我們會發生各種極有可能出現的混淆，資料抽取之後“迷戀”於數字，腦子裡沒有分析的目標，自己的侷限影響指標選擇……當分析資料的時候我們都很容易犯錯。不過，使用者體驗團隊需要使用者行為的準確畫像，你就要記下分析資料（使用者體驗分析）時最常見的幾個錯誤，或者說讀資料時幾個最大的失誤。

這些都與對使用者行為進行錯誤的假設有關，然後你就會發現：

  • 較小的數字通常表示負面訊號
  • 如果資料結果表明有一個相關性，那麼肯定存在一個因果關係·····等等。

現在，允許我向你揭示當做統計說明時 7 個最常見的錯誤。

1. 訪問和瀏覽：混淆它們並且過度依賴它們

不管是不是新手資料分析師，都會陷入交替使用這兩個概念的陷阱：

不同的資料分析工具對同一概念使用不同的術語，（甚至）在同一工具中都會使用令人感到模糊的術語，難怪你會將瀏覽當作訪問，反之亦然。

不過要確保你完全理解術語，否則你就有以下風險：

  • 使用錯誤的資料做報告
  • 將一些極不準確的報告整合在一起

毫不意外，這是進行資料解釋時最常見的錯誤。

現在，讓我們定義瀏覽和訪問，並一次性地將它們的區別列出：

  • 瀏覽（頁面瀏覽）是指瀏覽網站上的一個頁面，可被追蹤分析程式碼所追蹤。
  • 訪問（session）是指使用者在特定時間內，在你網站上進行的所有動作。

現在說到瀏覽和訪問還有一個在分析解釋資料時頗為常見的錯誤，那就是：

過於依賴瀏覽和訪問！

作為 UX 設計師，你也許想要將提升訪問量和瀏覽量的任務交給做市場的人。然後集中處理與使用者體驗有關的資料。

2. 要有全域性觀而不是深挖資料

簡要地瀏覽一下可以獲取的資料：

  • 快速評估手頭的資料
  • 迅速瀏覽“頭行”數字

這樣只能得到一些網站當前的執行狀態，不會給你任何提升使用者體驗的線索。怎樣提高資料分析效率呢？

換句話說：訪問量僅僅是一個指標用來告訴你有多少人在給定時間段內到達你的網站，不會告訴你怎樣鼓勵這些人瀏覽網頁。

看到了吧？儘可能使用寬泛的訪問資料來分析，並作為使用者體驗和網站效能的指標是解釋統計結果時的另一個常見錯誤：

作為使用者體驗分析師，最好的分析資料的方法是對這些資料分析後得到什麼結果有個概念。這樣你就可以集中分析特定的幾個與理解使用者行為有關的指標，而不是一股腦扎進資料的海洋裡。

3. 解釋資料常見錯誤：只看數字

不把這些資料放在它們的背景下，因為基於資料背景去解釋資料才是合理的，否則你就只是分析一些統計上的量化資料：

“是什麼”而不是“為什麼”

毫無疑問解釋資料時最常見的誤區就是：進入數字的“咒語”！

你需要牢記：

  • 這些資料表示的是真實使用者的行為
  • 一旦將它們的來源忽略，那資料就失去了它們的價值
  • 只有當與使用者體檢聯絡在一起解釋時才能真正體現資料價值

你的網站告訴你的整體使用者體驗是什麼？

這就是為什麼在分析定量和定性資料時經常採用的是定量定量性分析方法。使用者研究方法讓你從：

已經發生了什麼到為什麼訪問者在我的網站這麼做？

4. 總是認為較低資料代表壞標誌

在資料分析中另外一個經常犯的錯誤就是：

經常把更低數值、減少資料認為是一件壞事。

這裡一定要聯絡上下文！把資料分析看做一個三個階段的過程，具體如下：

1. 你想在這些資料中獲得什麼？

2. 哪些資料是可以利用的？

3. 它的實際意義是什麼？

讓我們來看一個好例子：

在網頁上花費少量時間可能是好的或壞的。如果我們討論的是你重新設計的主頁，它很可能意味著使用者發現它的新設計更直觀高效。他們可以從你的網站上獲取到他們更感興趣的頁面。

換句話說：在你警告團隊成員網站在走下坡路前，把這些減少的數字放在上下文中去理解。

5. 忽略使用者劃分

每個訪問者使用你的網站的方式是不同的，如：

• 桌面上

• 移動終端中

• 一天中不同的時間

以及多使用者與網站的互動方法不同。還需要我說更多？

本文為 AI 研習社編譯的技術部落格，原標題為 7 Common Mistakes in Interpreting Analytics Data: Statistical Pitfalls for Your UX Team to Avoid，作者 OPTASY。

來自：雷鋒網