AARRR 指標能評判設計成效?UX 更需要的是分析使用者的行為數據 (下)

這是探討 UX 為了瞭解使用者該看哪些數據的第二篇,第一篇文中筆者介紹了 UX 同學使用 AARRR 架構容易走向 Bussiness Center 而非 User Center,而這篇筆者我將向大家介紹另一個瞭解使用者的方法:行為流分析

行為流 :行為事件間的流量轉移

行為流的具體概念滿簡單,為了方便說明,借用 Google Analytic 的畫面來當案例,我們會看到畫面如下:

Google Analytic flow

 

相信不熟悉數據分析的朋友對於上圖會非常無感,所以筆者準備的簡化版本如下:

行為流

 

即使上圖簡單了許多,相信多數質性分析背景的 UX 同學看到上圖還是會非常無感,畢竟身為 UX 最重要的就是要講故事,所以我們當然也喜歡看到實際的畫面才更能理解,因此筆者我又準備了更具象化、模擬真實狀況的版本,以 APP 的流程為例:

 

 

這個具象化的版本,相信就可以看得出來行為流圖視覺化了使用者行為事件的流量,那麼,依據 Google Analytic 的說明,我們可以使用行為流圖做出下列分析:

  • 使用者是否進行了我們設計(規劃)的功能,還是他們進行了意想不到的行為?
  • 使用者首先觸發的行為事件是?這是否能讓我們進行後續的設計修正呢?
  • 最多使用者的行為流是哪一條路徑呢?這跟設計時想像的狀況一致嗎?

不論 Google 的說明如何建議我們使用者種分析方式,筆者我會建議用更簡單的方式來思考,大部分狀況不外乎兩種方法來分析數據:

  1. 收斂:以流量的轉移來比對、驗證設計假設
  2. 發散:若有意外的流量轉移,可把握機會尋找洞見

 

收斂:驗證想法

請讓我使用老梗上一篇文章的 Google Map 設計案例,假設 Google Map 想在腳踏車發達的城市追加腳踏車規劃路線的功能,那 Google Map 的團隊可以怎麼驗證設計假設呢? 

 

 

筆者個人想到了兩點行為流可能會有的變化:

  1. 走路、開車規劃路的行為流量減少
  2. 腳踏車規劃路線的「行為事件流量比例」應約等於「城市內使用腳踏車移動的人數比例 」

如果數據結果顯示出來跟我們想像無落差的話,那可能代表我們對於使用者的認識與設計沒有問題,不過也記得還要看其他的數據指標多角度驗證喔!

 

發散:用意外來尋找洞見

要是結果揭曉後,我們發現行為流跟想像的不一樣,這不免讓設計師感到挫折,不過同時也是一個讓我們重新認識使用者的大好機會,我們可以根據數據呈現的結果去思考使用者的真實狀況,筆者我就在此簡單舉出兩個例子:

  • 腳踏規劃路線的行為流比例偏低,那有可能是腳踏車客群都不使用 Google Map;有可能是腳踏車的路線太高度與走路路線重疊了導致使用者無感;有可能是用戶不知道這個功能的價值;有可能是腳踏車的移動距離讓使用者根本覺得不需導航。
  • 走路、開車的行為事件流量沒有減少,那可能腳踏車客群跟走路、開車客群完全是不同一群人;有可能是以前腳踏車客群從不導航。

 

行為流分析總論

這篇文章與大家分享了另個 AARRR 框架以外值得關注的分析方式,UX 的同學們可以使用行為流分析針對數據結果進行設計驗證或進一步挖掘洞見,而不再只是待在質性研究的象牙塔中。

如果有興趣的話,可以持續追蹤大舌頭上轉載的整個 Data x UX 系列文章 🙂

 

延伸閱讀:

AARRR 指標能評判設計成效?UX 更需要的是分析使用者的行為數據!(上)

 

原文轉載於 – 別只看 AARRR(下) -UX 更需要看的行為流分析

Sojier Tsai
在 UX 和 Data 間劍走偏鋒的 PM,目前待業求職中 🙂

 

本文章所屬設計大舌頭與作者所有,未經授權,不得轉載!如需轉載,煩請通知

分享此文: