在这篇入门完全指南中，我们将探讨分析学中一些基本的方法，以及用户体验测量与分析中的日常工作和交付物。我们也将列举一些常用工具、相关书籍，帮UX 从业者更好地学会收集和分析数据。

有没有一种神奇的方法，可以创造广受欢迎或者能让用户一见钟情的体验？并没有。创造所有人都喜爱的体验并非我们的目标，相反，我们力求创造一种直接服务于特定人群并让他们满意的体验。同样地，也没有一种特定的衡量我们创作成功与否的方法。在这样的情形下，分析学就有了用武之地。

如果你无法衡量它，那么你如何知道它是否是成功或有效的呢？

这就是不断驱动UX从业者收集和分析数据的原因。通过线上或线下，我们收集了许多数据：如，有多少人点击了它？他们通过导航到了哪里？他们什么时候退出了？以及，他们在寻找什么？我们应用分析学去衡量我们设计的有效性。这就是说，当我们看到人们的行动时，我们就可以通过分析知道设计是否与用户进行了良好的交流互动，亦或者，设计是否很好地传达给了用户。

在这篇入门完全指南中，我们将探讨分析学中一些基本的方法，以及用户体验测量与分析中的日常工作和交付物。我们也将列举一些常用工具、知名会议和协会、相关书籍，这些都会给你很好的帮助。

目录
• 什么是分析学？
• 通用方法
• 日常工作和交付物
• 可以关注的大神
• 常用工具
• 相关书籍

什么是分析学？

我们都知道，自互联网出现以来，它已经深刻地改变了我们，也改变了相关用户的行为。从一开始的用户输入网址到现在的依赖于搜索引擎进行搜索，从将所有的注意力放在一个界面到打开、浏览多个标签页，所有这一切使得网站或应用程序变得更加复杂。要衡量我们的设计，分析师不能仅仅简单地测量网络服务器上的点击率，他们必须分析用户的行为。

在收集信息、数据时，研究人员会根据情况采用定性或定量方法，或者二者相结合的方法。定性数据通过用户研究进行收集：观察人们的行为，了解他们为什么要做某些事情；而定量数据则通过测量、分析来获得：了解用户进入一个页面时采取了哪些行动，以及有多少用户采取了这些行动。

这种量化的数据能让我们得出一些基准，这些基准则可以给我们的设计决策提供帮助或启发，从而使我们得知设计是有效的还是无效的，是成功的还是失败的。世间万物皆可测量，但数据的使用通常仅限这些方式：我们用数据去描述问题，诊断问题，给出最优方案，预测结果。

• 描述性分析类似于老式的计数器。描述性分析可以给出这样的基本数据，比如有多少人访问了一个网页，多少人点击了这个按钮，或有多少人观看了视频。

• 诊断分析可能会使用一些和描述性分析类似的度量指标，但却基于不同的目的。诊断性分析有助于我们了解发生了什么，以及为什么。例如，如果一个在线零售商正在赔钱，他们可能会测量用户在各个使用环节中的点击率和页面退出率，从而得知用户在哪些地方流失掉了。

• 规则性分析指的是那些帮助用户得知下一步该做什么的数据。例如，假如谷歌地图收集了上下班高峰期的交通数据，它就可以基于这些数据给司机规划一个更好的线路。或者当我们要考虑设计的有效性时，规则性数据也可以帮助我们识别模式，从而给我们未来的设计决策提供启发或帮助。

• 预测性分析是最后一种类型。它告诉我们在某一情境中可能会发生什么。例如，如果我们使用A / B测试法测试一个网站新版的顶部设计，该测试可以告诉我们哪个设计更容易将客户留在网站上。如果新版的顶部设计比较受欢迎，我们就可以得到这样的预测：如果我们使用了新版的顶部设计，网站流量很可能会增长。

