摘要：现今，在移动互联网的设计和运营过程中，数据分析起到了非常重要的作用。在产品规划上线时，需要规划好数据系统，才能获取有效的数据采集，从而更好地进行运营或设计。比起邀请用户来做一些调研测试，用户的行为数据采集是一种更客观的低成本、高效率的方式。本文主要以联想手机中的“主题中心”应用为案例，阐述了如何通过用户数据采集分析来验证和提升体验设计，即通过分析需要采集的数据，在系统中进行布点，最终将这些死的数据灵活运用，发现设计中的问题，从而更好地引导应用的体验设计。
关键词：用户体验；大数据；体验设计；数据关联
１用户行为和数据采集
１．１用户行为和用户行为分析
所谓用户行为，简单地说就是用户在使用一个产品对发生的所有行为，包括浏览、搜索、预览、点评、购买、下载、支付、停留时间，甚至是翻页、滚动等。只要用户有所点击，就产生用户行为。而用户行为分析，就是将用户行为的数据通过各种方式方法进行研究，其目的是了解用户的行为习惯，从而发现产品存在的问题，有助于产品的正向发展，提高业务转化率。
１．２数据采集
数据采集就是在应用侧，将用户行为有目的地进行布点采集，并根据目的进行行为分析，从而发现设计或运营中的问题。这种方式非常通用且有效，其主要优点如下：首先，用户行为的数据是系统记录的，是非常客观的数据，能真实地反映用户行为。在很多调研过程中，特别是需求调研，用户往往表示什么都想要，但是实际上产品出来后用户使用得很少。数据采集的分析可避免这个问题，它是用户操作行为的真实反映。其次，数据采集可以进行比较可信的定量问题分析。定量调研往往遇到的很大的一个瓶颈就是样本量是否足够。数据采集作为记录用户使用数据的方式，可以收集可观量的数据，很好地反映出定量问题。最后，数据采集研究也是一种非常经济又快速的方式，只要掌握方法，就可以随时输出。
２数据采集系统
２．１数据采集的方式
数据采集系统以Ａｖａｔａｒ采集为主要方式，就是在页面的各处进行埋点，用户只要进行点击就会统计次数，如点击界面的某个按钮的次数、跳转到某个界面的次数等。独立数据统计是最简单的一种计数统计方式，即有一次算一次，没有相关的联系。这种方式多适用于统计页面点击率、转化率（如业务的购买、下载等），能够非常直观清晰地反映出统计结果。这类独立的数据统计在技术上非常简单，门槛较低，很容易被使用。关联数据分析是另外一种相对比较复杂的方式。这类数据需要动作和动作关联，分析两个或多个动作之间存在的关联，其实就是挖掘动作之间的联系。通过这种方式，能够对用户行为进行预测，发现数据之间存在的互相关系。这种关联的数据对于产品的设计分析更加有效，能够分析出部分流程方面的问题。这类数据系统需要专门的用研分析，根据产品的特点和需要了解的问题，分析布点的位置，再进行数据采集。由于这种数据分析具有复杂性，所以其数据采集没有那么普及。此外，互联网的产品还有很多的数据，比如业务运营平台的数据（业务的下载量、购买量等，主要记录业务的经营状况）对于用户的行为分析比较难以有直接的关系。因此，我们所说的用户行为数据还是以前两种数据为主。
２．２数据采集分析
采集了很多的数据，但如何才能好好地利用？对于移动互联的产品，如果去问是否有采集用户数据？回答一般都是有。如果继续问你们怎么利用这些数据？答案可能就会不够理想。这些数据采集之后大多不了了之，没有很好地发挥价值，实在可惜。对于数据采集分析，我们认为非常重要的一点就是要明确目标。是为了提升用户体验？还是为了提高用户人数？或是为了提升收入？我们只有明确了目标，才能去反向地推理怎么去利用行为数据来达到我们的目标。本文以联想手机的“主题中心”应用为例，浅谈应该如何进行数据分析，指引产品在上线时如何进行布点，指引产品设计。
３主题中心的用户行为分析
３．１分析的产品
这里我们列举的是“主题中心”应用，是联想手机的一款产品。“主题中心”是一个集合手机界面主题、壁纸、铃声、字体设置等的应用，用户可以自行地下载或购买，可以装扮自己的手机界面或设置铃声（图１）。型的应用，涉及的用户行为非常多。我们希望能通过这个产品的特点梳理用户行为数据分析的思路。
３．２分析的范畴和目的
本次研究的目的偏重设计，有如下几条：（１）通过用户行为研究了解影响用户购买的可能因素。（２）发现核心流程、产品设计上的问题。当然，数据分析有一定的局限性，我们本着这些目的进行详细的用户行为研究，以说明如何为产品体验设计提供有效的数据采集。
３．３研究的具体内容
