Category Archives: UI

转载自这里，这不是一篇真正的教你怎么分析web数据的文章，但是其中的一些概念还是介绍的比较清楚。(说实话，我觉得作者还比较稚嫩，因为她用了斜体中文这种最看不清的表达方式，看来作者至少没有什么编写帮助文件的经验，看到原文的留言中有朋友提到，可惜至少我看的时候文章中补充说明的内容还是斜体，说明了第二点作者没有学会blog中的互动，虽然搭建了wordpress，但是没有体会到blog的精髓。这年头，热情是需要的，经验更加重要。) 记得很早以前看到过这样的一段介绍： 想象你在逛街边的一家书店，如果最终你没有购买任何图书就直接离开了，店长并不会知道你来过。但是如果你买了书，那么书店的员工就会知道他们卖出了一些商品（当然如果你在那里留了联系信息来预订另外一本书，他们就可以得到更多东西）。 回过头来，我们从信息收集的角度看看网站访问，那就是另外一个截然不同的世界了。无论你有没有买东西，在你访问站点时，总是会留下很多记录，通过收集这些访问者留下的大量数据，我们的网络专家就可以得到关于网站用户体验的很多结论。 从站点的记录中，可以知道你走过的每个通道、点击的每个链接、拿了哪些商品、收藏了哪些你感兴趣的话题等等。甚至知道你曾就搜索了哪些宝贝，网络广告推广商就会根据这些你感兴趣的商品，定向的给你投放一些“可能喜欢的宝贝”。 这就是最最简单的web分析概念了，那么我们进行web分析的最终动机又是什么？ 你的客户需要什么？他并不需要“可用性”和“用户体验”本身，他真正需要的是实现他的目标，达到他的访问动机。 狭义地看，web分析是指分析网站访客的行为；广泛一点来说，web 分析是指评估、调整网站各个方面的运作，使其符合公司的商业目标。 换句话，web分析，最终动机并不是“报告”，也不是算计着如何向决策者们发送充满数据的垃圾邮件。它的真正目的是获得可行动的认识和度量。 Avinash Kaushik 在《Web Analytics: An Hour a Day》一书中，提到了单靠一些传统的web分析，有时会带来的YY般的数据报告，比如“退出最多的页面”、“访客屏幕分辨率”、“网站交互次数”等等，这些度量的一个共同点是，它们声称会说点什么，但几乎什么也没说明白。 可是反过来思考一下，基于日志数据的web分析真的就一无是处了么？答案当然是否定的。日志分析，依旧是web 分析的基石，他给我们提供的是最广泛的现象呈现，我们可以从中“知其然”。后面“知其所以然”的部分，就需要结合定性的分析研究来发现了。 那么我们能从日志中得到哪些基础数据呢？看看下面这个图，纵向的把收集到的数据进行分析并划分了几个层次，这个图也描述了一个目前很广泛使用的基于日志的统计分析步骤：日志文件->PV->会话->使用者->客户->忠实客户，我们可以明显地看出，金字塔越上层的数据就越具有商业价值。 对图中一些术语的解释： 命中（Hit）和请求是同一术语。为了获得服务器上的一个资源（可以是文本、图像或任何可以被包含在页面内的元素），浏览器和它连接的服务器之间进行的一次单一连接。日志文件中一条记录就是一个请求。 访问数（Visit）和用户会话是同一术语。从CNNIC对这个术语的定义看，没有详细定义什么算是Visit，什么算是Loss，目前，一个Visit必须至少完整下载一个页面到客户端，如果没有完全下载就被用户关闭窗口即结束请求，那么是一个Loss，而不是一个Visit或称Session。一般的度量方法：访问者在20分钟内与网站有交互活动则被认为是同一次进入网站，不记录新的用户会话数；当访问者持续20分钟与网站没有交互活动，当他再次访问网站时访问者被认为再一次进入了网站，记录新的用户会话数。 Avinash 所提出的“三位一体”的web分析理论也正是将定性和定量合二为一的，以使客户需求与公司目标达到双赢为目的，得到可行动的认识和度量。 首先，进行行为分析，也就是我们传统认为的点击数据流分析，分析点击密度、细分用户等等。这一步的目的是收集真实的行为，来试图推测用户的意图。从这些收集统计的数据中，我们并不企图找出真正的意图和问题，而是使其为更高层次的分析面提供参考。 第二点是通过结果分析，来找出“so what”的问题，在网站目标明确的前提下进行实际产出变化的分析，衡量这个web站点在满足它的存在这一目标上做得如何，才能让上一步的数据更加有意义。 第三部分是体验分析，这是分析的关键，打破陈规去让用户告诉我们这些问题到底是“为什么”，方法多是侧重定性分析的，比如AB测试和多元测试、启发式评估、客户之声等等。这样也可以有效的避免将那些网站给用户带来的“误会”当作有效样本放入统计数据池中。 最后说几个有意思的web分析方法： 1. 数据与可视化结合 “如果你有大量的数据，你应该感受到它们的存在。如果你必须浏览十万行日志文档，当你浏览到一百行时就已经忘了第一行。” —Marty 面对庞大的杂乱无章的日志数据，将其可视化，已经成为一种趋势，我们十分高兴的看到，一些主流的web分析网站都推出了很多可视化的东西，而且并不局限于日志数据。很多时候，换个角度，能得到不一样的收获。 来几个典型的例子： 热力图：可以应用在点击日志、眼动分析、页面展现率等等很多定性、定量的分析上 收集页面上点击的位置，颜色越热，表示点击量越高 在一个很长的页面上，可以使用不同的温度颜色来表示那部分的内容更受人关注 … Continue reading →