深层次地洞悉，人们是如何使用网站的？

她迫不及待地想和她的客户讨论可用性测试的项目。然而，唯一尚未解决的问题是，他们对测试什么内容以及关注网站的哪一部分有不同的看法。小红的客户非常了解他们的客户，但小红有多年的用户体验研究经验，没有迹象表明小红和她的客户可以达成协议。所以小红把注意力转向了数据分析，希望能深入了解人们是如何使用网站的。可用性测试和数据分析是一对不可战胜的合作伙伴，它们让我们更多地了解用户，跟踪我们的目标，解决意想不到的问题。说到解决问题，数据分析告诉我们哪些页面或过程给用户带来麻烦，哪些领域需要我们关注可用性测试。接下来，可用性测试将告诉我们为什么用户会表现出一些特定的行为。在这两者之上，我们可以为网站所有者提供关键和明确的建议。在小红(和很多类似的用户体验从业者)的例子中，数据分析可以揭示用户是如何访问网站的。虽然小红和客户在用户体验或客户体验方面的经验可能会给他们一个很好的假设来测试什么，但数据分析向他们展示了更清晰、更无偏见的方式，以便人们如何访问网站。对于任何想通过学习一些简单的工具来阅读数据的人来说，数据分析可以帮助你识别网站上的问题，并显示网站对用户吸引力测量设计的改进。在这两篇系列文章中，我将解释如何使用数据分析来识别用户的问题，以及网站将从可用性测试中受益最多的地方。本文的重点是-三个识别网站问题的参数：跳出和退出率(bounceandexitrate)，平均页面时间(averagetimeonpage)和目标价值(pagevalue)。在第二部分，我们将进一步使用这些参数来识别dropofpoints，然后我们将深入到数据分段(segmentation)获取额外的细节。作为一名自由职业者和用户体验顾问，我与各种不同领域的网站合作过，过程非常一致，总是从数据分析开始。一开始，我会确定每天有多少用户访问这个网站，哪个页面最常用。这会给我一种大致的感觉，知道人们是如何访问这个网站的。然后我将进行下一步：识别潜在的问题，然后知道我的用户体验建议将集中在哪一部分。一般来说，我会观察三种参数来识别问题：跳出和退出率(Bounceandexitrate)平均页面时间(Averagetimeonpage)目标价值(Pagevalue)跳出和退出率(BounceandExitRate)跳出率和退出率是两个可能混淆的参数。跳出率是用户只访问网站页面的比例：登录一个页面，但离开网站而不访问任何其他页面。【译者注:谷歌官方解释为“跳出率是指单页访问次数(即访问者从入口页面离开网站而不与网页互动)的百分比”。】退出率是指从一个页面离开该网站的用户比例(包括以前在该网站上浏览过其他页面的用户)。【译者注:谷歌官方解释为“退出百分比是指从某一组或某一组特定网页退出网站的百分比”。】如果我发现网站的一部分有很高的跳出率或退出率，我会做笔记，以防止用户因为某些页面上的某些东西而离开。一个跳出率高的页面可能表明页面上的内容不是用户来到页面时想要看到的。一个高退出率的页面可能表明，这个页面导致用户在他们想要的过程中半途而废——另一方面，如果一个高退出率的页面是过程的最后一页，那么这个高退出率就不再是问题了。用谷歌分析（GoogleAnalytics）“加权排序”（weightedsort）会使跳出率更有用。根据谷歌的分析，“加权排序根据重要性而不是序号排列百分比数据”。例如，虽然一个页面有100%的跳出率，但在过去的一个月里，只有一个用户访问并离开了页面（另一个更大的问题可能是没有人访问过这个页面！）。如果一个页面有80%的跳出率，但它是过程中非常关键的起始页面，那么这个网站可能会失去很多业务。