用研丨数据测量与分析:入门完全指南

用研丨数据测量与分析:入门完全指南,第1张

用研丨数据测量与分析:入门完全指南

在这个介绍性的指南中,我们将讨论一些分析的基本方法,以及用户体验测量和分析的日常工作和可交付成果。我们还将列出一些常用工具和相关书籍,以帮助UX从业者更好地学习收集和分析数据。

难道没有一种神奇的方法可以创造出一种受欢迎的或者能让用户一见钟情的体验吗?不完全是。我们的目标不是创造每个人都喜欢的体验。相反,我们努力创造一种直接服务于特定人群并让他们满意的体验。同样,也没有具体的方法来衡量我们创造的成功。在这种情况下,分析科学有它的位置。

如果你不能衡量它,那么你如何知道它是否成功或有效?

这就是UX的从业者不断收集和分析数据的原因。不管是线上还是线下,我们收集了很多数据:比如有多少人点击了?他们靠导航去了哪里?他们什么时候辞职的?他们在找什么?我们应用分析来衡量我们设计的有效性。也就是说,当我们看到人们的动作时,我们可以通过分析来知道这个设计是否与用户有良好的互动,或者说这个设计是否很好地传达给了用户。

在这个介绍性的指南中,我们将讨论一些分析的基本方法,以及用户体验测量和分析的日常工作和可交付成果。我们还会列出一些常用的工具,知名的会议和协会,以及相关的书籍,会给你很大的帮助。

目录什么是分析学?通用方法日常工作和交付物可以关注的大神常用工具相关书籍什么是分析学?

众所周知,自互联网出现以来,它深刻地改变了我们以及相关用户的行为。从一开始用户输入网址到现在依靠搜索引擎进行搜索,从将所有注意力集中在一个界面到打开和浏览多个标签页,这些都让网站或应用变得更加复杂。要衡量我们的设计,分析师不能简单地衡量web服务器上的点击率,他们必须分析用户的行为。

在收集信息和数据时,研究人员将根据情况采用定性或定量方法,或两者结合的方法。通过用户研究收集定性数据:观察人们的行为,了解他们为什么做某些事情;量化数据是通过测量和分析得到的:知道用户进入一个页面时采取了什么动作,有多少用户采取了这些动作。

这个量化的数据让我们可以得出一些基准,这些基准可以帮助或者启发我们的设计决策,让我们知道设计是有效还是无效,成功还是失败。世界上的一切都是可以测量的,但数据的使用通常仅限于这些方式:我们用数据来描述问题、诊断问题、给出最优解和预测结果。

描述性分析类似于老式的计数器。描述性分析可以给出这样的基本数据,比如有多少人访问了一个网页,多少人点击了这个按钮,或有多少人观看了视频。诊断分析可能会使用一些和描述性分析类似的度量指标,但却基于不同的目的。诊断性分析有助于我们了解发生了什么,以及为什么。例如,如果一个在线零售商正在赔钱,他们可能会测量用户在各个使用环节中的点击率和页面退出率,从而得知用户在哪些地方流失掉了。规则性分析指的是那些帮助用户得知下一步该做什么的数据。例如,假如谷歌地图收集了上下班高峰期的交通数据,它就可以基于这些数据给司机规划一个更好的线路。或者当我们要考虑设计的有效性时,规则性数据也可以帮助我们识别模式,从而给我们未来的设计决策提供启发或帮助。预测性分析是最后一种类型。它告诉我们在某一情境中可能会发生什么。例如,如果我们使用A/B测试法测试一个网站新版的顶部设计,该测试可以告诉我们哪个设计更容易将客户留在网站上。如果新版的顶部设计比较受欢迎,我们就可以得到这样的预测:如果我们使用了新版的顶部设计,网站流量很可能会增长。

以上四种类型的分析过程都会使用一些指标,这些指标通常基于关键绩效指标(KPI)或与KPI相关。关键绩效指标是一种可测量的行为或信号,关系到企业的成败。例如,一家公司的Twitter转发不会直接增加用户对该公司的喜爱或认可,但营销团队可以将Twitter转发与品牌知名度联系起来。在这种情况下,他们可以使用retweets作为他们的KPI之一。理想情况下,某个业务目标应该有多个KPI,这样可以增加数据的可靠性。

通用方法

虽然分析可能会让很多设计师觉得复杂难懂,但事实上,一些基本方法通常是简单明了的。一般来说,分析学的领域是基于这三点:研究、测量和分析。

研究

虽然基于网络的分析是一个相当新的领域,但这个研究领域已经有几百年的历史了。研究人员跨越各个领域,从科学到市场营销到人类学。他们使用的分析技术直接影响分析师的工作方式,分析师决定继续遵循研究方向。研究人员的工作,尤其是与分析相结合时,与科学方法非常相似:

研究者首先优化自己的目标或问题,以便集中注意力。一旦他们确定了项目目标,他们将首先提出一个假设,然后对其进行检验。接下来,数据分析师可以衡量研究和测试的结果。基于这些测量结果,研究人员和分析人员可以识别和去除一些异常值,或者不能反映整体和模型结果。最后,他们得出了一个结论,甚至根据他们的分析给出了一些预测。

