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，允许我向你揭示当做统计说明时 7 个最常见的错误。

1. 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。

2. 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。

3. 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？

4. 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。

5. 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？

本文为 AI 研习社编译的技术博客，原标题为 7 Common Mistakes in Interpreting Analytics Data: Statistical Pitfalls for Your UX Team to Avoid，作者 OPTASY。

来自：雷锋网

大数据在过去几年一直都是热点话题，现今的世界被无穷尽的在线信息流所主导。过去几个月里，“信息过载”（Information overload）以及如何应对此问题的策略成为了备受关注的话题——Fast Company杂志、《华尔街日报》以及英国《卫报》都发布了有关这一话题的相关报道。

但信息过载并不是什么新概念，未来学家Alvin Toffler在其著作《未来的冲击》中（1970年出版）首次使这一术语为更多读者所熟知。Toffler在该书中展望了技术将如何改变人类的生活以及 他们应采取什么策略来应对。实际上，美国的社会科学家Bertram Gross在1964年就在其著作《组织管理》中提出了这一术语，他对“信息过载”这一术语作出了如下定义：

“当输入到系统的信息数量超出了系统处理信息的能力范围时，信息过载的情况就会出现。决策者对系统的信息认知能力和处理能力进行了合理的限制，因此当信息过载的情况出现时，决策的质量很可能将下降。”

特别有意思的是，消费者正变得像电脑一样，他们学着去消化、从语法上理解以及分析数据，以将数据整理成更易于管理的、对他们而言更有 用的信息，为他们的行动提供指导。另外，消费者所使用的设备也变得更为先进，为他们提供实用性和用户体验，让用户可以更快速地在任何特定时刻对数据进行消 化，并根据最重要的信息来作出行动。

事实上，IBM的调查数据表明，62%的受访者表示，互联网和社交媒体使他们得以更轻松地制定旅行决策。这一高比例令人感到颇为意外，因为互联网承载了过多的信息内容。

“信息过载”和“过多选择所导致的困惑”通常都被认为是互联网时代的主要弊端，但对于大多数受访者而言，这些情况反而能带来积极的影响。

该调查报告还发布了以下趋势：

• 在线渠道对受访者的决策所产生的影响力比电视和广播等大众传播媒介所产生的影响力大五倍

• 相比35岁以上的受访者，18-24岁的受访者更有可能使用社交媒体来搜索和调查产品信息（后者采取这种做法的可能性是前者的两倍）

• 语法在用户点评中发挥着主要作用：在18-24岁的受访者当中，40%的受访者会受到用户点评中糟糕的拼写和语法所影响。

• 让用户可以轻松打开的网站比那些具有独特风格的网站更能吸引受访者——58%的受访者倾向于访问前一种网站，24%的受访者倾向于访问后一种网站。

IBM的消费者分析专家Vivian Braun认为，热衷于数字化工具的消费者正很好地应对“信息过载”这一备受关注的问题，这确实令人感到意外。

“IBM的调查报告表明，现今的消费者积极地通过他们所能获取的大量数据来源来为他们的决策制定提供更多有用的信息，而不是疲于应对 信息过载的问题。新一代的消费者尤其热衷于同时打开多家网站和论坛，以获取更多人的意见和对不同的信息进行参照比较，他们会对很多不同方面的信息进行调 查，包括他们最近所下载的音乐以及他们的下一份工作。”

消费者同时使用不同的信息来源这种行为反映了很重要的一点：消费者的品牌忠诚度有所下降，如果某个渠道拥有智能的用户界面和具有吸引力的内容，而且还能为消费者要完成的任务提供有效的支持，那消费者就会倾向于选择这一渠道。

“如果企业想要与目标受众建立起个人的联系（这无疑也是它们应该要做的事），那它们就需要了解哪些因素对这些受众的决策制定产生影 响。为了实现这一点，企业需要使用如社交媒体分析等工具，该工具允许企业对消费者的偏好和影响他们行为的主要驱动力进行实时的分析，越来越多企业无疑将使 用这类工具。消费者分析信息的能力将不断提高，因此与他们进行互动的企业和组织也必须具备更高的分析能力。”

“海量信息让消费者不知所措，因此他们需要引导，”但这种情况逐渐演变成更为无法预测的、更具挑战性的概念——“消费者掌握着更多有用的信息，以有效地自我掌控决策的制定，他们对那些费时费力的解决方案越来越没有耐性。”

消费者想要获得快速且有趣的工具，以使他们能以高效且有趣的方式来完成任务。是否正是因为市场上出现了新一代的消费者，因此很多明智的、以顾客为中心的初创企业比那些不够重视消费者智能的传统大型企业更能吸引消费者？

有关大数据的话题我们看不少了——无论是海量的数据规模，用大数据来做“破案”利器。但今天讲的这个话题则真人让人切实摸到和体会到大数据带来的影响了：大数据招聘。

更正确的说法应该是“劳动力科学”（Workforce Science），将海量的数据应用在人力资源管理上。说白了，就是“大数据遇上 HR”。企业当然是非常欢迎这样的转变，因为可以提高他们招聘的效率和准确度（要知道，很多企业的招聘录用准则，原来都是靠“感觉”的）。

真实例子：全球客服的呼叫中心 Transcom，由于公司的人员流动率过高，在 2012 年下半年使用大数据进行员工行为分析。在分析“诚实”这一品质时，员工会被问到，是否能够进行简单的快捷键操作，如复制粘贴。如果答案是肯定的，他们将会被要求在键盘上进行实际操作。

