Analytics是Google的大器晚成款免费的网址解析服务,我们选拔解析学去权衡大家规划的有效

图片 11

使用Analytics通知UX的其他方式

明确断点

要想知道用户是如何在网站中穿行,可以增加单个页面统计信息的前后信息。比如说,要想知道为什么某个页面的退出率这么高,可以分析前几页面的用户体验历程。另外,如果通过网站找到常见的用户体验历程将对未来的可用性测试产生很大帮助。可以创建可用性测试任务来反映常见的用户体验历程,确保测试中的用户行为与现有站点的用户行为一致。

Google
Analytics尝试使用用户流和行为流报表来展示用户体验历程,这其实很难阅读,并且会遇到很多页面组合一起的情况,因为Google
Analytics一般只单独显示最受欢迎的页面,然后把剩下的页面合在一起标记为“>100页”,这完全没有帮助。下面的截图显示了在页面分组之前,每个步骤只显示几个单独页面,由于信息的局限性使得分析变得困难。

图片 1

尽管页面分组会引发一些问题,但仍旧可以通过分析这些报告,基于下降率和预期外的用户体验历程(即用户朝着完全不在我们预期中的方向进展)来确认问题区域。一旦确认了这些区域,就可以创建可用性任务,了解用户在体验中的思考方式,并知道他们为什么会遇到问题。

在Google
Analytics的用户流和行为流报告中,用带有灰色边框的绿色方块表示页面和用户体验历程,每个方块还用红的标记展示了退出率——也就是用户离开网站的位置。这些标记能够展示用户历程偏好,以及用户离开网站的有可能存在问题区域的地方。

下面的案例是来自于我曾经研究的一个旅行网站,突出了主页上的搜索方块。

图片 2

在这个做了标注的简化图片中,我们可以看出一个潜在问题。访客正在使用搜索模块寻找度假目的地,但是接着就从搜索结果页返回了主页(又名pogo
sticking),表明搜索结果在某种程度上让人不满意,这可能是源于以下几点原因:搜索没有结果、结果太多或太少,也可能不是因为搜索结果本身的原因,而是其他因素,比如搜索出来的结果显示度假的价格太高。

数据显示,最初的搜索结果并不令人满意,于是我在搜索框上进行了一些可用性测试。可用性测试发现了问题的实质——搜索结果过于宽泛,用户因结果太多而不知所措。基于可用性测试的结果,我建议在搜索结果页引入分面检索系统,用户可以根据一系列标准过滤搜索结果,而无需从主页重新开始搜索。在新的搜索系统中用户可以筛选有关设施的结果,比如宾馆是否带有泳池、健身房或其他设施,这就意味着他们就能够找到有用的结果。这个设计方案使用户在首次搜索后又返回首页的数量大幅减少,并且看到更多的用户进入了下一步操作中。

上面的截屏显示了引入分面检索系统一个月之后的分析结果,可以看出已经有效降低主页与搜索结果页之间的反复跳转。虽然还有可以提升的空间,但从变化中看到积极的结果还是很振奋人心的。

通用方法

虽然分析学可能令很多设计师感到复杂难懂,但其实一些基本方法通常简单明了、直接明确。大体上,分析学领域基于这三点:研究、测量和分析。

辨别虚假流量的十二种方法

Pogo sticking

如何去做

在使用分析法确认问题后,接下来就要找到出现这些问题的原因了。使用分析法得到的一些关键区域,并集中进行可用性测试或A/B测试。作为专业的用户体验设计师,我们很愿意花时间与我们的用户在一起,通过可用性测试从他们身上获取知识。分析法只是引导我们更好地进行测试。

亲身实践——在这里只是了解一些技术概要,可以将其应用在具体的项目中,通过这些分析你会很惊讶,竟然可以发现这么多!

对于仍然迷惑的读者,这里还有办法:持续关注Google
Analytics的最新进展,我推荐Google Analytics官方博客、Occam’s
Razor、分析大师Avinash
Kaushik的博客。另外一个提高分析技能的实用方法就是查看Google
Analytics培训中心,通过里面的教程也是获得Google
Analytics个人资格的有效前提。

原文地址:

图片 3

扫一扫,更多国外优秀文章

分析####

分析是将整块信息打碎成片段,并检查每块片段代表含义的过程。分析的概念应用广泛,它在数学、哲学、化学、精神病学,以及计算机科学中都有使用。如果没有分析,所有在研究阶段收集到的信息都可以被测量出来,但是毫无意义。分析使我们在信息之间建立关联。例如,你可能会研究人们如何访问一个网站,测量由搜索引擎进入网站的人数,然后我们可以通过分析得出相关背景,以及回答一些基本问题,如:有多少人访问过类似的网站?今天有多少人访问了您的网站,相比于昨天或上周或去年如何?有多少人从谷歌进入你的网站,与从Twitter进入的数量相比如何?