为了更好地准备页面可用性测试，我们必须识别问题的原因：是因为没有人访问页面，还是每个访问者都立即离开了网站？平均页面时间(AverageTimeonPage)“平均页面时间”是指用户浏览某个页面所花费的平均时间。如果我发现一个页面的“平均页面时间”很低，这可能意味着页面没有引起用户足够的注意。另一方面，如果用户长时间停留在结账页面上，可能是因为页面太复杂了。当然，所有参数都必须在特定情况下进行分析；如果一篇博客文章有很高的“平均页面时间”，这通常是一个很好的现象，因为这可能意味着用户真的在阅读整篇文章。另一个衡量页面性能的好方法是使用“与网站平均数进行比较”的选项。这张图表显示了某些页面在某个参数上是否高于或低于平均值。虽然这些页面仍然需要逐页分析，因为不同的页面有不同的目标，但低于平均浏览时间的页面通常可能有问题，假设目标是让用户继续阅读。下面的例子清楚地显示了“联系”（contact）“页面的浏览时间相对低于平均值，但“博客”（blog）页面的时间比平均值高80%。再一次，情境是关键。用户可以来到联系页面寻找公司地址或联系电话。如果他们成功地找到了它，他们就会离开这个网站，所以在这里浏览较低的页面时间是一个很好的现象，这表明页面非常有用。一个“博客”页面被用来吸引用户的注意力，所以一个高于平均值的时间可以看作是一件好事。页面价值(Pagevalue)“页面价值”是一个非常重要但很少使用的参数，可以用来发现表现不佳的页面。目标价值，如其名称所示，是赋予页面直接货币价值的一种方式。对于电子商务网站来说，它包含了各种交易收入总额和各种类型网页的目标价值——这些参数需要在谷歌分析中手动设置，以计算页面价值。一个高价值的页面通常表明它是一个重要的页面，这意味着该页面值得纳入可用性测试。一个高价值但高退出率的页面值得关注和改进。这意味着这些页面让用户在回复过程的关键位置离开。在下面的例子中(一个电子商务网站)，我突出了三个页面价值相似的类别。可以清楚地看到“个性化玩具”（personalised-toys）“产品页面退出率相当高。这说明这个高价值的页面正在让用户“流失”，在未来的用户体验设计工作中应该引起重视。然而，一个单独的页面只能显示一些真相。“内容分组(contentgrouping)"这个功能非常重要，我们可以用它来观察网站的某个部分是如何表现的。内容分组可以根据用户访问的页面类型对数据进行分类，因此非常必要。我们可以用各种方式分组。例如，对于一个买衣服的网站，可以根据不同种类的衣服进行分组，看看裤子是否比衬衫的页面价值更高。一旦发现某个页面或组的页面价值很低，我们下一步要做的就是找出背后的原因。在上面的例子中，衬衫的价值相对较低。我的第一步是根据我的经验和判断力，看看衬衫页面上是否有明显的用户体验或技术问题。这样做之后，我会和真正的用户一起测试这些页面，看看为什么会出现这些问题——并找到含有修复方法的线索。内容分组是一个非常强大的工具，可以让你看到网站不同部分的真实性能。在实践中使用参数只是利用数据分析发现网站问题的第一步。在本系列的第二部分，我们将重点关注如何找到用户流程中的损失点，以及如何对用户进行分类，以看到更多的细节。与此同时，您尝试使用本文中学到的方法来发现可能出现的问题：调出跳出率，找出用户访问并立即离开的页面。浏览所有页面的退出率，找出用户在流程中离开网站的位置。考虑到用户在页面上平均停留时间的重要性——一个跳出率高、平均页面时间长的博客页面是一件好事！根据页面价值排序，观察页面。页面价值越高，可用性测试就越值得，从而最终修复用户在页面上遇到的问题。在最后一个客户案例中，小红利用数据分析发现需要进行可用性测试的地方。