當我們做數據分析的時候,到底應該分析什麼?
當我們做數據分析的時候,到底應該分析什麼? 在設計 web 產品時,你可以分析產品的使用資料,並在 A/B 測試中比較不同的介面。這有時被稱為「資料驅動設計」,但我更傾向於把它看作是資料資訊的設計——設計者仍然在驅動,而不是資料。 要使這項工作在實踐中發揮作用,使用正確的度量標準(Metrics)是很重要的。基本的流量度量(如整體頁面檢視或獨特使用者數量)很容易跟蹤,併為你的站點的執行提供了良好的基線,但是對於評估使用者體驗更改的影響,它們通常不是很有用。這是因為它們非常普遍,而且通常與使用者體驗的質量或專案的目標沒有直接關係——很難使它們成為可操作的。 我是谷歌的一組量化 UX 研究人員的一部分,我們喜歡將大規模資料分析看作是另一種 UX 研究方法。我們已經開發了一些有用的方法來幫助選擇和定義合適的度量指標: 使用者體驗的質量 (HEART 框架) 你的產品或專案的目標 (目標-訊號-度量過程) HEART 框架 在幫助谷歌產品團隊定義使用者體驗指標的同時,我們注意到我們的建議往往分為五類: 幸福:使用者態度的衡量,通常通過調查收集。例如: 滿意度,感知易用性和網路啟動子評分。 參與:使用者參與程度,通常通過行為代理來衡量,例如在某個時間段內的頻率、強度或互動深度。示例可能包括每個使用者每週訪問的次數,或者每個使用者每天上傳的照片數量。 採用:新使用者的產品或功能。例如: 在過去七天中建立的帳戶數量或使用標籤的 Gmail 使用者的百分比。 保留:現有使用者返回的速率。例如: 在某個特定時間段內,有多少活躍使用者仍然存在於以後的某個時間段? 你可能對失敗更感興趣,通常被稱為「攪動」。…