7类数据分析常见的统计陷阱,快来排雷!
我们会发生各种极有可能出现的混淆,数据抽取之后“迷恋”于数字,脑子里没有分析的目标,自己的局限影响指标选择......当分析数据的时候我们都很容易犯错。不过,用户体验团队需要用户行为的准确画像,你就要记下分析数据(用户体验分析)时最常见的几个错误,或者说读数据时几个最大的失误。
这些都与对用户行为进行错误的假设有关,然后你就会发现:
较小的数字通常表示负面信号
如果数据结果表明有一个相关性,那么肯定存在一个因果关系·····等等。
现在,向大家揭示当做统计说明时 7 个最常见的错误。
01
访问和浏览:混淆它们并且过度依赖它们
不管是不是新手数据分析师,都会陷入交替使用这两个概念的陷阱:
不同的数据分析工具对同一概念使用不同的术语,(甚至)在同一工具中都会使用令人感到模糊的术语,难怪你会将浏览当作访问,反之亦然。
不过要确保你完全理解术语,否则你就有以下风险:
使用错误的数据做报告
将一些极不准确的报告整合在一起
毫不意外,这是进行数据解释时最常见的错误。
现在,让我们定义浏览和访问,并一次性地将它们的区别列出:
浏览(页面浏览)是指浏览网站上的一个页面,可被追踪分析代码所追踪。
访问(session)是指用户在特定时间内,在你网站上进行的所有动作。
现在说到浏览和访问还有一个在分析解释数据时颇为常见的错误,那就是:
过于依赖浏览和访问!作为 UX 设计师,你也许想要将提升访问量和浏览量的任务交给做市场的人。然后集中处理与用户体验有关的数据。
02
要有全局观而不是深挖数据
简要地浏览一下可以获取的数据:
快速评估手头的数据
迅速浏览“头行”数字
这样只能得到一些网站当前的运行状态,不会给你任何提升用户体验的线索。怎样提高数据分析效率呢?换句话说:访问量仅仅是一个指标用来告诉你有多少人在给定时间段内到达你的网站,不会告诉你怎样鼓励这些人浏览网页。
看到了吧?尽可能使用宽泛的访问数据来分析,并作为用户体验和网站性能的指标是解释统计结果时的另一个常见错误:作为用户体验分析师,最好的分析数据的方法是对这些数据分析后得到什么结果有个概念。这样你就可以集中分析特定的几个与理解用户行为有关的指标,而不是一股脑扎进数据的海洋里。
03
解释数据常见错误:只看数字
不把这些数据放在它们的背景下,因为基于数据背景去解释数据才是合理的,否则你就只是分析一些统计上的量化数据:
“是什么”而不是“为什么”
毫无疑问解释数据时最常见的误区就是:进入数字的“咒语”!
你需要牢记:
这些数据表示的是真实用户的行为
一旦将它们的来源忽略,那数据就失去了它们的价值
只有当与用户体检联系在一起解释时才能真正体现数据价值,你的网站告诉你的整体用户体验是什么?这就是为什么在分析定量和定性数据时经常采用的是定量定量性分析方法。用户研究方法让你从:已经发生了什么到为什么访问者在我的网站这么做?
04
总是认为较低数据代表坏标志
在数据分析中另外一个经常犯的错误就是:
经常把更低数值、减少数据认为是一件坏事。
这里一定要联系上下文!把数据分析看做一个三个阶段的过程,具体如下:
1. 你想在这些数据中获得什么?
2. 哪些数据是可以利用的?
3. 它的实际意义是什么?
让我们来看一个好例子:
在网页上花费少量时间可能是好的或坏的。如果我们讨论的是你重新设计的主页,它很可能意味着用户发现它的新设计更直观高效。他们可以从你的网站上获取到他们更感兴趣的页面。换句话说:在你警告团队成员网站在走下坡路前,把这些减少的数字放在上下文中去理解。
05
忽略用户划分
每个访问者使用你的网站的方式是不同的,如:
桌面上
移动终端中
一天中不同的时间
以及多用户与网站的交互方法不同。还需要我说更多?当解释定量和定性数据时,不要忽略这些有价值的因素对用户体验的影响。在你匆忙地做出错误假设读取你的分析数据前,把这些数据分解成多个相关部分。
移动用户
桌面用户
来自不同国家的用户
不同年龄组的用户等等
用户群的基础划分将定性和定量数据转换为相关部分,更为重要的是:提供关于网站上用户体验关心区域的无价线索。假设网站的转化率为 7%,在你为这个数据过度兴奋前,先拆分一下这个数据。你会发现其中 9% 来自于PC用户,只有 1% 来自于移动端用户。就这样,你就有了线索。现在你就知道应该把你的注意力集中在用户体验的哪些地方。
06
在分析之前没有制定清晰的目标
这就如之前说过的,在海量数据中混乱。
但如果一开始就花费时间定了目标,就会知道从数据分析中想获得的是什么。并且:
直接将用户体验指向那些具体对象。
专注于解释用户行为的相关度量
用通俗的话说,如果不知道要到什么地方,又如何知道怎么到达那个地方,以及如何提高用户体验呢?
07
解决通用型(One-Size-Fits-All)报告设置
在解释分析数据时另外一个常犯的错误是坚持标准报告设置,而不是尝试调整它,让它向你传递你需要的精准数据:与你网站相关的数据 。因为每个网站工作方式不同,你不能期望一个通用的数据分析方法能够完美地适合所有数据,对吗 ?
