在上一個(gè)客戶(hù)的案例中，小紅利用數據分析來(lái)發(fā)現那些需要進(jìn)行可用性測試的地方。然而目前為止，小紅只發(fā)現了網(wǎng)站中值得測試的單獨的頁(yè)面和頁(yè)面組。她覺(jué)得她需要知道更多的關(guān)于最常見(jiàn)的用戶(hù)行程（user journey）的信息。她還想更加深入地理解用戶(hù)，看看不同類(lèi)型的用戶(hù)如何訪(fǎng)問(wèn)網(wǎng)站。為了能進(jìn)行最佳的可用性測試，小紅真心想要知道人們事實(shí)上是如何使用網(wǎng)站的。

簡(jiǎn)單來(lái)說(shuō)，數據分析是一種用來(lái)發(fā)現可用性測試最佳測試頁(yè)面的極好的方法。在本系列文章的第一部分，我講解了如何利用數據分析來(lái)發(fā)現網(wǎng)站的問(wèn)題所在之處。這么做可以讓我們更好地理解目前的用戶(hù)行為，并且幫助我們集中力量在將要測試的任務(wù)上。

在如何利用數據分析來(lái)指導可用性測試的這一系列文章的總結部分，我將更仔細地探討如何通過(guò)識別用戶(hù)行程、將用戶(hù)分類(lèi)來(lái)比較不同的用戶(hù)組的行為。

識別流失點(diǎn)

知道用戶(hù)是如何在整個(gè)網(wǎng)站中流轉的可以增加單個(gè)頁(yè)面狀態(tài)的情境（context）。比如，分析用戶(hù)行程中前一個(gè)頁(yè)面的數據可以幫助我們識別為什么某個(gè)特定頁(yè)面的退出率特別高。另外，找出最常見(jiàn)的用戶(hù)行程對于謀劃可用性測試很有好處?？捎眯詼y試可根據這些常見(jiàn)的用戶(hù)行程來(lái)設計，從而確保在測試中用戶(hù)的行為是和已經(jīng)存在的用戶(hù)行為是相符的。

谷歌分析嘗試通過(guò)用戶(hù)流程圖（user flow）和行為流程圖（behavior flow）報告來(lái)展示用戶(hù)行程。他們可能比較難閱讀，并且經(jīng)常因為把多個(gè)頁(yè)面組合在了一起而變得很麻煩。這意味著(zhù)谷歌分析通常只能把最為普遍的幾個(gè)頁(yè)面單獨展示，而把其他的頁(yè)面組合在一起，顯示為“大于100個(gè)頁(yè)面”——這對我們一點(diǎn)幫助也沒(méi)有。下面的截圖顯示出這種非常局限的信息是如何讓分析變得困難的：只有幾個(gè)頁(yè)面在每個(gè)用戶(hù)行程的階段中是單獨被顯示的，剩下的頁(yè)面都被組合在了一起。

盡管頁(yè)面被組合造成了很多問(wèn)題，花些時(shí)間分析這些報告仍然可以幫我們發(fā)現問(wèn)題區域，根據的是流失率或意想不到的用戶(hù)行程（比如，我們本來(lái)期待的是這樣，但用戶(hù)卻走向了另一個(gè)方向？）。一旦我們發(fā)現了問(wèn)題區域，我們就可以謀劃可用性測試，來(lái)看看用戶(hù)在整個(gè)行程中是如何思考的，了解他們?yōu)槭裁磿?huì )有這些麻煩。

在谷歌分析的用戶(hù)流程和行為流程報告中，所有的頁(yè)面用了綠色的矩形來(lái)表示，灰色的連接線(xiàn)用來(lái)表示頁(yè)面之間的用戶(hù)行程。每個(gè)矩形還用紅色表示了流失率的百分比（也就是說(shuō)用戶(hù)正離開(kāi)網(wǎng)站）。它們可以說(shuō)明常見(jiàn)的用戶(hù)行程，以及用戶(hù)在哪些地方離開(kāi)了網(wǎng)站——也是另一種問(wèn)題區域的跡象。