结果，负责收集和分析数据的 Evolv 公司发现，哪些在“诚实”方面得分高的员工，稳定性会比其他员工高 20%-30%。因此，Transcom 改变了招聘的策略，优先雇佣这些有着同类型“特质”的员工，这让他们雇佣员工的数量下降 20%，因为团队的稳定性更高，也节省了培训新员工的成本（新员工培训成本约为 1500 美元/人）。

大型企业是不想放过大数据招聘这一块蛋糕的。去年，IBM 还用 13 亿美元收购了Kenexa，一个线上的招聘培训服务机构，它的问卷调查每年能够覆盖 4000 万的工作申请者和管理者。纽约时报分享了其中一个细节，IBM 发现，一个成功销售员的特质并不在于他的外向内向性格，而在于自我鼓励的强度，也就是被拒绝后继续坚持的品质。而其他公司，如甲骨文，SAP 也正在跟进大数据招聘这个领域的服务。

除了大型企业，不少创业团队也在从事这个领域的服务。如上文提到的 Evolv，还有硅谷的创业团队Knack，都是为企业提供招聘，培训和人才数据分析的大数据服务。

至于员工本身，其实在“大数据招聘”中处于弱势。因为说到底，这样的数据收集很分析都是“单向”交流，企业判断是否要录用个人时，所收集的信息不一定会对个人给出反馈。因此，其实你并不知道，究竟企业收集了你什么样的信息，也不知道这些数据在招聘环节之后的用途。分析与监视之间界限也非常模糊。

题图来自：Flickr

大数据在过去几年一直都是热点话题，现今的世界被无穷尽的在线信息流所主导。过去几个月里，“信息过载”（Information overload）以及如何应对此问题的策略成为了备受关注的话题——Fast Company杂志、《华尔街日报》以及英国《卫报》都发布了有关这一话题的相关报道。

但信息过载并不是什么新概念，未来学家Alvin Toffler在其著作《未来的冲击》中（1970年出版）首次使这一术语为更多读者所熟知。Toffler在该书中展望了技术将如何改变人类的生活以及他们应采取什么策略来应对。实际上，美国的社会科学家Bertram Gross在1964年就在其著作《组织管理》中提出了这一术语，他对“信息过载”这一术语作出了如下定义：

“当输入到系统的信息数量超出了系统处理信息的能力范围时，信息过载的情况就会出现。决策者对系统的信息认知能力和处理能力进行了合理的限制，因此当信息过载的情况出现时，决策的质量很可能将下降。”

特别有意思的是，消费者正变得像电脑一样，他们学着去消化、从语法上理解以及分析数据，以将数据整理成更易于管理的、对他们而言更有用的信息，为他们的行动提供指导。另外，消费者所使用的设备也变得更为先进，为他们提供实用性和用户体验，让用户可以更快速地在任何特定时刻对数据进行消化，并根据最重要的信息来作出行动。

事实上，IBM的调查数据表明，62%的受访者表示，互联网和社交媒体使他们得以更轻松地制定旅行决策。这一高比例令人感到颇为意外，因为互联网承载了过多的信息内容。

“信息过载”和“过多选择所导致的困惑”通常都被认为是互联网时代的主要弊端，但对于大多数受访者而言，这些情况反而能带来积极的影响。

该调查报告还发布了以下趋势：

• 在线渠道对受访者的决策所产生的影响力比电视和广播等大众传播媒介所产生的影响力大五倍

• 相比35岁以上的受访者，18-24岁的受访者更有可能使用社交媒体来搜索和调查产品信息（后者采取这种做法的可能性是前者的两倍）

• 语法在用户点评中发挥着主要作用：在18-24岁的受访者当中，40%的受访者会受到用户点评中糟糕的拼写和语法所影响。

• 让用户可以轻松打开的网站比那些具有独特风格的网站更能吸引受访者——58%的受访者倾向于访问前一种网站，24%的受访者倾向于访问后一种网站。

IBM的消费者分析专家Vivian Braun认为，热衷于数字化工具的消费者正很好地应对“信息过载”这一备受关注的问题，这确实令人感到意外。

“IBM的调查报告表明，现今的消费者积极地通过他们所能获取的大量数据来源来为他们的决策制定提供更多有用的信息，而不是疲于应对信息过载的问题。新一代的消费者尤其热衷于同时打开多家网站和论坛，以获取更多人的意见和对不同的信息进行参照比较，他们会对很多不同方面的信息进行调查，包括他们最近所下载的音乐以及他们的下一份工作。”

消费者同时使用不同的信息来源这种行为反映了很重要的一点：消费者的品牌忠诚度有所下降，如果某个渠道拥有智能的用户界面和具有吸引力的内容，而且还能为消费者要完成的任务提供有效的支持，那消费者就会倾向于选择这一渠道。

“如果企业想要与目标受众建立起个人的联系（这无疑也是它们应该要做的事），那它们就需要了解哪些因素对这些受众的决策制定产生影响。为了实现这一点，企业需要使用如社交媒体分析等工具，该工具允许企业对消费者的偏好和影响他们行为的主要驱动力进行实时的分析，越来越多企业无疑将使用这类工具。消费者分析信息的能力将不断提高，因此与他们进行互动的企业和组织也必须具备更高的分析能力。”

“海量信息让消费者不知所措，因此他们需要引导，”但这种情况逐渐演变成更为无法预测的、更具挑战性的概念——“消费者掌握着更多有用的信息，以有效地自我掌控决策的制定，他们对那些费时费力的解决方案越来越没有耐性。”

消费者想要获得快速且有趣的工具，以使他们能以高效且有趣的方式来完成任务。是否正是因为市场上出现了新一代的消费者，因此很多明智的、以顾客为中心的初创企业比那些不够重视消费者智能的传统大型企业更能吸引消费者？

via：traveldaily.cn