有了研究目的之后，本着产品特点就可以很容易的明确研究思路（图２）。根据以上的研究思路，即可开展详细的研究。（１）基础数据分析。主要是研究用户对产品的浏览量和对常规模块的点击，以了解用户的偏好，以及界面所提供功能的合理性。根据主题中心的特点，主要有以下几类：①各类产品的点击数。主题中心的产品主要有主题、壁纸、字体、铃声（图３）。我们需要统计这四类产品用户的点击数（表１），就可以很清晰地看到用户的偏好。从这些数据可以清晰地看出用户对产品的偏好，点击数差异越大，越能说明产品的偏好倾向。我们先来看一下截取的部分周期的数据（表２）。由表２所示的数据我们可以看到，对于首页上的产品分类的点击，数据比较均等，没有明显差异。而在本地的数据上，主题点击数非常高，铃声其次，均远远高于壁纸和字体。对于这样的数据结果，我们需要考虑其是否是由其他的影响因素造成的？单一的数据可能会受到一些其他因素的影响，这些影响我们需要剔除。比如，在这个案例中，我们需要考虑两方面的影响：一个是默认页的影响，查看首页主题Ａ１的数据是否受到了默认页的影响（用户进入应用后首先接触的就是默认页）；另外一个是其他入口的影响。有时数据采集入口统计不能区分数据入口，比如本地的铃声界面Ｂ４，手机端一般还有手机系统侧的入口，假若没有区分入口，这个数据也会受到影响。这两种数据都有可能会影响统计结果，且往往无法区分，因此我们需要进行全面的考虑，需要多维度地进行分析验证，从而使研究结果变得可靠。以上关于本地产品点击数的统计中，主题（１３６９６９）较高，其次是铃声（８２５２６），然后是壁纸（５６６９８）和字体（３７５１３）。除了铃声受到多入口的影响之外，本地产品的用户偏好已经非常明９０２显，即对主题的关注度很高，对字体的关注度较低。因此，设计者或运营者可以继续在主题上增加更丰富的内容吸引用户，而在字体上需要创新以吸引用户（在明确用户需求偏好不会增加的情况）。这类问题可以根据具体情况再做分析。以数据作为支撑，后面的运营就会有方向。②各类产品的购买情况。购买量分析不仅分析产品偏好，也是一种可以辅助验证之前提到的浏览量偏好的数据（表３）。有了点击数和购买量这两类数据，就可以分析用户对产品的偏好情况。可以将数据分析的结果直接作为设计或运营的参考。③界面核心功能的点击数。除了业务产品统计之外，我们还需要对核心界面的功能进行统计。如图４所示，主题中心首页界面的核心功能包括推荐、小店、搜索、个人，其点击数见表４。这类统计相对比较独立，从用户的点击数可以看到用户对这些功能的偏好。因为这类数据不属于主体的业务，而是辅助的功能，其结果可以直接引导设计方向。比如根据用户的点击数调整其放置的位置，如点击数很少，就可以考虑将其放在二级目录中或者取消等。（２）购买影响分析。主要是研究用户购买产品的影响因素，比如入口方面的进入情况、界面的浏览有效性、是否查看了评论等。这类分析很多不能只靠单纯的、独立的数据，而是需要关联数据进行分析，也就是分析两个动作或更多动作之间的关系。①浏览／购买商品的入口统计。这里的统计主要分析各个入口浏览量和最终购买的关系，是一个典型的关联数据的分析。我们不仅需要知道各个入口的浏览量，同时也需要了解这些入口的浏览量最终促成了多少购买量。这种分析的目的在于查看哪种入口更有效，即转化的购买量最高。我们以主题中心为例，需要找出应用内浏览“主题”的所有入口，如图５所示。整理入口，统计出入口点击数和最终购买量的关系（表５）。为了数据的严谨，我们还需要反过来统计主题购买的入口来源的数据，这样的相互验证才能更好０１２地反映它们之间的关系，并发现可能遗漏的入口方式。表６为购买量的入口分布统计。这样的分析结果可以让设计者和产品经理一目了然地知道需要在哪些入口上发力，做出对应的设计和运营策略。②页面滚动浏览的有效性。页面滚动浏览也是一个很重要的因素，界面上的主题内容很多，用户浏览过都会进行滚动操作，哪些行数内是相对浏览量较高或者购买量较高，这些都需要我们进行统计。同样的，我们需要统计浏览情况，包括滚动行数和最终购买量（表７）。
４结语
本文讲述了用户行为数据应该如何开展分析，围绕“主题中心”应用的“主题”内容，从基础数据、影响购买因素、流程通畅等方面进行分析举例。因为篇幅的关系，我们只做了少部分的分析，旨在和大家一起梳理思路。不管目的是辅助设计，还是为了更好地运营，在大数据中挖掘更丰富及有价值的内容是未来成功的行政管理论文关键；同时人和行为数据的建立，优化各种数据关联和算法，都是未来发展的重点。我们需要从数据收集、数据挖掘、数据应用、数据运营着手，脚踏实地地做好每一步。
作者：徐旭玲 单位：联想移动通信科技有限公司