我們會發生各種極有可能出現的混淆，數據抽取之後「迷戀」於數字，腦子裡沒有分析的目標，自己的局限影響指標選擇......當分析數據的時候我們都很容易犯錯。不過，用戶體驗團隊需要用戶行為的準確畫像，你就要記下分析數據(用戶體驗分析)時最常見的幾個錯誤，或者說讀數據時幾個最大的失誤。

這些都與對用戶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信號
• 如果數據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，向大家揭示當做統計說明時 7 個最常見的錯誤。

訪問和瀏覽：混淆它們並且過度依賴它們

不管是不是新手數據分析師，都會陷入交替使用這兩個概念的陷阱：

不同的數據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：

• 使用錯誤的數據做報告
• 將一些極不準確的報告整合在一起

毫不意外，這是進行數據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，可被追蹤分析代碼所追蹤。
• 訪問(session)是指用戶在特定時間內，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數據時頗為常見的錯誤，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。然後集中處理與用戶體驗有關的數據。

要有全局觀而不是深挖數據

簡要地瀏覽一下可以獲取的數據：

• 快速評估手頭的數據
• 迅速瀏覽「頭行」數字

這樣只能得到一些網站當前的運行狀態，不會給你任何提升用戶體驗的線索。怎樣提高數據分析效率呢?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數據來分析，並作為用戶體驗和網站性能的指標是解釋統計結果時的另一個常見錯誤：作為用戶體驗分析師，最好的分析數據的方法是對這些數據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用戶行為有關的指標，而不是一股腦扎進數據的海洋里。

解釋數據常見錯誤：只看數字

不把這些數據放在它們的背景下，因為基於數據背景去解釋數據才是合理的，否則你就只是分析一些統計上的量化數據：

「是什麼」而不是「為什麼」

毫無疑問解釋數據時最常見的誤區就是：進入數字的「咒語」!

你需要牢記：

• 這些數據表示的是真實用戶的行為
• 一旦將它們的來源忽略，那數據就失去了它們的價值

只有當與用戶體檢聯繫在一起解釋時才能真正體現數據價值，你的網站告訴你的整體用戶體驗是什麼?這就是為什麼在分析定量和定性數據時經常採用的是定量定量性分析方法。用戶研究方法讓你從：已經發生了什麼到為什麼訪問者在我的網站這麼做?

總是認為較低數據代表壞標誌

在數據分析中另外一個經常犯的錯誤就是：

經常把更低數值、減少數據認為是一件壞事。

這裡一定要聯繫上下文!把數據分析看做一個三個階段的過程，具體如下：

1. 你想在這些數據中獲得什麼?

2. 哪些數據是可以利用的?

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，它很可能意味著用戶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。

忽略用戶劃分

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

以及多用戶與網站的交互方法不同。還需要我說更多?當解釋定量和定性數據時，不要忽略這些有價值的因素對用戶體驗的影響。在你匆忙地做出錯誤假設讀取你的分析數據前，把這些數據分解成多個相關部分。

• 移動用戶
• 桌面用戶
• 來自不同國家的用戶
• 不同年齡組的用戶等等

用戶群的基礎劃分將定性和定量數據轉換為相關部分，更為重要的是：提供關於網站上用戶體驗關心區域的無價線索。假設網站的轉化率為 7%，在你為這個數據過度興奮前，先拆分一下這個數據。你會發現其中 9% 來自於PC用戶，只有 1% 來自於移動端用戶。就這樣，你就有了線索。現在你就知道應該把你的注意力集中在用戶體驗的哪些地方。

在分析之前沒有制定清晰的目標

這就如之前說過的，在海量數據中混亂。

但如果一開始就花費時間定了目標，就會知道從數據分析中想獲得的是什麼。並且：

• 直接將用戶體驗指向那些具體對象。
• 專注於解釋用戶行為的相關度量

用通俗的話說，如果不知道要到什麼地方，又如何知道怎麼到達那個地方，以及如何提高用戶體驗呢?

解決通用型(One-Size-Fits-All)報告設置

在解釋分析數據時另外一個常犯的錯誤是堅持標準報告設置，而不是嘗試調整它，讓它向你傳遞你需要的精準數據：與你網站相關的數據 。因為每個網站工作方式不同，你不能期望一個通用的數據分析方法能夠完美地適合所有數據，對嗎 ?

所以你已經分析了你的數據了：接下來呢?

讀取你的分析數據僅僅是第一步。現在你應該：

• 從你的分析數據中獲得一些可以採取的行動
• 行動起來

是否有可用性測試來解釋為什麼你的桌面轉換率比它的移動版本更高?

或許你需要實現一些用戶研究方法去識別用戶從他們的移動設備訪問網站時瀏覽的內容。

是時候整理你的數據驅動作戰計劃了!

以上內容來自公號:中國統計網

【頭條號-新社匯and微會動袁帥】運營者：袁帥，會展業信息化、數字化領域專家，PMP項目管理師，網絡營銷，搜尋引擎營銷運營出身，數據分析師，中國電子商務職業經理人，CEAC國家信息化計算機教育認證：網絡營銷師，SEM搜尋引擎營銷師，SEO工程師 。現任北京新薈友科技有限公司聯合創始人、執行董事，新社匯平台聯合創始人、微會動平台創始人兼首席營銷顧問，靜花緣精品系列民宿網際網路線上運營，北京宏宇互動科技有限公司事業合伙人，TAS區塊鏈溯源項目營銷合伙人。O2O2O活動場景雙線閉環數字化運營綜合服務解決方案與活動場景數字信息化運營綜合解決執行方案提出者，微會動服務共同體發起人。