下面的例子來(lái)自于一個(gè)我曾經(jīng)工作過(guò)的旅行網(wǎng)站。它在主頁(yè)有一個(gè)特別明顯的搜索框。

在這個(gè)簡(jiǎn)化了的并加上了筆記的圖中，我們可以看到一個(gè)可能的問(wèn)題。用戶(hù)利用搜索框來(lái)找到某個(gè)旅行目的地，但之后又從搜索結果頁(yè)面回到了主頁(yè)（又名，彈簧跳（pogo sticking）），說(shuō)明了搜索結果對用戶(hù)來(lái)說(shuō)不夠滿(mǎn)意。這可能歸結于許多的理由：可能搜索功能經(jīng)常搜不出結果，搜到太多結果，或者太少結果。也可能這個(gè)問(wèn)題和搜索結果本身無(wú)關(guān)，而是其他的理由，比如搜索結果里的酒店的價(jià)格太高了。

數據顯示最初的搜索是讓用戶(hù)不滿(mǎn)意的，這讓我決定針對搜索框來(lái)進(jìn)行一些可用性測試?？捎眯詼y試的結果顯示，問(wèn)題的原因在于搜索結果太多太泛了，用戶(hù)被大量的結果淹沒(méi)了。根據這個(gè)測試結果，我建議引入一個(gè)多面搜索系統（faceted search system）：在搜索結果頁(yè)面讓用戶(hù)可以根據一些標準來(lái)過(guò)濾搜索結果，而不用返回到主頁(yè)重新搜索。這個(gè)新的搜索系統讓用戶(hù)可以根據酒店提供的服務(wù)設施來(lái)過(guò)濾他們的搜索結果；比如是否有游泳池、健身房和其他的設施，這意味著(zhù)用戶(hù)可以發(fā)現對他們自身有用的結果。這個(gè)設計方案讓搜索后又回到主頁(yè)的用戶(hù)數量大幅度下降，讓更多的用戶(hù)進(jìn)入到他們行程的下一步。

上面的結果顯示的是多面搜索系統被引進(jìn)一個(gè)月后的分析數據。圖中顯示出，主頁(yè)和搜索結果頁(yè)面之間的“彈簧跳”現象減少了。雖然仍然還有改進(jìn)的空間，但這個(gè)變化產(chǎn)生的積極效應是非常鼓舞人心的。

數據分段，更多的細節

數據分段為觀(guān)察不同用戶(hù)的不同行為提供了一個(gè)絕佳的方式。一個(gè)簡(jiǎn)單的例子就是比較新用戶(hù)和回訪(fǎng)用戶(hù)。下面的圖來(lái)自于一個(gè)在線(xiàn)找工作網(wǎng)站，它顯示出新用戶(hù)的數量在該月幾乎是持平的，然而回訪(fǎng)用戶(hù)的數量卻跟隨了一個(gè)不同的模式：在周末的時(shí)候數量明顯下降。

這使我想知道更多的細節，關(guān)于新用戶(hù)和回訪(fǎng)用戶(hù)的不同點(diǎn)。其他關(guān)于這兩種不同用戶(hù)的數據顯示出，回訪(fǎng)用戶(hù)傾向于在網(wǎng)站上花費更多的時(shí)間，每段時(shí)間會(huì )瀏覽更多的頁(yè)面，并且更傾向于申請工作。

根據這個(gè)數據我可以做出假設：回訪(fǎng)用戶(hù)更可能是真正找工作的人，但新用戶(hù)訪(fǎng)問(wèn)網(wǎng)站的時(shí)候更隨意。因此我推薦網(wǎng)站做一些個(gè)性化的設計——對待新用戶(hù)，展示更多的保證信息，說(shuō)明該找工作的網(wǎng)站是合法的、值得信賴(lài)的，并且引導他們簡(jiǎn)單快速地做出行動(dòng)，比如注冊工作提醒。對待回訪(fǎng)用戶(hù)，展示更精確、細節的搜索工作的選項，并且提供信息鼓勵他們申請工作。