这里有一个有趣的细节:“分析”一词来自古希腊的ἀναλύω,意思是“我将它解开、拆散”。“分析”这个词最早发现使用于亚里士多德的文章标题中,Prior
Analytics,这是一篇关于演绎推理和科学方法的文章。作为人类,我们都自然地对分解信息并在逻辑上理解他倍感兴趣,这也许就是我们发现分析极其有价值的原因之一。

8、与目标报告相匹配

使用的Google Analytics报告:流量来源—目标。

 

 图片 4

图8  流量目标转化率报告

这也是你在每次的广告活动前最应该做的。就是为流量设定目标。Google
Analytics现在升级了目标功能。你可以为流量设定多个目标。通过多个维度来检查流量。目标的完成度是辨别虚假流量的最好方法。很多智能流量可以绕过跳出率,停留时间和访问时间分布等等指标,但很少有能够完成目标的。当然这也要依你设定目标的复杂程度来定。如果设定的CPA是完成购物,那么这对虚假流量来说就是一个杀手级的目标。如果目标只是注册用户或者是填写信息,人肉流量都是可以完成的。

这种设计需要最少的开发,并且专门用于解决弹簧高跷问题。

在这个由两部分组成的系列文章的后一部分,我将介绍如何使用分析法指导可用性测试,更详细地介绍如何确定用户操作流程,并细分用户以比较不同使用人群的行为特征。

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。以下是一些最流行的工具:

Google Analytics

Google Analytics

Google Analytics
如其所说,是一套企业级的网站分析解决方案。这意味着什么呢?Google
Analytics
为您提供的服务使你能对自己网站的流量和营销效果有更深入的洞察,比如它会测量用户会话指标,包括跳出率、关键字的频率等。这些服务都是免费的,且易于设置和自定义,它同时适用于小型和大型企业。

了解更多关于 Google
Analytics


Moz Pro, from Moz

Moz Pro

Moz 一开始是一家 SEO
咨询公司,目前它已成长为一家拥有四种工具软件的公司,这些工具可以帮助你优化内容,收集并分析数据。Moz
Pro
是他们主要的搜索营销工具,它使用了“一套集所有功能于一身的搜索引擎优化(SEO)研究和分析工具”来帮助你拆解数据。这个工具有多种价格可供你选择:79$
/月 至 599$ /月 不等。

了解更多关于 Moz
Pro


Clicktale

Clicktale

ClickTale
帮助你捕获并记录访问者在网页里面的每一次鼠标移动、点击、滚动和按键,然后将此信息发送回
ClickTale
的服务器。这使得分析师可以重新回顾用户浏览网页的整个流程,了解他们如何在网页上互动。

该工具软件相当复杂,它为你的系统提供了很多可优化机会,并且还提供了定性或定量的数据追踪功能。个人版最低
9$ 起,企业版最低 99$ 起,并根据购买数目最终定价。

了解更多关于
ClickTale


KISSmetrics

KISSmetrics

KISSmetrics
是一款帮助用户体验从业者识别、理解,并提高他们业务指标的工具。KISSmetrics
的软件代码可以被添加到任何网站,使得数据分析师可以追踪用户的行为,例如有多少人访问了这个页面,他们来自哪里,有多少人离开网页,以及从人口统计学的角度来看,网站用户有哪些共同点。这款软件相对昂贵:起始版
200$ /月,基础版 700$ /月,专业版 2000$ /月,虽然价格昂贵,但物有所值。

了解更多关于
KISSmetrics


Crazy Egg

Crazy Egg

Crazy Egg
的优势在于它的绘制热图功能。“让我看看我的热图”,是他们的主要业务功能。通过热图,Crazy
Egg
可以展示出点击人数,用户何时进行了滚动操作,以及用户在某一处的停留时间。Crazy
Egg 价格相对便宜,起价为 9$ /月,最高 99 $ /月。

