導(dǎo)語:你是否曾經(jīng)面對著一大堆網(wǎng)站數(shù)據(jù)毫無頭緒?你是否曾為選擇哪些頁面進(jìn)行測試感到舉棋不定?讓Luke來告訴你,如何有效地利用“谷歌分析”指導(dǎo)設(shè)計(jì)和研究吧!
索菲亞【譯者注:為了更接地氣,以下稱為“小紅”】正在和她的客戶討論可用性測試的項(xiàng)目,她已經(jīng)迫不及待地要開始了。然而唯一尚未解決的問題是,他們對于測試什么內(nèi)容和著眼于網(wǎng)站的哪個(gè)部分持有不同的觀點(diǎn)。小紅的客戶對他們的顧客很了解,但是小紅擁有多年用戶體驗(yàn)的研究經(jīng)驗(yàn),沒有任何跡象表明小紅和她的客戶可以達(dá)成一致的意見。于是小紅把注意力轉(zhuǎn)向了數(shù)據(jù)分析,希望能深層次地洞悉人們到底是如何使用網(wǎng)站的。
可用性測試和數(shù)據(jù)分析是一對無敵好搭檔,它們讓我們更多地了解用戶,跟蹤我們的目標(biāo),解決意外的問題。說到解決問題,數(shù)據(jù)分析告訴我們哪些頁面或者流程正在給用戶造成麻煩,哪些領(lǐng)域需要我們在可用性測試中重點(diǎn)關(guān)注。接下來,可用性測試會(huì)告訴我們?yōu)槭裁从脩魰?huì)表現(xiàn)出某些特定的行為。在這兩者之上,我們可以為網(wǎng)站擁有者提供重點(diǎn)明確、針對用戶的建議。
在小紅(和許許多多與之相似的用戶體驗(yàn)從業(yè)人員)的例子中,數(shù)據(jù)分析能揭露用戶到底是怎么訪問網(wǎng)站的。雖然小紅和客戶在用戶體驗(yàn)或顧客方面的經(jīng)驗(yàn)可能讓他們對于測試什么有了不錯(cuò)的假設(shè),但對于人們是如何訪問網(wǎng)站,數(shù)據(jù)分析展示給他們的是更為清晰、無偏見的方式。
對于任何希望通過學(xué)習(xí)一些簡單的工具來讀懂?dāng)?shù)據(jù)的人,數(shù)據(jù)分析可以幫助你:
在這兩篇系列文章中,我將會(huì)解釋如何利用數(shù)據(jù)分析來識別用戶有問題的地方,以及網(wǎng)站的哪些地方會(huì)從可用性測試中受益最多。
本篇文章的重點(diǎn)為——三個(gè)識別網(wǎng)站問題的參數(shù):跳出和退出率(bounce and exit rate),頁面平均時(shí)間(average time on page)和目標(biāo)價(jià)值(page value)。
在第二部分,我們會(huì)進(jìn)一步利用這些參數(shù)來識別drop off points,然后我們會(huì)深入到數(shù)據(jù)分段(segmentation)來獲取額外的細(xì)節(jié)信息。
作為一名自由職業(yè)者和用戶體驗(yàn)咨詢師,我與各種各樣不同領(lǐng)域的網(wǎng)站合作過,其過程非常一致,總是以數(shù)據(jù)分析為開端。最開始我會(huì)去辨認(rèn)每天有多少用戶訪問這個(gè)網(wǎng)站,哪個(gè)頁面最常用。這會(huì)給我一個(gè)大概的感覺,知道人們是如何訪問這個(gè)網(wǎng)站的。然后我會(huì)進(jìn)行下一步:辨認(rèn)潛在的出問題的領(lǐng)域,繼而知道我的用戶體驗(yàn)建議將會(huì)著重在哪一塊。
總體來說,我會(huì)觀察三種類型的參數(shù)來辨認(rèn)問題所在:
跳出率和退出率是兩個(gè)可能造成混淆的參數(shù)。跳出率是只訪問了網(wǎng)站的一個(gè)頁面的用戶的比例:在一個(gè)頁面登陸,但是沒有去訪問任何其他頁面就離開了網(wǎng)站。【譯者注:谷歌官方解釋為“跳出率指單頁訪問次數(shù)(即訪問者從入口頁離開網(wǎng)站而未與網(wǎng)頁互動(dòng)的訪問次數(shù))所占的百分比”?!客顺雎适菑囊粋€(gè)頁面離開了網(wǎng)站的用戶的比例(它包括了那些之前在該網(wǎng)站瀏覽了其他頁面的人)?!咀g者注:谷歌官方解釋為“退出百分比指從某個(gè)或某組特定網(wǎng)頁退出網(wǎng)站的次數(shù)所占的百分比”?!?/p>
編者注:術(shù)語可能有所不同,意思相近即可。給譯者的細(xì)心點(diǎn)贊!