新用戶(hù)和回訪(fǎng)用戶(hù)不同的行為可以透露許多事情，取決于網(wǎng)站的類(lèi)型。比如，對一個(gè)電子商務(wù)網(wǎng)站來(lái)說(shuō)，它顯示回到這個(gè)網(wǎng)站的人更傾向于下單。如果這是真的話(huà)，那么我們可以把重點(diǎn)放到幫助第一次訪(fǎng)問(wèn)網(wǎng)站的用戶(hù)下單。

這種數據分段分析還可以幫助可用性測試的招募。如果在新用戶(hù)和回訪(fǎng)用戶(hù)之間有明顯的行為區別，那么可能最好同時(shí)招募已有用戶(hù)和尚未訪(fǎng)問(wèn)過(guò)該網(wǎng)站的用戶(hù)來(lái)進(jìn)行測試。測試不同的用戶(hù)類(lèi)型可以幫助解釋為什么他們在網(wǎng)站上有迥然不同的行為。

除了上說(shuō)例子中的新用戶(hù)和回訪(fǎng)用戶(hù)，在谷歌分析上還有一些現成的數據分段方式來(lái)幫助我們分隔數據，包括：

不同的流量來(lái)源——可以用來(lái)發(fā)現那些通過(guò)搜索和鏈接來(lái)到網(wǎng)站的用戶(hù)的區別。

使用不同設備類(lèi)型的用戶(hù)——可以用來(lái)比較使用手機、平板和桌面電腦用戶(hù)的參數。

根據自己的需求來(lái)改造分段方式也是很好的方法，這可以使分段方式可以和整個(gè)網(wǎng)站重要的用戶(hù)及角色更好地相符合。通過(guò)這種方法，我們可以分析這些不同的用戶(hù)群所采取的不同的用戶(hù)行程，例如，比較已有用戶(hù)和第一次購買(mǎi)的用戶(hù)的行程。

數據分段可以被用來(lái)觀(guān)察使用不同設備的用戶(hù)的行程。根據手平板和桌面電腦來(lái)分段可以提供三個(gè)不同的行為流程供研究。這種方法對于發(fā)現使用不同設備的用戶(hù)可能存在的問(wèn)題特別有幫助。手機用戶(hù)的行為流程圖可能會(huì )在用戶(hù)流程中顯示出一個(gè)重大的流失點(diǎn)，但在平板和桌面電腦中卻不是問(wèn)題。這應當引出相應的手機端的可用性測試，重點(diǎn)放在找出手機用戶(hù)在流程中的該點(diǎn)流失的原因。

現在該怎么辦？

在利用數據分析識別問(wèn)題區域后，下一步就是找到為什么用戶(hù)會(huì )有這些問(wèn)題。數據分析能夠提供一些關(guān)鍵的地方，需要我們在可用性測試中特別關(guān)注，或者拆分出特別的測試。作為用戶(hù)體驗的職業(yè)人，我們自然而然地想要和我們的用戶(hù)在一起，在可用性測試中從他們身上學(xué)到東西。數據分析只是幫助我們更好地進(jìn)行測試。

嘗試一下——提取一些這里提到的方法，把它們應用到某個(gè)項目中。你會(huì )驚奇地發(fā)現，我們竟然可以從數據分析中發(fā)現這么多東西。

對于那些仍然覺(jué)得不確定的讀者，這里有非常多的幫助資料。如果你想和谷歌分析最新的發(fā)展保持同步，我推薦谷歌分析官方博客，和Occam’s Razor——數據分析大師Avinash Kaushik的博客。如果你想在實(shí)踐中學(xué)習提高數據分析的技能，可以參考谷歌分析培訓中心。這些教程都能幫助你更好地準備獲得一個(gè)谷歌分析個(gè)人資格證書(shū)。