措施

仔细来说,很多指标可以帮助我们了解一个公司或品牌是否越来越强大。营销人员、企业家和商业顾问已经建立了他们自己的衡量成功的方法。他们可以衡量这些数据:用户数量,网站速度,用户在网站上停留的时间,以及一些线下细节,如金额,新产品关注度,邮件订阅量,或购买量。

很多公司只知道测量,不重视前期的研究和后续的分析。这种情况相当危险。举个例子,你可以测量访问网站的人数,但是如果你不去研究用户在之前的几天、几周、几个月访问网站的人数,如果你没有一个分析比较这两个数据的方法,你测量的数据其实是没有意义的。这就是为什么我们经常谈论数据跟踪,而不仅仅是测量。跟踪数据意味着基于研究的持续测量,整个过程包含了分析的意图。

分析

分析是将整条信息分解成片段并检查每个片段的意义的过程。分析的概念广泛应用于数学、哲学、化学、精神病学和计算机科学。没有分析,研究阶段收集的所有信息都是可以测量的,但没有意义。分析使我们能够建立信息之间的关联。例如,你可能会研究人们如何访问一个网站,通过搜索引擎测量进入该网站的人数,然后我们可以通过分析获得相关背景,并回答一些基本问题,如:有多少人访问过类似的网站?与昨天、上周或去年相比,今天有多少人访问了你的网站?有多少人从谷歌来到你的网站,和从Twitter来的人数相比如何?

这里有一个有趣的细节:“分析”这个词来源于古希腊语ναλω,意思是“我解开,把它拆散”。“分析”一词最早是在亚里士多德的文章《先验分析》的标题中发现和使用的,这是一篇关于演绎推理和科学方法的文章。作为人类,我们天生对分解信息和从逻辑上理解信息感兴趣,这可能是我们发现分析极其有价值的原因之一。

日常工作和交付物

数据分析是很多行业必备的工作之一,从营销人员到用户体验从业者,再到数据分析师。在这一部分中,我们将回顾一些分析任务、工作以及可能由UX实践者实现的相关交付物。

设置关键绩效指标

当一个新的计划即将启动和实施时,分析师需要确定和设置相关的关键性能指标。这些KPI与该项目要实现的用户体验目标密切相关,这就是为什么UX从业者和数据分析师合作进行分析是非常有价值的。正如我们上面解释的,关键绩效指标是与公司或项目目标相关的可测量的行为或信号。例如,如果一家公司的目标是成为一家全球性公司,他们的一个KPI可能是来自世界各地的用户访问数量或销往国外的产品数量。理想情况下,每个项目目标都应该有一个相关的关键绩效指标,这允许我们衡量项目的成功。

优化内容

我们之前一直专注于分析的测量部分,但没有触及这些如何影响用户体验。分析告诉我们网站的哪些内容或部分需要改进,这意味着分析师经常可以给UX的员工提供建议和可以优化的方向。这可能包括了解谷歌的搜索算法是如何工作的,如何处理和改进元数据,哪些关键词最有可能到达我们的目标受众,以及许多与贸易相关的便利技术。在页面上线或活动开展之前,分析团队(或个人)需要审核一切,优化一切,这样事情更容易成功。

设置分析工具

一旦确定了关键性能指标,我们需要向相关网页添加代码来跟踪网站参与度、转换数据和一些其他指标。谷歌分析是最受欢迎的分析工具之一,它的流行很大程度上是因为谷歌可以轻松地向网站添加跟踪代码。有时,跟踪和分析数据的任务由开发团队承担,但更多情况下,这些任务由分析师承担,他们还需要为开发团队提供相关的代码片段。

以及监控和测量

这是维护分析的一个重要部分。根据项目的不同,分析师可以创建每日、每周、每月或两年一次的分析报告。例如,如果是与社交媒体相关的活动,可能需要每天更新报告。但是对于一个新产品来说,产品本身的推出可能需要半年时间,相应的分析报告也需要更长的更新周期。不管时间周期的长短,分析师通过持续的监控、测量和报告来逐步深化和分析。最后,光报KPI是不够的。分析是指解释关键绩效指标的含义,并基于对这些指标的理解向UX团队提出建议。

可以关注的大神

分析经常让UX领域的人望而却步,但是下面这些人让分析不再神秘,平易近人,有章可循。他们的文章、讲座和播客可以帮助我们提高在网络世界中分析和使用数据的能力。

安妮·库欣

安妮·库欣做了很多与内容相关的工作:写作、编辑、销售、优化和衡量。她在自己的博客Annielytics、搜索引擎Land和YouTube频道上提供了许多实用的方法或策略,帮助人们使用工具来分析社交媒体的成功和竞争信息。

阿维纳什·考希克

AvinashKaushik是MarketMotiveInc的联合创始人之一,也是GoogleAnalytics的积极推动者。通过他的博客奥卡姆剃刀,他的畅销书WebAnalytics2.0和WebAnalytics:一天一小时(这两本书的收益全部捐给了微笑列车,无国界医生和EkalVidyalaya),阿维纳什已经成为了公认的权威。他通过使用数据,帮助营销人员、管理团队和行业领导者从根本上重塑他们在数字行业的影响力。

