设计的数据和分析 - UCD大社区

浅见数据分析

孙晗 — 2009-07-12 01:31:23

我们生活在数据所驱动的世界之中，要掌握这个世界，就要懂得利用如何进行数据分析。用数据来揭示本质，找出问题，提出解决问题的方案，执行之后再通过数据来反映解决程度。互联网的时代，对于利用数据、分析数据更是不容置疑的重要。因为，我们离数据是如此之近，而数据改善我们体验的故事也是如此之多。

窃以为，数据分析有三种层面的理解：第一层，定期对已有数据的整理、分析及汇报。这是数据分析的最初应用。旨在通过频数等描述统计，用直观的报表或图形来“微言大义”的反应问题。如本月的女用户是增加用户中的比例，是总体用户的比例，这个比例达到一定情况下，说明了什么问题等等，这样通过已有数据来直观说明问题。不难理解，这样的数据处理方式与其是说数据分析，不如说是在做数据汇报。其目的性很明显，同时操作难度也不大，虽然简单，但是可以作为企业定量衡量绩效的重要方式。因为流程的可复制与程序化，大抵上可以采用一些软件来提高效率，当然，自行编写程序也是很好的选择之一。

第二层，基于目的性的分析研究。企业生存的核心是账面上的数字，但往往谈论的是产品和服务应该怎样被客户所接受这样的问题。因此，将企业所关注与讨论的问题定量化，模型化，而后去主动的搜索信息，基于模型整理、分析之后，揭示这些企业关心的问题。如服务的同质性、可替代性、主观问题如满意度的客观解释等。这些数据用描述统计所得到的结果往往是有偏、不一致的。需要通过数理统计的处理，应用适用的模型去测度。最终，告诉决策者，我们的产品与服务中诸如可替代性、满意度等问题的答案是什么。这一层面上，相较于第一层的“数据整理与汇报”而言，最大的改变是去测度，而非简单通过频数来描述。

第三层，无明确目的的问题解决性分析。前述的方式，无论是分析汇报数据的描述统计，还是基于对某一关心问题的测度研究，都是基于在决策层认为信息不足以决策之时，为了补足信息而做出的研究。而无明显目的的问题，则是决策层希望解决问题，但却不能确认究竟是哪些数据在影响问题，如何分析数据才能找到答案的情况下，用一个整体、且又模糊的目的来指导数据分析。比如，如何才能增加用户、如何将非积极用户转化为积极用户、怎样使得用户认可商业模式等等。要解决这类问题，首先要做的就是量化问题，将不明确的问题，用可以测度的变量来支撑。例如网站粘性不高问题的解决，可以转化为：定义积极用户、定义非积极用户的、此二者的差异、二者差异之于其他网络服务是否具有同样的差异等等可以通过第二层的数据分析测度的变量，用这些变量来支撑网站粘性不高问题，如何解决这样一个很难直接测度的问题。显而易见，找到可以测度的支撑变量，并且用这些变量支撑，是有足够可信度来发现问题的。这其中应用到的与其说是统计分析工具，不如说是统计思想。

对于数据分析，我认为没有任意一种工具与模型是可以通用的，因此每个问题都要通过统计思想与经验去甄别、选择合适的分析工具。更为重要的是，统计工具没有时髦与否，只有适用之分。要利用统计思想去探求事物的本源，而不是形而上的统计工具应用。

最后需要声明一点，上述的三层仅仅是为了说明问题，在实际应用中不宜将数据分析主观割裂开来。
感谢阅读。

相关话题：设计的数据和分析源地址：http://www.showeb20.com/?p=1980

我看数据可视化（Data Visualization）

谭浩 — 2009-07-08 00:46:52

数据可视化是当前的一个热点问题，特别在交互设计领域，如何把数据——特别是大规模的数据进行可视化就成为了一个非常热门的问题。对于设计专业的人员而言，数据可视化的最大挑战在于对数据的理解。和传统的设计对需求的理解有所不同，数据的理解难度可能会加大。因为，数据本身可能带有比较强的专业性、领域性和研究性。而设计专业的最大优势在于可视化表现这一部分，因此，采用什么表示方式，可能是数据可视化的一个重点。

