果，或许太少效果。也可以这个题目和搜刮效果本身无关，而是其他的来由，比方搜刮效果里的旅店的价钱太高了。
数据显现最初的搜刮是让用户不惬意的，这让我决议针对搜刮框来举行一些可用性测试。可用性测试的效果显现，题目的缘由在于搜刮效果太多太泛了，用户被大批的效果淹没了。依据这个测试效果，我发起引入一个多面搜刮体系（faceted search system）：在搜刮效果页面让用户可以依据一些规范来过滤搜刮效果，而不必返回到主页从新搜刮。这个新的搜刮体系让用户可以依据旅店供应的服务装备来过滤他们的搜刮效果；比方是不是有游泳池、健身房和其他的装备，这意味着用户可以发明对他们本身有效的效果。这个设想方案让搜刮后又回到主页的用户数目大幅度下落，让更多的用户进入到他们路程的下一步。
上面的效果显现的是多面搜刮体系被引进一个月后的剖析数据。图中显现出，主页和搜刮效果页面之间的“弹簧跳”征象减少了。虽然依然另有革新的空间，但这个变化发生的主动效应是异常鼓舞人心的。
数据分段，更多的细节
数据分段为视察差别用户的差别行为供应了一个绝佳的体式格局。一个简朴的例子就是比较新用户和回访用户。下面的图来自于一个在线找事情网站，它显现出新用户的数目在该月几乎是持平的，然则回访用户的数目却追随了一个差别的形式：在周末的时刻数目显著下落。
这使我想晓得更多的细节，关于新用户和回访用户的差别点。其他关于这两种差别用户的数据显现出，回访用户倾向于在网站上消费更多的时刻，每段时刻会浏览更多的页面，而且更倾向于请求事情。
依据这个数据我可以做出假定：回访用户更多是真正找事情的人，但新用户接见网站的时刻更随便。因而我引荐网站做一些个性化的设想——看待新用户，展现更多的保证信息，申明该找事情的网站是正当的、值得信任的，而且指导他们简朴疾速地做出行为，比方注册事情提示。看待回访用户，展现更准确、细节的搜刮事情的选项，而且供应信息勉励他们请求事情。
新用户和回访用户差别的行为可以泄漏很多事情，取决于网站的范例。比方，对一个电子商务网站来讲，它显现回到这个网站的人更倾向于下单。假如这是真的话，那末我们可以把重点放到协助第一次接见网站的用户下单。
这类数据分段剖析还可以协助可用性测试的招募。假如在新用户和回访用户之间有显著的行为区分，那末可以最好同时招募已有效户和还没有接见过该网站的用户来举行测试。测试差别的用户范例可以协助诠释为何他们在网站上有判然差别的行为。
除了上说例子中的新用户和回访用户，在谷歌剖析上另有一些现成的数据分段体式格局来协助我们分开数据，包含：
差别的流量泉源——可以用来发明那些经由历程搜刮和链接来到网站的用户的区分。
运用差别装备范例的用户——可以用来比较运用手机、平板和桌面电脑用户的参数。
依据本身的需求来革新分段体式格局也是很好的要领，这可以使分段体式格局可以和全部网站主要的用户及角色更好地符合合。经由历程这类要领，我们可以剖析这些差别的用户群所采用的差别的用户路程，比方，比较已有效户和第一次购置的用户的路程。
数据分段可以被用来视察运用差别装备的用户的路程。依据手平板和桌面电脑来分段可以供应三个差别的行为流程供研讨。这类要领关于发明运用差别装备的用户可以存在的题目迥殊有协助。手机用户的行为流程图可以会在用户流程中显现出一个严重的流失点，但在平板和桌面电脑中却不是题目。这应该引出响应的手机端的可用性测试，重点放在找出手机用户在流程中的该点流失的缘由。
如今该怎样办？
在应用数据剖析识别题目地区后，下一步就是找到为何用户会有这些题目。数据剖析可以供应一些症结的处所，须要我们在可用性测试中迥殊关注，或许拆分出迥殊的测试。作为用户体验的职业人，我们自然则然地想要和我们的用户在一同，在可用性测试中从他们身上学到东西。数据剖析只是协助我们更好地举行测试。
尝试一下——提取一些这里提到的要领，把它们应用到某个项目中。你会惊异地发明，我们居然可以从数据剖析中发明这么多东西。
,
盈海咨询是一家专业的满意度调查公司，2005年成立，我们服务的客户80%以上均为世界500强企业以及行业知名企业；
经过多年的发展，建立了适合中国社会调查的独有调查网络，可提供全方位市场调查跟踪服务。咨询电话：010-86399425