豆瓣上有網友問「用戶體驗設計中用到的統計學方法」,回答的人不多,索性寫一篇來談談。以下按我自己的實踐經驗舉例。
假設你的網站有 200 萬註冊用戶,你想徵集他們對改版方案的意見,於是發郵件問卷。受限於種種條件,你不可能人人發送,最終回收的有效問卷只有 1500 多份。這時你必須回答一個問題:這 1500 份問卷,能在多大程度上代表 200 萬人的整體?
這就需要預估誤差範圍(margin of error)。假如回收結果中剛好有 52% 支持改進,你能直接說「過半數用戶支持」嗎?當然不能——你的誤差範圍可能有 2.5% 左右。而誤差範圍又與你設定的置信水平(Confidence Level)相關,這裡限於篇幅就不展開了。
依據用戶的行為與特徵做分群,這裡要用到聚類的思路:透過相似度計算,把行為與特徵接近的個體歸為同一類。比較常用的算法如 K-均值法。
舉例來說,你做一個 B2B 電商網站,就要想清楚用哪些維度劃分用戶:廠商規模、所屬行業,還是商業模式(生產廠商、外貿公司、批發商、零售商)?維度選得不對,後續所有運營策略都會跟著偏。
網站會持續改版。如果你有完整的歷史記錄,就能分析出哪些改動真正提升了用戶活躍度或轉化率。透過相關性分析,你不僅知道哪些改進效果更顯著,還能看出哪些設計元素之間可以互相促進、哪些不起作用甚至起反作用。(當然,這些分析的前提是你已經排除了運營與推廣活動帶來的干擾。)
面對每天幾十上百個數據指標,相信包括老板在內的很多人都看不明白——據說 Google 內部監看的指標有兩千多個。這些指標對「用戶體驗」的衡量究竟有多大意義,恐怕沒人能完全說清。
所以網站需要一個類似股票大盤指數的綜合指標,用來衡量整體用戶體驗及其變化趨勢。而這件事沒有捷徑:需要對數據做長期跟蹤、統計與相關性比較,才能逐步建立起可信的模型。