数字可视化这个领域里，将科学数据和信息进行可视化是两个重大的方向。科学数据的可视化是将科学数据用图表等方式进行表现，信息可视化则是将非数字信息进行可视化。前者更多见于互联网行业，其主要目的是把可视化信息作为一种沟通工具；后者则是一种重要的数据挖掘和设计技术，例如把核磁共振的图谱可视化就是典型的例子，这个已经属于科学研究范畴。

就数据可视化而言，最大的难点在于如何在可视化中表达出数据的某种上下文（context）关系，而正是这种关系的表达，可以使表达过的信息和知识具有更好的可理解性。特别是在数据量很大的情况下，如何表达？一个常见的关系表达就是社会化网络的关系。这已经是这个领域的一个热点话题了。

至于如何进行数据可视化，有机会我会和大家一起探讨。

相关话题：设计的数据和分析源地址：http://www.haodesign.com/?p=92

6月北京UCDchina书友会记录

kent.zhu — 2009-06-29 22:24:15

本期UCDchina书友会话题：设计的数据和分析，以下是来自北京书友会的讨论记录：
可以讨论的点：
1）数据的种类
数据库的数据与来自用户的数据
作为互联网的数据分析与传统行业的数据分析之间的区别
定量的数据与定性的数据
作为战略的数据与作为某一个具体的项目的数据
2）数据是怎么来的？
数据：把信息记录下来，属于信息的载体
作为支持产品设计的数据，更需要关注的是数据得来之前的方法是否正确，数据的结论是如何得到的？至于其他的工作属于技术的问题，对于产品人员则不必要做太多的干预。
3）数据清洗
数据记录的属性有所不同，可能会出现误差，在提取信息的过程中有些数据是不需要的有些是有误差的，所以我们需要对数据进行清洗之后再用于对产品设计的支持。
对数据的清洗实际上就是要挖掘出数据里隐含的信息。
最为产品人员最最需要关注和掌握的能力就是对数据进行清洗。
4）数据怎么用？
数据是产品设计的一种工具，如何更好的发挥他的作用，结合产品把数据变得浅显易懂的展现出来？
数据的分析也应该是为网站的运营来服务的
简单的使用流程：设计——数据来验证设计——改进设计（先要有问题再去找数据）
做决策判断：基于自己的判断+得到的数据来进行分析，数据还是一种辅助的工具。
从数据中发现问题：监控异常指标数据－调研分析－改进方案
5）数据可视化
技术导向型——可用。把所有功能都挖掘出来
用户导向型——易用。把数据中蕴含的信息剥离出来进行展示，是可配置的。
后台数据可视化、数据地铁图，利用数据来展示用户在什么地方集中在什么地方松散，为什么集中，为什么松散？

参会同学观点：
1）不能让分析把运营绑架了
2）如何用数据说话？需要体现出设计师的专业性，设计师应该有能力挑出错误的数据，同时使用正确的数据来指导自己的设计
3）产品与技术应该同时关注数据，技术给出问题产品去研究问题
4）对数据统计口径应该一致性，协调不同部门之间对数据的使用
5）唯数据论与唯经验论都是错误的，唯数据论与唯经验论之间的平衡关系
几个数据使用的流程：
6）数据分析的布点（维度齐全）——对数据的拼装（可配置、可视化）——发布报表
7）海量数据做对比——发现波动点——抽样分析——得出结论
8）做决策的目的？——需要那些数据做判断？——如何判断这些数据？

9)宝洁的：建立或修改假设——设计实验——执行实验——分析实验——计划推广——实施推广——学习图书馆建立

相关话题：设计的数据和分析源地址：http://www.ikent.me/blog/1616

深圳Ucdchina讨论：设计中的数据分析

光耀 — 2009-06-24 22:34:10

这是上周末Ucdchina书友会的话题很激烈。这期书友会以来自TCL、中兴通讯和步步高几位同学为主，所以大家的话题更多集中在消费类电子产品。之前一直聚焦互联网，对于电子产品我的发言权还不够，但是很多讨论还是值得借鉴。

1. 数据对创新没有价值，但是数据可以指导设计。之前互联网圈子就该不该听用户的话题有很多讨论。Keso早就说过不要听用户的。在我看，确实用户的很多需求不是用户自己说出来的，而是产品人员发现或创造的。同样的用户数据，不同的产品人员一定会有不同结论，最后不同的结论会输入到各自的产品。当然当转移到交互设计等环节的时候，用户的声音就需要放大，并灌输到产品中。