然而，到目前为止，小红只在网站上找到了值得测试的单独页面和页面组。她认为她需要更多地了解最常见的用户行程（userjourney）的信息。她还想对用户有更深入的了解，看看不同类型的用户如何访问网站。为了进行最佳的可用性测试，小红真的很想知道人们实际上是如何使用网站的。简单地说，数据分析是发现可用性测试页面的最佳测试方法。在本系列文章的第一部分，我解释了如何利用数据分析来发现网站的问题。这样做可以让我们更好地理解当前的用户行为，并帮助我们专注于即将到来的测试任务。在如何利用数据分析来指导这一系列可用性测试的文章的总结部分中，我将更仔细地讨论如何通过识别用户行程和对用户进行分类来比较不同的用户组。识别丢失点知道用户是如何在整个网站中流通的，可以增加单页状态的情况（context）。例如，分析用户行程中前一页的数据可以帮助我们识别为什么特定页面的退出率特别高。此外，找出最常见的用户行程有利于规划可用性测试。可用性测试可以根据这些常见的用户行程进行设计，以确保用户在测试中的行为与现有的用户行为一致。谷歌尝试通过用户流程图进行分析（userflow）并且行为流程图（behaviorflow）显示用户行程的报告。它们可能很难阅读，而且通常会变得很麻烦，因为它们结合了多个页面。这意味着谷歌分析通常只能单独显示几个最常见的页面，并将其他页面组合在一起显示为“超过100个页面”——这对我们没有帮助。下面的截图显示了这个非常有限的信息是如何使分析变得困难的：只有几个页面在每个用户行程阶段单独显示，其余的页面组合在一起。虽然页面组合造成了很多问题，但根据流失率或意想不到的用户行程，花一些时间分析这些报告仍然可以帮助我们找到问题区域（例如，我们期待的是这样，但用户走向了另一个方向？）。一旦我们发现了问题区，我们可以计划一个可用性测试，看看用户在整个旅程中是如何思考的，以及他们为什么会遇到这些麻烦。在谷歌分析的用户流程和行为流程报告中，所有页面都用绿色矩形表示，灰色连接线表示页面之间的用户行程。每个矩形也用红色表示流失率的百分比(即用户正在离开网站)。它们可以解释常见的用户行程，以及用户离开网站的地方——这也是另一个问题区域的迹象。下面的例子来自一个我工作过的旅游网站。它在主页上有一个特别明显的搜索框。在这张简化并添加笔记的图片中，我们可以看到一个可能的问题。用户使用搜索框找到旅行目的地，但后来从搜索结果页面回到主页(也称为弹簧跳)（pogosticking）），说明搜索结果对用户不满意。这可能有很多原因：搜索功能往往找不到结果，搜索结果太多，或结果太少。也许这个问题与搜索结果本身无关，但还有其他原因，比如搜索结果中的酒店价格太高。数据显示，最初的搜索让用户不满意，这让我决定对搜索框进行一些可用性测试。可用性测试结果显示，问题的原因是搜索结果太多，用户被大量结果淹没。根据测试结果，我建议引入多面搜索系统（facetedsearchsystem）：用户可以在搜索结果页面上按照某些标准过滤搜索结果，而无需返回主页进行再搜索。新的搜索系统允许用户根据酒店提供的服务设施过滤搜索结果；例如，是否有游泳池、健身房和其他设施，这意味着用户可以找到对自己有用的结果。该设计方案大大降低了搜索后返回主页的用户数量，让更多的用户进入他们旅程的下一步。上述结果显示了引入多面搜索系统一个月后的分析数据。图中显示，主页与搜索结果页面之间的“弹簧跳”现象减少。虽然还有改进的空间，但这种变化产生的积极影响是非常鼓舞人心的。数据分段，更详细的数据分段，为观察不同用户的不同行为提供了绝佳的途径。一个简单的例子是比较新用户和回访用户。下图来自一个在线求职网站，显示本月新用户数量几乎持平，但回归