如果我發(fā)現(xiàn)了網(wǎng)站的一部分出現(xiàn)了一個(gè)很高的跳出或者退出率,我會(huì)做上筆記,以防某些頁面的什么東西造成了用戶的離開。一個(gè)有著高跳出率的頁面可能說明這個(gè)頁面上的內(nèi)容不是用戶來到這個(gè)頁面所期望看到的東西。一個(gè)高退出率的頁面可能說明這個(gè)網(wǎng)頁導(dǎo)致了用戶在他們想要的流程中半途而廢——從另一方面看,如果一個(gè)高退出率的頁面是流程的最后一頁,那么這個(gè)高退出率就不再是個(gè)問題了。
用谷歌分析(Google Analytics)中的“加權(quán)排序(weighted sort)”會(huì)讓跳出率更加有用。根據(jù)谷歌分析,“加權(quán)排序把百分比數(shù)據(jù)根據(jù)重要程度排列,而不是序號排列”。舉個(gè)例子,一個(gè)頁面雖然有著100%的跳出率,但在過去的一個(gè)月中,只有一個(gè)用戶訪問,然后離開了該頁面(另外一個(gè)更大的問題可能是沒有任何人訪問過這個(gè)頁面?。H绻粋€(gè)頁面有80%的跳出率,但是是一個(gè)在流程中非常關(guān)鍵的起始頁面,那么這個(gè)網(wǎng)站可能因此流失了大量的生意。為了更好地為頁面可用性測試做準(zhǔn)備,我們必須辨認(rèn)出問題出現(xiàn)的原因:是因?yàn)闆]有人訪問這個(gè)頁面,還是每個(gè)訪問的人都馬上離開了網(wǎng)站?
“頁面平均時(shí)間”是指用戶瀏覽某個(gè)頁面所花費(fèi)的平均時(shí)間。如果我發(fā)現(xiàn)有一個(gè)頁面的“頁面平均時(shí)間”很低,這可能意味著該頁面沒有引起用戶足夠的注意。從另一反面來看,如果用戶在一個(gè)結(jié)賬頁面停留很久,那么可能是因?yàn)樵擁撁孢^于復(fù)雜了。當(dāng)然,所有的參數(shù)都必須放在具體的情境下分析;如果一個(gè)博客文章有一個(gè)很高的“頁面平均時(shí)間”,那么總體來說是一個(gè)好的現(xiàn)象,因?yàn)檫@可能意味著用戶真的在閱讀整篇文章。
另外一個(gè)衡量頁面表現(xiàn)的非常好的方式是利用“與網(wǎng)站平均數(shù)比較”的選項(xiàng)。這個(gè)圖會(huì)顯示某些頁面在某個(gè)參數(shù)上是不是在很大程度上高于或者低于平均值。雖然這些頁面仍然需要一頁一頁地分析,因?yàn)椴煌捻撁嬗杏貌煌哪繕?biāo),但是低于平均瀏覽時(shí)間的頁面總體來說可能會(huì)有問題,假設(shè)目標(biāo)是為了讓用戶繼續(xù)閱讀的話。下面的例子清晰地表現(xiàn)出“聯(lián)系(contact)”頁面相對來說有比平均值更低的瀏覽時(shí)間,然而“博客(blog)”頁面有高于平均值80%的時(shí)間。
再次強(qiáng)調(diào)下,情境是關(guān)鍵。用戶可能來到聯(lián)系頁面來尋找一個(gè)公司的地址,或者聯(lián)系電話。如果他們成功地找到了,那么他們就會(huì)離開該網(wǎng)站,因此較低的頁面瀏覽時(shí)間在這里是一個(gè)好的現(xiàn)象,說明頁面很有用。一個(gè)“博客”頁面是用來吸引用戶的注意的,因此一個(gè)高于平均值的時(shí)間可以被看做是一件好事。