2. 对于调研报告和数据的分析要有技巧。前期需要调研开放性问题，先做定性调研，否则可能有大的缺漏。因为有可能我们设定的某些调研场景就是有问题的，比如一部商务手机在我们设想里的应用场景可能是office或者车上，如果我们都没有假设沙发或者床这样的场景，后期定量结果可想而知。

3. 用户做调研的心态和用户真正使用和购买的心态是不一样的。所以别把数据当宝贝，数据在那放着，关键是你如何从数据中得到恰当的反馈。当日还有这样一个案例：一部手机的用户报告显示，该手机的摄像头使用率非常低，于是该厂家决定取消摄像头功能，这样大大降低了用户的购买价格。而结果是，没有摄像头的手机销量情况很差。为什么？因为用户填写数据报告的场景和用户购买的场景是不一样的。用户给你反馈了5个新功能，但是当你满足了用户所说的5 个功能的时候，用户可能反而不要了。

4. 数据报告是以前的东西，而产品是未来的产品。在互联网领域，数据报告和产品上线周期较短，问题较小。而从一部手机设计实现周期而言，通过数据报告得出需求，再到产品实现的时间差需要考虑。所以积累一些预期产品（PS 就像那些不会量产的概念车一样）。

5. 更多的了解数据分析原则，在产品评审中争夺话语权。亲身经历告诉我们产品需求评审和运营方案评审，没有这个是不行的。

6. 人人都要有产品经理的素质。发现很多企业的产品经理更多的是项目经理的角色。如果只是卡项目节点，关注时间节点，那么这个产品经理只是参与了产品生命周期的一小部分。这个是个老话题，我这里建议UI、ID、运营、市场都具备一定产品的素质，这样产品在前期开发和后期营销的衔接会更顺畅，产品才会更成功。

相关话题：设计的数据和分析源地址：http://www.imguangyao.com/archives/589

UED团队建设：以数据为基础的设计

Maison — 2009-06-23 21:14:31

数据，是每个公司都会关心的东西，至少到某一个阶段来说，数据有时候会被“神化”，比如伟大的Google公司，就是一个很典型的数据为一切的公司。

用数据来给我们作为设计导向也是一种很普遍的现象。很多时候设计师对数据便显得无可奈何，因为很多时候数据会成为创新设计师的绊脚石。看看前Google首席视觉设计师Doug Bowman的离职文章，就能看出来鲍曼对于Google用数据作为设计基础产生的愤慨。

数据就像一把双刃剑，有时候我们能用测试结果的数据来说服运营部门利用我们的设计方案，但也有时候运营部门会拿着数据来告诉我们他们的所需。其实作为一名产品设计师来说，对于数据的把握会成为自己对于产品设计的一种经验，就想铸剑师把握火候一样。

一、把握数据的轻重

其实作为数据它只能代表着过去的用户行为，它不能对以后产生影响或有前瞻指导。在进行一些新产品项目设计时，作为产品设计师从运营或者用研拿到一些数据时，要对数据进行自己的判断，这时的数据只能属参考作用，而不起任何引导性或决定性的作用。所以设计师不能被数据牵着鼻子走，要判断数据在这个项目中的轻重权衡。

二、挖掘数据的隐形需求

可用性工程师或用研的同学们会将标本分析整理成数据报告。很多产品设计师会忽略这些报告，认为这些报告对于自己的设计没有太大的帮助，只有拿着自己DEMO去做可用性得出的结果才会改正。而我觉得作为产品设计师，应该更早的参与到用研的过程中。把用户行为习惯，喜好等也作为标本的经历背景来考虑到产品设计当中。比如，iPod的设计时，发现很多用户听歌曲时，不愿意去选择歌手或专辑，他只想随便听听打发时间而已。所以，shuffle的功能就应运而生了。所以不要忽略数据报告后面这些用户行为习惯。

三、先减后加的数据

“少即多”的交互设计原则我想很多设计师都了解。所以对于数据，我们也可以用这样的原则，一个数据代表产品一个属性，那么我们需要抓住产品核心需求，用数据的权重进行排列，之后和核心需求的属性进行对比，从而抓住产品的重点。而不是一股脑啥时髦的功能都放上去，而不考虑数据和需求。

还有很多公司，只在乎某个项目产品开发时的数据调研，当产品上线后就会将这些数据扔到一边。我们应该保留产品开发整个过程中的数据，且某些属性的数据可以归档整理成为一个纵向的整理属性。比如Personas就是数据积累所形成的一种UCD设计方法。