以上四种类型的分析过程中都会使用一些度量指标，这些度量指标通常基于关键绩效指标（KPI），亦或者或者和KPI相关。关键绩效指标是一个可测量的行为或者信号，它关乎商业的成败。例如，某公司的 Twitter 转发量不会直接增加用户对该公司的喜爱或者识别度，但是营销团队可以将Twitter转发量关联到品牌认知度，在这种情况下，他们可以使用转发量作为他们的KPI之一。理想情况下，针对某一经营目标应该有多重KPI，从而增加数据的可靠性。

通用方法

虽然分析学可能令很多设计师感到复杂难懂，但其实一些基本方法通常简单明了、直接明确。大体上，分析学领域基于这三点：研究、测量和分析。

研究

尽管基于网络的分析是一个相当新的领域，但研究领域已经有几百年的历史了。研究人员横跨各个领域，从科学到营销，再到人类学，他们使用的分析技术直接影响分析师的工作方式，以及分析师决定去继续追踪研究的方向。研究人员的工作，特别是当与分析学结合在一起的时候，与科学方法极其类似：

研究人员首先优化自己的目标或问题，以便集中他们的注意力。一旦他们明确了项目目标，他们就会首先提出一个假设，然后去检验这一假设。接下来，数据分析师可以去测量研究和测试的结果。基于这些测量结果，研究人员和分析师可以识别、去除出一些离群值，或不能反映整体以及模式的结果。最终，他们得出结论，甚至基于他们的分析给出一些预测。

测量

仔细说来，很多指标都可以帮助我们了解一个公司或品牌是否愈来愈强。营销人员、企业家、商业顾问都建立了自己的衡量成功的方法。他们可以测量这些数据：用户数量、网站的速度、用户在网站上的停留时间，以及一些离线细节，比如资金款额、新产品关注量、邮件的订阅量，或购买数量。

有许多公司只知道测量而不重视先前的研究和后续的分析，这种处境相当危险。举个例子，你可以去测量访问该网站的人数，但如果你没有研究之前几天，几周，几月的用户访问数量，如果你没有两种数据的分析、比较方法，那么你测量到的数据其实是毫无意义的。这就是为什么我们经常提及数据追踪，而不仅仅是测量。数据追踪意味着基于研究的持续测量，这整个过程都包含有分析的意图。

分析

分析是将整块信息打碎成片段，并检查每块片段代表含义的过程。分析的概念应用广泛，它在数学、哲学、化学、精神病学，以及计算机科学中都有使用。如果没有分析，所有在研究阶段收集到的信息都可以被测量出来，但是毫无意义。分析使我们在信息之间建立关联。例如，你可能会研究人们如何访问一个网站，测量由搜索引擎进入网站的人数，然后我们可以通过分析得出相关背景，以及回答一些基本问题，如：有多少人访问过类似的网站？今天有多少人访问了您的网站，相比于昨天或上周或去年如何？有多少人从谷歌进入你的网站，与从Twitter进入的数量相比如何？

这里有一个有趣的细节：“分析”一词来自古希腊的ἀναλύω，意思是“我将它解开、拆散”。“分析”这个词最早发现使用于亚里士多德的文章标题中，Prior Analytics，这是一篇关于演绎推理和科学方法的文章。作为人类，我们都自然地对分解信息并在逻辑上理解他倍感兴趣，这也许就是我们发现分析极其有价值的原因之一。

日常工作和交付物

数据分析是许多行业的必要工作之一，从营销人员到用户体验从业者，再到数据分析师无不如此。在本节中，我们将回顾一些UX从业者可能会实施的分析任务、工作，以及相关的交付物。

设定关键绩效指标

当一个新的举措即将启动并实施时，分析师需要确定和设置相关的关键绩效指标。这些KPI都和该项目要达到的用户体验目标密切相关，这也就是为什么UX从业者和数据分析师一起共同协作进行分析工作是非常有价值的。关键绩效指标，如我们上面所解释的，是关联到公司或项目目标的可测量的行为或信号。比如说，如果一个公司的目标是成为一个全球性的公司，他们的一个KPI就可能是来自世界各地的用户访问量，或者是国外的产品销售数量。理想情况下，每个项目目标都应该有一个与之相关的关键绩效指标，这使得我们可以衡量项目成功与否。

