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？