相关话题：设计的数据和分析源地址：http://www.maidow.com/blog/?p=286

Design IT. (3)，看不懂数据

白鸦 — 2009-01-13 12:46:08

一堆数据摆面前，数据背后有什么样的事情在发生，这些数据里面暗藏着什么样的用户需求，什么样的商业机会？看懂这些，将为未来产品设计的方向，用户需求的把握起到关键性的作用。
但，“看不懂数据”是一个普遍的问题，而且是一个永远存在的问题。基本上，我认为原因都出在看数据的人身上。
.
1、不配看数据

产品设计者对待数据的态度，不像一个市场分析者或者财务分析者。我们看数据，更多是需要了解数据背后用户的行为逻辑和期望需求。这就要求我们看到数据的时候，必须第一时间想象到用户是如何创造出这些数据的，为什么会创造出这样的数据。

作为一个产品设计者首先必须告诉自己：“I’M Not User” ，如此同时还要再把自己模拟成一个平凡的用户，不停的反复的去用自己的产品，和同类产品。我向来认为，一个做移动互联网的产品设计师，不有事没事换手机玩，不是好的产品设计师；一个电子商务的产品设计师，不每周在网上买一件东西，不是一个好的产品设计师。

06 年中，在某个用户体验设计的会上，某知名教授大讲他所在公司搞到的facebook的数据，说他的理解、说他的分析，说facebook如何没戏。刚开始听着蛮有根有据，后来越听越不对味，突然他冒出来一句“虽然我从来不用facebook”… 我当场昏厥。这种人，不配分析facebook的数据，更不配去评论。

要想有资格去看数据，通过数据给产品设计提供有效的依据。方法很简单，也很有效：把自己当作一个平凡的用户，不停的用。有，且只有这么一个方法。
.
2、为了看数据而看数据

和做可用性测试一样，测试之前不能说没有“关注点”，发现什么就是什么。那样什么也发现不了，即使发现了，价值也不大。数据拿到手里，没有目的的去看，不如不看。

在做产品设计的数据分析之前，首先应该搞清楚自己需要什么样的数据来说明什么问题。一个数据对于不同的产品、不同的环境、不同的用户类型，得到的结论应该是不一样的。传统的市场研究中，对于数据的分析往往是根据“硬属性”，比如他们对于用户的分析基本都是根据“人口属性”的数据，他们得到的结论也很少结合现实环境。这样的结论，对于（互联网的）产品设计基本上没有太大的参考价值，特别是如今个性化需求越来越强，用户行为越来越独特的时候，“人口属性 ”很不能代表用户背后的行为逻辑。

比如，想了解“有购物搜索需求的网民”具备的主要特征，这个时候“年龄、学历、性别、收入、婚姻状况、消费能力、信息获取方式、上网条件、..”可能都是对我有参考价值的数据，但那些才是最重要的呢？分析后很快就可以发现，比较而言“年龄、收入、上网时间、上网条件”都不是最重要的，“消费能力”、 “信息获取方式”在这里才是最重要的特征。这些数据背后才更能代表用户的行为逻辑和需求。（如果不是很明白这个结论，稍后再《Desing IT.》第8篇左右会谈到产品设计上如何区分用户属性）
.
3、不去筛选数据

做一个优秀的设计者，首先必须善于“提问”。“提问”的水准和设计水平基本成正比。要什么样的数据，什么样的数据可以帮我解决这些问题和疑问？这个很简单，一罗列你可以想到很多很多。但，事实上数据类型到达一定数量后，类型越多，反倒越不利于对于结论的判断。因为，不同数据类型之间会产生相互的干扰，有些时候次要问题可能会战胜主要问题，影响最终的结论。

在实际项目中，解决了主要问题，次要问题可能就会很自然的被稀释了。获取数据也一样，必须搞清楚什么样的数据最能说明这个问题？确定这些会使分析过程的精力更加集中。把主要的几个问题想穿、打透，其他问题很快就会迎刃而解了。

很多时候不是解决不了问题，而是想解决的问题太多；很多时候不是数据不够，而且想要的数据太多。还比如，想要了解如何解决“购物搜索”的需求，其实只要关注好“信息获取方式”、“消费能力”、“决定购买的因素”基本就能解决很多问题，盯着“用户是男是女，8岁还是80岁”，只能是耗费精力。

