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

我們會發生各種極有可能出現的混淆，數據抽取之后“迷戀”于數字，腦子里沒有分析的目標，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***的失誤。

這些都與對用戶行為進行錯誤的假設有關，然后你就會發現：

• 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，那么肯定存在一個因果關系·····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：混淆它們并且過度依賴它們

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，并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：

過于依賴瀏覽和訪問！

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。然后集中處理與用戶體驗有關的數據。

2. 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？盡可能使用寬泛的訪問數據來分析，并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，***的分析數據的方法是對這些數據分析后得到什么結果有個概念。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。

3. 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，因為基于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：

“是什么”而不是“為什么”

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系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么？

這就是為什么在分析定量和定性數據時經常采用的是定量定量性分析方法。用戶研究方法讓你從：

已經發生了什么到為什么訪問者在我的網站這么做？

4. 總是認為較低數據代表壞標志

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。

這里一定要聯系上下文！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么？

2. 哪些數據是可以利用的？

3. 它的實際意義是什么？

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。

5. 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？