了解更多关于 Crazy
Egg

11、访客重合度分析

访客重合度是指一段时间里排重后的访问者与排重前访问者的比率。举个例子来说明一下,假设我每天找10个人点击你的广告,连续点击10天。这时,Google
Analytics中每天都会记录到有10个绝对唯一身份访问者。十天加在一起就是100个。但当我们把时间维度拉大到10天再来看时,就只有10个绝对唯一身份访问者。这是因为Google
Analytics对访客进行了排重处理,所以10天的数据中每个访问者都是唯一的。按照这个逻辑我们可以计算出不同渠道中访问者的重合度。具体计算公式是:1-排重访客/未排重访客*100%。对于上面例子中的情况,访客重合度等于1-10/100*100%=90%

 图片 5

图10  唯一身份访问者报告

对于不同的流量渠道,我们也可以使用访客重合度指标来辨别虚假流量。当某个渠道的流量在短时间内有较高的访客重合度时,我们就需要进一步检查这个渠道的流量质量了。

我的一个客户经营着一个旅游网站,该网站根据各种活动和地点提供定制的假期。他们认为有机会提高他们的转化率,因此我开始在他们的分析中寻找这些机会。

细分数据,了解更多细节

细分是一种观察不同类型用户行为差别的有效办法。一个简单的例子就是比较新用户与老用户。下面的图表是一个来自线上申请工作的案例:新用户的访问数量在一个月之内基本保持不变,而老用户访问则遵循了不同的模式,周末的流量明显减少。

图片 6

这引起我寻找关于新用户和老用户在更多细节上的不同。通过查看两类人群其他页面指标数据,发现老用户在网站停留时间更长,查看更多信息页面,并且更可能申请工作。

从数据中可以推断出,老用户更可能是认真的求职者,而新用户态度更加随意。由此我建议网站做些个性化设置,对于新用户要让他们放心,招聘网是一个合法的、值得信赖的地方,可以迅速或简单地做出响应,比如在注册时发出提示;我也建议针对老用户,展示更多精挑细选的、更详细的工作搜索选项,并鼓励他们申请。

新老用户表现出不同的行为方式可以证明很多事情,具体取决于网站的类型。比如说,数据显示老用户在电商网站更可能产生转化,如果是这样的话,那么如何尽可能帮助网站在新用户在第一次访问时就发生转化,就很值得重点关注。

这种分类分析的方式也可以应用在招募被测者中,如果新访问者和回访者的行为有明显差异,那么最好对现有的用户和以前没有使用过该网站的用户均进行测试。通过测试不同类型的用户可能有助于解释为什么他们会表现不同。

Google
Analytics中有几个预备好的类别来帮助细分数据,除了上面介绍的新老用户的例子,还包括:

·
不同的流量来源
——有助于判断主动搜索网站而来的访问者与通过其他网站链接而来的访问者有何不同。

· 不同设备类型——有助于比较手机、平板和电脑用户的指标。

创建自定义细分也是一个好方式,这样的细分可以将网站中的关键受众人群与人物角色类型有效匹配。由此我们可以分析这些群体在使用网站时的不同体验历程,比如比较已有顾客与第一次购买的顾客有什么不同。

图片 7

用户使用不同类型的设备时也会产生不同的体验历程,通过细分手机、电脑、平板,对三种行为流进行调查,当涉及到为这些不同类型设备的使用者识别潜在问题区域时,可能会很有帮助。如果行为流程图表中显示,手机用户在用户体验历程中出现了很大的退出率,而这种情况并没有出现在电脑或平板用户中,这就可能会引发移动端的可用性测试,将关注点集中在问题区域,找到为什么用户在这个地方突然离开。

研究####

尽管基于网络的分析是一个相当新的领域,但研究领域已经有几百年的历史了。研究人员横跨各个领域,从科学到营销,再到人类学,他们使用的分析技术直接影响分析师的工作方式,以及分析师决定去继续追踪研究的方向。研究人员的工作,特别是当与分析学结合在一起的时候,与科学方法极其类似:

研究人员首先优化自己的目标或问题,以便集中他们的注意力。一旦他们明确了项目目标,他们就会首先提出一个假设,然后去检验这一假设。接下来,数据分析师可以去测量研究和测试的结果。基于这些测量结果,研究人员和分析师可以识别、去除出一些离群值,或不能反映整体以及模式的结果。最终,他们得出结论,甚至基于他们的分析给出一些预测。

10、访客忠诚度分析

访客忠诚度是对一段时间内访客回访频率进行的分析。通常来讲,当一定数量的访问者来到你的网站后,总会有一部分访问者会再次访问的。即使这部分访问者非常少。哪怕只有一两个。这就好像在一个页面中,即使有些链接放在非常隐蔽的位置,也总还是会有人点击的,即使比例非常的少。记得一个真实的教训,我们为客户分析一个wap网站时,发现页面中的一个链接点击量是0。当时想当然的认为这个链接因为提供在线电影,流量和费用都很高,所以没人点击也是正常的。但实际情况却和我们想象的完全不一样。