优化内容

我们之前一直在集中讨论分析学有关测量的部分，还没有触及到这些是如何影响用户体验的。分析学告诉我们哪些内容或网站的哪些部分需要改进，这意味着，分析师往往可以给UX人员提出可最优化的建议和方向。这可能包括理解谷歌的搜索算法是如何工作的，如何处理和改进元数据，哪些关键字最有可能触及到我们的目标受众，以及许多和贸易相关的方便技巧。在页面上线或者活动启动之前，分析团队（或个人）需要审查一切事物，并优化所有的内容，这使得事情更容易成功。

设置分析工具

一旦确定了关键绩效指标，我们就需要添加代码到相关网页，以跟踪网站参与度、转换数据，以及其他一些指标。Google Analytics 是最流行的分析工具之一，它的流行在很大程度上是因为谷歌让它极易在网站上添加跟踪代码。有些时候，追踪、分析数据的任务由开发团队承担，但在更多的情况下，这些工作由分析师来承担，他们还需要为开发团队提供所需的相关代码片段。

监视和测量

维护是分析工作的重要组成部分。根据项目的不同，分析师可以创建每日，每周，每月，或双年度的分析报告。比如说，如果是和社交媒体相关的活动，那么就可能需要每天更新报告。然而，对于一个新产品来说，产品本身的推出就可能需要6个月的时间长度，相应的分析报告也就需要更长的更新周期。不管时间段的长短，分析师通过不断地监测、计量和报告，逐渐深入并进行分析。最后要说的是，仅仅报告KPI是不够的，分析工作意味着解释关键绩效指标的含义，并根据对这些指标的理解给UX团队提出建议。

可以关注的大神

分析学常常让UX领域中的人们望而却步，但下面这些人让分析不再神秘，平易近人且有章可循。他们的文章，讲座和播客可以很好地帮助我们提升在网络世界分析和使用数据的能力。

Annie Cushing

Annie Cushing 做过许多与内容有关的工作：撰写，编辑，推销，优化，测量。她在自己的博客Annielytics、Search Engine Land 、YouTube频道 上提供了许多实用方法或策略，帮助人们使用工具来分析社交媒体的成功和竞争性信息。

Avinash Kaushik

Avinash Kaushik 是 Market Motive Inc 的联合创始人之一，也是 Google Analytics 的积极推广者。通过他的博客 Occam’s Razor，他最畅销的书籍《Web Analytics 2.0》，以及《Web Analytics: An Hour A Day》（这两本书的收益全部捐赠给了 The Smile Train，Doctors Without Borders 和 Ekal Vidyalaya），Avinash 已成为公认的权威人士，他帮助营销人员、管理团队和行业领导者利用数据从根本上重塑自己在数字行业的影响力。

Gary Angel

Gary Angel 被认为是数字测量方面的专家，他目前是 Ernest & Young (EY) 数字分析中心的负责人。Gary定期撰写博客，他已出版了许多与数据分析相关的优秀书籍，也经常在行业活动中发表演讲。他也是书籍《Measuring the Digital World》的作者。

Joost de Valk

Joost de Valk 是一名 SEO 顾问以及 Web 开发人员。他的分析工作常常和开发有关。因此，他负责着谷歌 WordPress 的分析插件，并且运营着 Yoast ，这家公司专注于研究 WordPress 博客的 SEO 性能问题。

Luke Hay

Luke Hay 是一名用户体验顾问和 Google Analytics 培训师。他有着15年各类网站的管理经验。Luke 持有Google Analytics 个人资格认证，并且有5年各类客户的用户研究和测试经验。他通过结合定性和定量研究方法来获得有关用户体验的全面信息。Luke 在他的网站上提供用户体验服务以及针对个人或团体的 Google Analytics 培训课程，他也偶尔在这个博客中更新和测量和度量有关的内容。