所以你已经分析了你的数据了:接下来呢?
读取你的分析数据仅仅是第一步。现在你应该:
从你的分析数据中获得一些可以采取的行动
行动起来
是否有可用性测试来解释为什么你的桌面转换率比它的移动版本更高?
或许你需要实现一些用户研究方法去识别用户从他们的移动设备访问网站时浏览的内容。
是时候整理你的数据驱动作战计划了!
—————————————
往期精彩:
真正的善良,在于收钱办事
奥巴马买了部纪录片,介绍中国企业家开了一间《美国工厂》
拼多多:三亿人在用,剩下十亿人在吐槽
7类数据分析常见的统计陷阱,快来排雷!相关推荐
- 《统计会犯错——如何避免数据分析中的统计陷阱》—第2章置信区间的优势
本节书摘来自异步社区<统计会犯错--如何避免数据分析中的统计陷阱>一书中的第2章置信区间的优势,作者[美]Alex Reinhart(亚历克斯·莱因哈特),更多章节内容可以访问云栖社区&q ...
- 《统计会犯错——如何避免数据分析中的统计陷阱》—第2章膨胀的真理
本节书摘来自异步社区<统计会犯错--如何避免数据分析中的统计陷阱>一书中的第2章膨胀的真理,作者[美]Alex Reinhart(亚历克斯·莱因哈特),更多章节内容可以访问云栖社区&quo ...
- 独家 | 数据科学家应该避免的5种统计陷阱(附链接)
作者:Matthew Mayo 翻译:冯羽 校对:陈雨琳 本文长度约为2500字,建议阅读5分钟 本文介绍了数据科学家应该避免的五种统计陷阱. 标签:偏见,谬误,辛普森悖论,统计 这篇文章讲了五种统计 ...
- 推荐 :数据科学家应该避免的5种统计陷阱
作者:Matthew Mayo 翻译:冯羽 校对:陈雨琳 本文长度约为2500字,建议阅读5分钟 本文介绍了数据科学家应该避免的五种统计陷阱. 标签:偏见,谬误,辛普森悖论,统计 这篇文章讲了五种 ...
- Avoiding 16 Common OpenGL Pitfalls(避免 16 个常见的 OpenGL 陷阱)
前言 避免 16 个常见的 OpenGL 陷阱原文 Avoiding 16 Common OpenGL Pitfalls Copyright 1998, 1999 by Mark J. Kilgard ...
- 读书笔记_《统计陷阱》达莱尔.哈夫
一.关于统计陷阱的一些角度 1.内在样本有偏 其根本问题是:样本是否足够代表总体? 其实际问题是:并非随机抽样 此类基本是民意调查难以避免的坑. 案例1:"1924级的耶鲁毕业生平均年收入有 ...
- 从谷歌流感趋势谈大数据分析的光荣与陷阱
[摘要]本文从谷歌流感趋势2009年前后表现差异谈起,讨论了大数据分析容易面临的大数据自大.算法演化.看不见的动机导致数据生成机制变化等陷阱,以及对我国大数据产业发展的借鉴.本文认为,为健康发展大数据 ...
- 各位集美兄得看过来! 利用AI给青春有你2的选手们做数据分析挖掘(二):统计并展示数据
各位集美兄得看过来! 利用AI给青春有你2的选手们做数据分析挖掘(一):爬虫选手信息 各位集美兄得看过来! 利用AI给青春有你2的选手们做数据分析挖掘(二):统计并展示数据 各位集美兄得看过来! 利用 ...
- 数据分析面试之统计的基础知识(持续更新)
数据分析面试系列 统计的基础知识-1 1.概率知识点回顾 概率: 发生事件A的概率 P(A) = 发生事件A的数目 / 所有结果的数目 概率= 用数值来表示某件事发生的可能性 先验概率与后验概率: [ ...
- 转:4种常见的协作陷阱,你中了几个?
个人理解: 知道要做什么很重要,明白不要做什么同样重要.很多时候我们并不知道自己要什么.要做什么,而往往能明确的指出自己不想要什么.不想做什么. 学习型组织强调的是在工作场景中的学习,让学习融入工作. ...
最新文章
- 协作工具 discord 和 slack
- 树莓派上搭建Git服务器
- Ansible之roles(角色)详解
- PAT甲级1006 Sign In and Sign Out:[C++题解]字符串处理
- OPA initialization
- 关于 hibernate 官网的例子 出现的问题
- 自己写的 ORACLE 函数的解读
- 关于Ubuntu使用笔记
- Springboot2学习博客
- html语言代码游戏,常用html语言代码
- eclipse让实现类也添加上接口的注释_您的Spring框架注释指南,请注意查收
- python 3.6.0新语法,Python 3.6学习笔记(附2018最新python初学者入门视频教学)
- ai 文案_AI是UX文案的未来吗?
- java 复制文本到剪贴板,使用Java将文本复制到剪贴板
- 中国书籍出版情况分析:2020年中国书籍出版总印数为65.2亿册(张),其中社科人文类占书籍94.8%[图]
- Linux系统 查看系统版本、CPU、内存、主频等信息
- 力扣刷题 DAY_68 回溯
- 计算机基础晦涩难懂?那你是没看他的图解文章!
- Python Pandas库 Series.dt.tz_localize()和 Series.dt.tz_convert()的简单使用
- 地理围栏 | EXCEL表格中分析轨迹坐标是否在设定的围栏范围内