不去筛选数据，还有一个很大的危害就是：“因为没有筛选，所以不能把关心的数据点看透彻”。
比如，很多人都在夸开心网的推荐做的好，很多用户在上面找到了自己的“同学”，于是定论为“算法的技术好”。其实如果专注关心“开心网为什么打通用户关系这么快”的人，经过详细分析后是不会得到“技术好”这个结论的。根据我的观察，我比较赞成麦田的结论：“开心网把校友录的数据库用进去推荐算法里面了”，我甚至认为开心网的推荐里面不只是用了“校友录”的数据库，还有更多其他数据库。（麦田对于数据的分析虽然是偏市场和运营性的，但其实对于产品设计的促进一样很大，而且他确实是一个观察数据很细，研究数据很深的人）
.
4、不关注数据采集的方式和方法

当我们为某个项目寻找方向或者确定某个决策，需要一些数据的支持，以便了解状况并确定思路。这个时候，不仅需要给出“需要什么样的数据”这个需求，同时还应该包括如何得到这些数据。

很多时候，我们只提出需要什么样的数据，并不去提出要求如何得到这些数据的方式、方法，完全依靠调研者的经验去获取数据，这是不可取的。因为这样来的数据对结果的帮助是不准确的，甚至往往会出现误导。因为调研过程中不同的方式方法，得到的结果会不一样。

比如，还是要做一个购物搜索的网站，你给出的“需求”不应该只是“用户目前获取信息的方式”、“搜索的商品类型”等，还应该包括数据的来源，以及获取的方法。现有搜索网站？问卷？电话？…
不同的方式方法，渠道，得到的数据是不一样的。不同水平的人采集到的数据结果也是不一样的。

往往我很同情国内的同行，大家能找到靠谱的数据真的少的可怜。就拿行业数据来说，基本上国内没有一家第三方机构可以提供靠谱的数据。XX统计局就不说了，比如商业机构艾瑞，他的数据丝毫不具备可信度。最根本的，我们可以去看看尼尔森在欧美（不要看国内的尼尔森，那是同样的不靠谱。跟他们合作过一次，东西做的一塌糊涂）的一些问卷，从问卷设计的逻辑、采集方式、统计方法，甚至包括“埋地雷”的方法，都高出国内这些数据提供商一大截。（比如一个细节：去尼尔森在欧美的一些问卷试试，如果你是玩的心态，很快就会被说“谢谢你参与调查”。因为，他们很快就通过“地雷”判断出你并非真正的采集对象，很快就把你踢走了，而国内的你可以随便玩）

有些时候，如果实在没有办法，去做小量的抽样数据，也比那这些不靠谱的数据去分析强。
.
5、只用定量数据，没有定性数据

还说那个最老土的例子：
沃尔玛每天总重要的事是“想尽一切办法，把货架摆好，让顾客更快的找到，更快的走掉”。事实上，当他们的MBA（商业数据分析）人员通过庞大的数据处理系统发现，啤酒和尿布的销售曲线惊人相似的时候，他们其实只能得到一个“结论”。但，这些知识定量的数据，并不能挖掘出本后的顾客行为，以及为什么会造成这个现象。这个时候，如果靠“分析”、“猜测”是不能得到正确结论的，方法只能是去结合“定量”的研究，通过具体观察和调研了走到用户身边，最终才能了解到 “因为，在美国一般都是男人去买尿布的，而在沃尔玛就算买1美元的东西也要排队半个钟结帐，男人们这个时候就顺手拿了啤酒犒劳一下自己”。

海量的定性数据，只能告诉我们结论，不能告诉我们背后的原因。同样，如果只有定性的数据，往往看到的现象可能是片面的，结论可能是有偏差的。（关于定性研究，稍后章节详细解释）

.
还有一些常见问题：只关心数据结果，不关心过程（比如，就知道那个广告的流量大，没注意那个广告比别的大三倍）；只看大数据，不看小数据（比如，只发现交易量疯狂增长了，没注意虚假交易疯狂上升了）；只看数据表象，不看发展过程（比如，只知道现在的行业分布均衡，没发现曲线的前方已经出现裂痕）；等等。因为没有方便拿出来说的实例，不再一一絮叨 …

