如今的資料具有多種多樣的形式,而且來自許多不同的資料來源。更為重要的是,除非有需要的那些人易於獲得大資料,除非能迅速獲得洞察力,否則大資料分析工具的用處並不是很大。那麼大資料分析會遇到怎樣的難題?
1.很難獲得使用者操作行為完整日誌。現階段資料分析以統計為主,如使用者量、使用時間點時長和使用頻率等。一是需要識別使用者,二是記錄行為容易引起程式執行速度,三是開發成本較高。
3.短期內可能難以發揮作用。資料分析需要不斷的試錯,很難在短期內證明方法的有效性,可能難以獲得其他角色的支援。
4.將分析轉化為有指導意義的結論或者設計。看過某應用的近四十個設定項的使用比例,修改面板使用率較高,而個別選項使用率不到0.1%,依次資料可以調整設定項的層級關係,重要的選項放置到一級強調顯示,低於5%的可以放置二三級。功能使用率的分析是比較容易的切入點。
5.明確使用者操作目的。功能對於使用者而言,使用率不是越高越好。增加達到的目標的途徑,使用者思考成本增加,操作次數會增加,比如搜尋。在應用中使用搜索可能說明使用者沒有透過瀏覽找到想要的內容,如果使用者搜尋熱門內容,說明應用展示資訊的方式出現問題。
6.考慮到運營需求。之前做過的工具型應用,設計的核心指標是提高操作效率,減少點選次數、等待時間和手指位移等,最快的時間完成操作。而一些瀏覽型產品使用者的目的並不明確,大致有瀏覽、查詢、對比和確定目標等四類使用者行為,需要相容使用者目標不明確情況下操作,引導使用者選擇的同時還要在過程中展現更多的內容,刺激使用者點選。
最新評論