因此,在分析一个渠道的流量时,适当的拉大时间维度来分析访客回访也是辨别虚假流量的一种方法。真实的访客中会有再次回访的行为产生,而虚假流量在合作结束后是不会进行这些收尾工作的。所以那些在合作期结束后齐刷刷没有回访的流量多半是异常的。

我们已经看过一个示例,该示例说明了如何使用分析数据来识别用户旅程中的特定问题。分析还有很多其他方法可以用来帮助您确定UX决策。

Sophia使用了分析法帮助客户确定可用性测试的内容,然而到目前为止,她只是检测了网站的各个页面和组件,她觉得有必要了解更多常见的用户流程,并想要深入了解用户以及不同类型的用户是如何与网站交互的。为了开展最有效的可用性测试,Sophia想要更清楚地了解人们实际上是如何使用网站的。

日常工作和交付物##

数据分析是许多行业的必要工作之一,从营销人员到用户体验从业者,再到数据分析师无不如此。在本节中,我们将回顾一些UX从业者可能会实施的分析任务、工作,以及相关的交付物。

2、流量产生的时间

使用的Google Analytics报告:访问者—访问者趋势—访问次数。如图2所示。

 图片 8

图2  访问量变化趋势图

这里的时间要精确到每小时的访问数据。通常,网站正常的访问流量会分布在一天中的各个时段,即使有访问高峰,在曲线图中也会是较为平滑的曲线(广告刚上线时除外)。而虚假流量是人为控制产生的流量。为节省成本不会在意流量的时间分布,所以会在时间曲线上发现流量突增的情况。所以,如果流量过于集中在某个时段,或者在某个时段有了不正常的增长。这部分流量就可疑了。

当然也不排除有的程序会计算好日期和时间端,并按时间曲线模拟点击。如果碰到这种“智能流量”的情况,就要继续使用第三种方法。

这些报告可能很难分析,尤其是对于大型网站,因为您的网站不太可能存在一系列明确的途径。您会发现,不同的用户可以采用大量的路径,这使得从这些报告中寻找见解颇具挑战性。但是,它们对于获得良好的顶级概述和显示站点中最主要的途径很有用。当他们将多个页面分组时,您通常可以很好地了解用户所经历的最常见的旅程。

简言之,分析法是个很棒的方法,能够判断一个网站中最适合可用性测试的区域。在上一篇文章中,我介绍了如何使用分析法确认网站中有问题的地方,这么做会帮助我们更好地理解当前的用户行为,并且有助于明确测试任务。

监视和测量####

维护是分析工作的重要组成部分。根据项目的不同,分析师可以创建每日,每周,每月,或双年度的分析报告。比如说,如果是和社交媒体相关的活动,那么就可能需要每天更新报告。然而,对于一个新产品来说,产品本身的推出就可能需要6个月的时间长度,相应的分析报告也就需要更长的更新周期。不管时间段的长短,分析师通过不断地监测、计量和报告,逐渐深入并进行分析。最后要说的是,仅仅报告KPI是不够的,分析工作意味着解释关键绩效指标的含义,并根据对这些指标的理解给UX团队提出建议。

9、单页面刷新分析

单页面刷新是指为了降低跳出率,流量在进入网站的Landingpage页面上刷新的行为。这类流量单从跳出率指标上来看表现很好,但却没有完成转化和购买。此时我们还很难判断这部分流量是否是作弊流量。需要通过访问路径或点击热区图进行深度分析。然而在面对多个Landingpage的情况时即使是路径或热区图分析也都变成了一个非常大的工程。因为我们可能要逐一查看流量在上百个Landingpage中的访问情况。
对于这个问题现在我们有个很好的方法来解决,就是使用自定义指标Pageviews/Unique
Pageviews。

 图片 9

图9  使用综合浏览量和唯一身份浏览量对单页刷新进行检查

Pageviews表示页面浏览量,而Unique
Pageviews则表示每个页面获得的唯一页面浏览量,相当于每个页面获得的访问次数。在一次访问中,用户多次浏览一个页面只会造成Pageviews的增加,而Unique
Pageviews是不会增加的。因此,我们将不同的页面作为维度,使用Pageviews和Unique
Pageviews两个指标相除就可以看到一次访问中访问者浏览同一个页面的次数。通常来讲,访问者在一次访问中是不会多次浏览一个相同的页面的。所以,如果如果Pageviews/Unique
Pageviews的值很高,那么这部分流量就值得注意了。当然,这并不是一个绝对的标准。为了确保万无一失,最好的方法是将这部分流量的Pageviews/Unique
Pageviews值与这些页面在整站中的值进行对比。