其实，
要看明白数据是个很简单的事情，但要真正懂数据背后的原因和逻辑，是一个很难的事情。自问，我依然只刚刚上路。
不过，可以肯定的是，随着对于用户的接触越多，对于用户心理模型的理解越透彻，对于业务逻辑了解的越透彻，一定会带来对于数据的理解能力越强。共勉

PS：《Design IT.》接下来的两篇是，“Design IT. (4)，团队和决策 ”、“Design IT. (5)，有什么可做？”。
(《Design IT.》系列关闭评论，请在你自己的博客用“文章”回复，或者将你的文章发布到UCD大社区里。这些文章都会聚合成话题)

为什么要深入解析“网站分析”数据？

MarsOcean — 2009-03-15 06:43:12

假如，你去打靶玩。

子弹1块钱一颗，但是当你打中靶子的话会有奖金，打中几环就奖励你几块钱。

比较奇怪的规则是：你的眼睛会被蒙上，然后让你原地转三圈，你看不到靶子在哪，连方向也没有。

更奇怪的是，奖金不会直接给你，而是会3年后再公布。

第一种人，拿着枪就乱打。

砰砰砰，子弹打出去，你也不知道打到没（直到游戏结束），你也不知道下一枪应该打高一点还是打低一点。

你说他会打到靶子的机会大，还是打到空气的机会大？赚钱还是亏钱？

如果赚钱的话——运气这么好的话——可能去买六合彩更快一点。

第二种人，会花几块钱买“经验”，找一个所谓“有经验的高人”来帮你打。

“有经验的高人”会告诉你很漂亮的理论，然后很professional地拿起枪，朝着某个方向非常镇定地——砰砰砰。

然后他会告诉你，他朝那个方向打枪的原因是根据XXX理论和他多年的敏锐嗅觉——他闻到那个方向的靶子上的油漆味道了。因为你闻不到，所以你也不知道他是在忽悠你还是真有本事。最后你只好找“有名的”的“高手”，因为“闻到靶子油漆味”这个能力实在不好衡量，所以只好看名气来——但是麻烦是：名气越大，“经验”越丰富，问你要的钱就越多。

而且，你三年后才知道自己这笔钱花得值不值得。

第三种人，会花几块钱购买另外一种服务——“初级监控”，让打靶场的人给你反馈。

反馈的内容是什么呢？你打每一枪，都有人喊“中了”或者“没中”。

那么这样的人往往会得到如下的结果：

砰——没中

……

砰——中了

砰——没中

砰——中了

砰——没中

砰——中了

……

打着打着也就越来越准，心里也有底气。

第四种人，会找人来“深入分析”，这个可能要花上几十块钱。

“深入分析”和“初级监控”唯一的区别是——它告诉你你打了几环，而且告诉你下一枪应该往哪个方向偏一点。

砰——没中，向左30度

砰——没中，向上10度

……

砰——1环，向上10度

砰——2环，向上8度，向右3度

……

砰——9环，向左2度

砰——8环，向右3度，向上1度

砰——10环！

砰——9环，向上1度

……

如果你有Marketing Campaign，但是你又没有经验、又没有监控——你就是第一种人。

如果你想说你可以请“好的人”来搞定这件事情，但是你和这个“好的人”其实不懂数据监控和分析，你其实就是在依赖这个“好的人”“闻出靶子油漆味”的能力。这就是第二种。他说的话都很有道理（而且他有可能确实有能力闻出油漆味——只是你永远没法验证），如果刚好市场好，他做了campaign刚好你网站起飞了，你可能就会认为他强，否则你可能认为他骗你……

那些曾经被多次认为“强”的人就会成为业界的明星，你可能就要花上每个月N万来供着，因为历史证明他好像真的可以闻到靶子的油漆味道，传说中真的有效果。

如果你找人安装了Web Analytics工具，然后找了个懂监控的Marketer帮你做，就是第三种。你情的人不需要很有名或者很有经验，会按照效果数据优化投放方式和媒体就好了——A网站广告CPO 1000块，B网站 10块， C网站10000块（相信我，不同网站间效果就是可以差这么多），下次就多投新浪，少投QQ。这样工作方法比较简单，对人员素质经验要求没那么高，所以你给的工资也会稍微省一点，可能N千就够了。