頁面價(jià)值(Page value)
“頁面價(jià)值”是一個(gè)非常重要,但是很少被用到的參數(shù),它可以用來發(fā)現(xiàn)表現(xiàn)欠佳的頁面。目標(biāo)價(jià)值,就如它的名字所示,是一種賦予頁面直接的貨幣價(jià)值的方式。對于電子商務(wù)網(wǎng)站來說,它納入了各種各樣的交易收入總數(shù)和所有類型的網(wǎng)頁的目標(biāo)價(jià)值——這些參數(shù)都需要在谷歌分析中人工設(shè)置,才能計(jì)算出頁面價(jià)值。一個(gè)高價(jià)值的頁面往往顯示出它是一個(gè)重要的頁面,意味著該頁面值得被納入可用性測試中。
一個(gè)高價(jià)值但是展示出高退出率的頁面是值得重視和改進(jìn)的。意味著這些頁面讓用戶在回話流程的關(guān)鍵位置離開了。在下面的的例子中(一個(gè)電子商務(wù)網(wǎng)站),我突出顯示了三個(gè)有著類似的頁面價(jià)值的品類。可以清楚地看到,“個(gè)性化玩具(personalised-toys)”的產(chǎn)品頁面有一個(gè)相當(dāng)高的退出率。這說明這個(gè)高價(jià)值的頁面正在讓用戶“流失”,并且應(yīng)該在未來的用戶體驗(yàn)設(shè)計(jì)工作中引起重視。
然而,單獨(dú)的某個(gè)頁面只能展示部分真相。“內(nèi)容分組(content grouping)”這個(gè)功能很重要,我們可以利用它來觀察網(wǎng)站的某個(gè)部分表現(xiàn)如何。內(nèi)容分組可以把數(shù)據(jù)根據(jù)用戶訪問的頁面種類來進(jìn)行分類,因此十分必要。我們可以用各種各樣的方式來分組。比如對于一個(gè)買衣服的網(wǎng)站來說,可以根據(jù)不同種類的服飾來分組,看看褲子是不是比襯衫的頁面價(jià)值要高。
一旦發(fā)現(xiàn)某個(gè)頁面或者某個(gè)組的頁面價(jià)值很低,下一步我們要做的就是:找出背后的原因。在上面的例子中,襯衫相對來說有比較低的價(jià)值。我采取的第一步行動(dòng)是,根據(jù)我的經(jīng)驗(yàn)和判斷力,看看在襯衫的頁面上有沒有任何明顯的用戶體驗(yàn)或者技術(shù)方面的問題。做完這個(gè)之后,我會(huì)和真實(shí)的用戶一起來測試這些個(gè)頁面,來看看為什么會(huì)有這些問題——并且尋找那些暗含了修復(fù)方式的線索。
內(nèi)容分組是一個(gè)非常強(qiáng)大的工具,可以讓你看到網(wǎng)站的不同部分的真實(shí)表現(xiàn)。
這只是利用數(shù)據(jù)分析來發(fā)現(xiàn)網(wǎng)站問題的第一步。在本系列的第二部分中,我們會(huì)著眼于如何發(fā)現(xiàn)用戶流程中的流失點(diǎn),以及如何把用戶分類來看到更多的細(xì)節(jié)信息。
與此同時(shí),你嘗試著利用在本篇文章中學(xué)到的方法來發(fā)現(xiàn)可能存在的問題:
推薦閱讀
發(fā)表日期:2019-07-12
發(fā)表日期:2018-11-05
發(fā)表日期:2018-12-29
發(fā)表日期:2019-08-12
發(fā)表日期:2021-07-03
發(fā)表日期:2015-08-06