 

Pogo
sticking描述用户在网站上两个页面之间跳动的位置,而不是逐步浏览网站。这可能表示用户感到困惑,并且不太可能帮助您转换这些用户。

相关书籍##

下面这些书籍可以给你提供很好的指引。此外,你也可以从很多团体或个人的博客中学习,如Google
Analytics
,Occam’s Razor
(Avinash Kaushik),以及
Moz 。

Web Analytics 2.0

《Web Analytics 2.0》
Avinash Kaushik
本书作者为Web分析界的思想领袖 Avinash
Kaushik。《Web分析2.0:用户中心科学与在线统计艺术》一书提供了很多建议,例如,如何创建一个可操作、可实施的策略,如何正确运用分析技术,如何应对诸如社会媒体和多渠道营销活动带来的分析挑战,如何利用实验得出最佳结果,以及如何使用方法、策略真正地聆听客户。


Advanced Web Metrics with Google Analytics

《Advanced Web Metrics with Google Analytics》
Brian Clifton
这本书教会读者如何使用 Google Analytics
的诸多功能以达到最佳效果。该书的许多细节和建议,旨在帮助读者实施新的方法和理念,包括追踪处在社交生活和移动生活中的用户,使用多种途径或方法报告分析结论,了解过滤器的使用,等等。


Lean Analytics (精益数据分析)

《Lean Analytics (精益数据分析)》
Alistair Croll & Benjamin Yoskovitz
这本书专为创业者和企业家,以及所谓的“内部创业者”(试图从内部挑起变化、作出改变)而创作,并向读者们展示了如何验证思路、找到合适客户的方法,以及讨论了如何构建事物,并让它广泛传播的策略。这本书囊括了三十多个案例研究以及数百名专家的经验见解。


Ask, Measure, Learn

《Ask, Measure, Learn》
Lutz Finger & Soumitra Dutta
这本非技术性指南向读者展示了如何从大数据中提取、发掘显著商业价值的方法,它帮助你构建一个系统,使你可以提出正确的问题,测量正确的数据,然后从结果中学习。本书的作者
Lutz Finger 和 Soumitra Dutta
最初设计了此套系统,以帮助各国政府和非政府组织在大量的数据中进行筛选工作。不仅如此,该系统也可以应用到社交媒体分析上,这些大多涉及市场、销售、公共关系和客户管理。


The Human Face of Big Data

《The Human Face of Big Data》
Rick Smolan & Jennifer Erwitt
这本书的作者捕获到了许多照片和文章,以此展示出大数据和分析学对商界、学术界、政府、医疗以及人们日常生活的影响。不同于我们列举出的其他书籍,这本书更加富有启发性,而不是平白直接的教育。这本书由Rick
Smolan 和 Jennifer Erwitt,Against All Odds Productions
(对抗一切老旧产品)的联合创始人所编辑,他们在数据收集的过程中融入了许多人性化的考量。

5、流量的跳出率

使用的Google Analytics报告:访问者—访问者趋势—跳出率。

 图片 10

图5  跳出率24小时趋势报告

跳出率是衡量页面质量的指标,反过来看,也是辨别虚假流量的好工具。如果发现在某个时段网站的跳出率突然增高,找到那个时段的流量与前面的访次时间段,地理位置信息和接入方式综合对比。如果符合前面的任何一个条件,这部分时段的流量都非常可疑。

客户没有可用的开发资源来对搜索功能的工作方式进行重大更改,因此我们无法建议进行大规模更改。取而代之的是,我们着手寻找一种设计,以通过简化搜索功能并使用户清楚他们可以按目的地或活动进行搜索来最大程度地减少Pogo停留。

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
  • 知名会议和协会
  • 相关书籍

1、使用高级群组分割流量

在检查前先要将这部分广告流量与网站的其他流量进行分割,高级群组是最好的选择。因为我们之前对流量进行过来源标记,所以只需要创建一个来源等于bluewhale的高级群组就可以分割出这部分流量了。如图1所示。

 图片 11

图1  过滤来自bluewhale.cc的流量

创建完成后,在报告中选择使用这个高级群组。这部分流量将会贯穿整个报告。这也是在检查流量前的准备工作。避免其他来源流量的干扰。

相关文章

You can leave a response, or trackback from your own site.

Leave a Reply

网站地图xml地图