假如你的竞争对手是第一种，他每个月投500万在A网站，500万在B网站（因为他不知道到底哪个产生了效果），他根本不知道世界上有C网站；而你投放600万块在B网站。你Marketing Campaign比你竞争对手多带来95000个订单，而你的市场费用则比他省了400万，花个一万多块请人其实是很合算的事情。

假如你的竞争对手是第二种呢……我也不知道，如果他真的找到了正确的人，或许他们可以做得和你一样好；如果找到的是个大忽悠，他们做到的实际效果可能比第一种人乱做更糟——更惨的是，没有一定时间的累积，其实是很难看出来自己高薪找的高人到底是哪种的……

如果你找到了自称会闻油漆味道的人（自称有Market Sense的Marketer）帮你，然后他又会深入的监控、分析Marketing数据，然后主动对网站、流程、Marketing Campaign做出优化，那就是第四种。这样的人也很贵，可能最贵——但是好处是他做没做好很好衡量，如果是忽悠的话你可以更快的开掉他。

假如你的竞争对手是第三种人，他会把所有市场经费投放在B网站上。而你很可能把市场经费都投在C网站上。因为深入分析后真实情况可能是：1. B网站100%客户都是老客户，他们只是每次下单前都会去这个返点站点击一下广告而已；而C网站100%是还不熟悉你和你竞争对手的新客户；2. C网站的客户，虽然点击你广告之后不下单，但是50%都注册了你的会员，之后1年内会陆续收到12封你的促销邮件，这些会员中25%又会购物！最后算下来可能CPO只要1块钱！（对于online marketing的局限性详细说明请参见我之前写的怎样监控和评估网络营销的效果）。这样的话，当你竞争对手投放600万的时候，你只需要投60万就好了，省下来540万，足够招到好的人了。

综上所述，简单讲就是：解析“网站分析”数据会让你花比竞争对手更少的钱，取得比他们更好的效果。

《设计中的数据和分析》参与UCD书友会小结

朱佃强 — 2009-06-22 23:26:08

QQ上王大伟兄弟问我昨天参与UCD书友会活动有什么理解与认识，经兄弟一提醒我还是把一点粗浅的认识备案一下，以备以后参考：

昨天的主题是“设计中的数据和分析”，其实对这个主题我了解并不多，昨天去就是想跟大家多学习一些，不过发现原来大家也没有清晰的界定与结论。不过在大家的交流中还是小有收获，不管对不对记录下来总归没坏处；

我觉得总结一下基本上有三点：
１、数据分析对设计是非常重要的参考，但设计实施者的最终决策包括但不限于仅依靠数据分析，实施者的直觉等其它因素也是最终决策的参考值之一；

２、数据的获取有很多方法，也许有定量也许没有定量，应该灵活应用。企业的不同时期、不同规模数据的获得方式与来源可能不同；
草根可能通过小投入或者免费的方式获得分析数据，搜索引擎、统计软件、或用户调查等。大公司有专门的统计部门或者交给专业调查公司去收集与分析数据等；

３、设计与数据分析的关系最终要得以顺利实施需要当事人的协调、把握适当才能最终得到理想结果；
当事人可能需要过滤数据中的水份或从得到的众多数据中筛选出自己需要的信息。也可能需要多个数据来源部门或利益部门间的协作、沟通等来影响最终的设计结果；

浅谈用户网站访问行为分析

gowebway — 2009-06-22 21:24:20

随着互联网的发展，网站推广、网站营销成为一种任何一个想利用互联网成就一番事业的企业都不能忽视的手段，毕竟与采用传统方式营销推广所需要的花费相比，网络无疑具有先天优势。但同时问题也随之而来，如何得到网站推广网站营销的效果评估?如何制定下一步的策略?

为了解决这些问题，网站流量统计产品应运而生，国外多家调查研究机构的研究也都证实了网站流量统计分析对于网络营销效果的价值，但在网站营销管理实践应用中，大部分的企业只是通过网站流量统计产品关心一下在线人数，至多也就是大致了解一下访问者的来源，如通过搜索引擎带来了多少用户，以及用户主要利用哪些关键词进行检索而来到网站等等。以此来作为seo优化的依据，当然这也为网站未来策略的制定提供了一定的依据，但是，这些依据毕竟十分有限而且凌乱。最终，都只能演变成只是日复一日的对大量数据的查看。

那么，这样看来，单纯的数据呈现对于网站营销管理的参考意义也就屈指可数了。我们不禁要问，现有的网站流量统计产品是否还缺少了一点分析的角度?