加里·安吉尔

加里·安吉尔被认为是数字测量专家。他目前是欧内斯特和扬(EY)数字分析中心的负责人。加里定期写博客。出版了多部与数据分析相关的优秀书籍,并经常在行业活动上发表演讲。他也是《衡量数字世界》一书的作者。

瓦尔克

JoostdeValk是一名SEO顾问和网站开发人员。他的分析工作往往与发展有关。所以他负责GoogleWordPress的分析插件,运行Yoast,专注于WordPress博客的SEO性能。

卢克·海伊

LukeHay是一名用户体验顾问和谷歌分析培训师。他有15年管理各种网站的经验。Luke持有GoogleAnalytics的个人资质认证,拥有5年为各类客户进行用户调研和测试的经验。他通过结合定性和定量的研究方法,获得了关于用户体验的全面信息。卢克在其网站上为个人或团体提供用户体验服务和谷歌分析培训课程。他也偶尔会在这个博客里更新与测量和计量相关的内容。

帕梅拉·帕弗里斯卡

帕梅拉收集了人们与科技和谐相处的故事。她的工作包括人种学、数据科学和行为心理学。她是ChangeSciences的创始人之一,ChangeSciences是一家为世界500强企业、初创企业和小公司提供设计和研究的机构,主要提供与情绪化相关的测量服务。她还在Medium上发表文章,并经常在会议上发表演讲,讲述如何利用各种数据创造更好的体验。

常用工具

分析师可以使用许多不同的工具来完成他们的工作。以下是一些最受欢迎的工具:

谷歌分析

谷歌分析,正如它所说,是一个企业级的网络分析解决方案。这是什么意思?GoogleAnalytics提供的服务使您能够更深入地了解网站的流量和营销效果。例如,它测量用户对话指标,包括跳出率、关键词频率等。这些服务是免费的,易于设置和定制,适用于小型和大型企业。

MozPro

Moz最开始是一家SEO咨询公司,现在已经成长为一家拥有四种工具和软件的公司,可以帮你优化内容,收集和分析数据。MozPro是他们主要的搜索营销工具。它用“一套功能齐全的搜索引擎优化(SEO)研究分析工具”帮你拆解数据。这个工具有多种价格供您选择:从79美元/月到599美元/月不等。

点击故事

ClickTale帮助您捕捉和记录访问者在网页中的每一次鼠标移动、点击、滚动和按键,然后将这些信息发送回ClickTale的服务器。这使得分析师可以审查用户浏览网页的整个过程,并了解他们如何在网页上进行交互。

工具软件相当复杂,它为你的系统提供了很多优化的机会,同时也提供了定性或定量的数据跟踪功能。个人版最低9美元,企业版最低99美元,最终定价根据购买数量而定。

接吻度量

KISSmetrics是一个帮助用户体验从业者识别、理解和改进其业务指标的工具。KISSmetrics的软件代码可以添加到任何网站上,使数据分析师能够跟踪用户的行为,例如有多少人访问了这个页面,他们来自哪里,有多少人离开了网页,以及从人口统计学的角度来看网站用户有什么共同点。这个软件比较贵:初始版200$/月,基础版700$/月,专业版2000$/月。虽然贵,但是花的钱还是值得的。

疯狂的蛋

疯狂蛋的优势在于绘制热图的功能。“让我看看我的热图”是他们的主要业务功能。通过热图,疯狂蛋可以显示点击量,用户滚动的时间,用户在某个地方停留的时间。疯狂蛋相对便宜,9$/月起,最高99$/月。

相关书籍

以下几本书可以给你提供很好的指导。除此之外,你还可以从很多团体或个人的博客中学习,比如GoogleAnalytics、奥卡姆剃刀(AvinashKaushik)、Moz等。

《网络分析2.0》

这本书的作者是AvinashKaushik,他是Web分析领域的思想领袖。《WebAnalytics2.0:以用户为中心的科学和在线统计的艺术》一书提供了许多建议,如如何创建可 *** 作和可实施的策略,如何正确使用分析技术,如何应对社交媒体和多渠道营销活动带来的分析挑战,如何利用实验获得最佳结果,以及如何使用方法和策略真正倾听客户的意见。

《使用谷歌分析的高级网络度量》

这本书教读者如何使用谷歌分析的许多功能来达到最佳效果。该书的许多细节和建议旨在帮助读者实现新的方法和思想,包括在社交生活和移动生活中跟踪用户,使用各种方式或方法报告分析结论,了解过滤器的使用,等等。

精益分析(精益数据分析)

这本书是专门为创业者和企业家,以及所谓的“内部创业者”(试图从内部搅动变化,做出改变)而写的。它向读者展示了如何验证想法,找到正确的客户,并讨论了如何建立东西,并使它们广泛传播的策略。这本书包含30多个案例研究和数百名专家的经验和意见。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zz/781859.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-05-04
下一篇 2022-05-04

发表评论

登录后才能评论

评论列表(0条)

保存