Pamela Pavliscak

Pamela 收集有关人们与技术和谐相处的故事。她的工作包含一部分人种学，一部分数据科学，还有部分行为心理学。她是 Change Sciences 的创始人之一，这是一家面向财富500强公司、初创公司、小型公司的设计研究机构，主要提供测量有关情感化的服务。她也在 Medium 上发表文章，并经常在会议上发表有关如何使用各类数据创造更佳体验的演讲。

常用工具

分析师可以使用许多不同的工具来完成他们的工作。以下是一些最流行的工具：

Google Analytics

Google Analytics 如其所说，是一套企业级的网站分析解决方案。这意味着什么呢？Google Analytics 为您提供的服务使你能对自己网站的流量和营销效果有更深入的洞察，比如它会测量用户会话指标，包括跳出率、关键字的频率等。这些服务都是免费的，且易于设置和自定义，它同时适用于小型和大型企业。

Moz Pro

Moz 一开始是一家 SEO 咨询公司，目前它已成长为一家拥有四种工具软件的公司，这些工具可以帮助你优化内容，收集并分析数据。Moz Pro 是他们主要的搜索营销工具，它使用了“一套集所有功能于一身的搜索引擎优化（SEO）研究和分析工具”来帮助你拆解数据。这个工具有多种价格可供你选择：79$ /月 至 599$ /月 不等。

Clicktale

ClickTale 帮助你捕获并记录访问者在网页里面的每一次鼠标移动、点击、滚动和按键，然后将此信息发送回 ClickTale 的服务器。这使得分析师可以重新回顾用户浏览网页的整个流程，了解他们如何在网页上互动。

该工具软件相当复杂，它为你的系统提供了很多可优化机会，并且还提供了定性或定量的数据追踪功能。个人版最低 9$ 起，企业版最低 99$ 起，并根据购买数目最终定价。

KISSmetrics

KISSmetrics 是一款帮助用户体验从业者识别、理解，并提高他们业务指标的工具。KISSmetrics 的软件代码可以被添加到任何网站，使得数据分析师可以追踪用户的行为，例如有多少人访问了这个页面，他们来自哪里，有多少人离开网页，以及从人口统计学的角度来看，网站用户有哪些共同点。这款软件相对昂贵：起始版 200$ /月，基础版 700$ /月，专业版 2000$ /月，虽然价格昂贵，但物有所值。

Crazy Egg

Crazy Egg 的优势在于它的绘制热图功能。“让我看看我的热图”，是他们的主要业务功能。通过热图，Crazy Egg 可以展示出点击人数，用户何时进行了滚动操作，以及用户在某一处的停留时间。Crazy Egg 价格相对便宜，起价为 9$ /月，最高 99 $ /月。

相关书籍

下面这些书籍可以给你提供很好的指引。此外，你也可以从很多团体或个人的博客中学习，如Google Analytics ，Occam’s Razor （Avinash Kaushik），以及 Moz 。

《Web Analytics 2.0》

本书作者为Web分析界的思想领袖 Avinash Kaushik。《Web分析2.0：用户中心科学与在线统计艺术》一书提供了很多建议，例如，如何创建一个可操作、可实施的策略，如何正确运用分析技术，如何应对诸如社会媒体和多渠道营销活动带来的分析挑战，如何利用实验得出最佳结果，以及如何使用方法、策略真正地聆听客户。

《Advanced Web Metrics with Google Analytics》

这本书教会读者如何使用 Google Analytics 的诸多功能以达到最佳效果。该书的许多细节和建议，旨在帮助读者实施新的方法和理念，包括追踪处在社交生活和移动生活中的用户，使用多种途径或方法报告分析结论，了解过滤器的使用，等等。

《Lean Analytics （精益数据分析）》

这本书专为创业者和企业家，以及所谓的“内部创业者”（试图从内部挑起变化、作出改变）而创作，并向读者们展示了如何验证思路、找到合适客户的方法，以及讨论了如何构建事物，并让它广泛传播的策略。这本书囊括了三十多个案例研究以及数百名专家的经验见解。