我们来看，一个用户要访问一个网站，他都会使用到哪些事物、留下哪些踪迹呢?鼠标，键盘，浏览器这三样无疑是必不可少的，登录网站之后，他的整个访问轨迹，停留时间等等。那么，这些事物和踪迹又能告诉我们什么呢?

第一，用户的鼠标点击某种程度上可以告诉我们用户在某个网页上的视觉轨迹。因为根据人的一般行为规律，用户会先点击他最先注意到的网页元素，无论这个元素是个按钮还是其它。因此，对用户鼠标点击的总结和分析将能够告诉我们用户在一个网页上的视觉大致浏览轨迹，由此可以得出一个网页设计是否合理，是否能够使得用户真正注意并且能够点击到企业需要让他点击的位置。最终影响到整个网站的信息架构甚而网站结构。

第二，浏览器，对于浏览器和用户操作系统信息的获取已经不是什么新鲜的功能，它们能够告诉我们的无非是用户使用机器的一些基本信息，此处不再多做叙述。

第三，访问轨迹，停留时间。对于这两项就大有文章可做了，从大的层面而言，它可以告诉我们用户在整个访问网站的过程中都做了哪些事情，既用户的客观行为，从小的层面而言，它可以告诉我们一些我们不通过分析访问轨迹无法得知的网站在用户操作流程上可能存在的问题，加上停留时间的参数进行分析的话，甚至可以告诉我们访问网站的用户的类型。以下分别举例说明这两种情况。

例一，我们通过网站访问轨迹的分析，发现一个用户在购买某件商品的付款流程中，总是在结算过程中跳出，那么，此时就可能存在两个可能：第一，结算页面存在误操作。第二：用户还想继续购买其它物品。此时我们结合对结算页面的鼠标点击分析，发现用户是点击了错误的链接导致总是意外跳出。此时，就可以断言，这个结算页面的设计存在问题，需要改进。

例二：有两名用户，其中一个登录新浪之后首先点击“科技”频道，随后点击了“互联网”，另外一个先点击了“科技”频道，随后点击了“数码”但在数码仅停留了很短的一个时间立即点到了“互联网”，那么，某种程度上这两名用户的操作习惯存在一致性，而且根据他们所感兴趣的内容可以一定几率上判定他们是it行业从业人员。通过对无数次同样的归类，我们就可以通过对这些数据的分析，得到我们网站用户的大致类型，所谓知己知彼才能百战百胜，知道我们面对的是什么样的用户，策略的制定才能有的放矢。

综上所述，我们不难看出网站访问行为分析的几个基本维度和它所能带来的好处。目前的网站流量统计分析产品普遍缺乏这样的维度，导致只是数据堆砌洏无法对这些用户行为获得有效的获知。而只有了解了用户的行为，企业才能有的放矢，做出相应的策略。

那么，如何使用一些工具或者对数据的采集分析来达到对用户行为的初步分析呢?笔者注意到近日国内统计厂商中异军突起的一个新的服务提供商——统计啦 www.tongji.la ，他们已经做到了对用户鼠标落点的统计，以及对网站单页面用户覆盖的相关分析，但是笔者提到的对用户的归类他们好像还没有涉及，不过据说他们仍在不断改版，笔者也就拭目以待了。各位看官如果有所兴趣也可以观看一二。

6月深圳UCD书友会纪实

周陟 — 2009-06-22 21:52:07

2009年6月20日下午，深圳UCD书友会6月号如期举行，参与话题讨论的18位朋友来自TCL工业研究院，华为，中兴通讯，步步高电子，友商网，好易通等知名企业，本期主题“设计中的数据分析”。

现场讨论热烈而活泼，全面展现了当前UI行业从业人员的青春色彩与激情澎湃，不但有话题引导，也有小组讨论，还有观点的正面碰撞。这里放上一些现场照片和主题PPT供大家下载观看。

欢迎深圳本地有志之士在合适时机见缝插针加入我们，互相学习，共同进步，组团提高。广告一下深圳UCD书友会官方群：50182647（加入请注明姓名，职业，公司名称）

期待大家的会后作业！

下面是俺准备的主题引导的PPT，希望对大家有帮助：

点击文件名下载：ucdclub_0906_dataanalysis

相关话题：设计的数据和分析源地址：http://lytous.ucdchina.com/?p=1337