如果你正在处理一个在线网站（live website），就有可能获得一堆犹如珍宝般的数据资料，这些数据会告诉你的网站访问者在你的网站上都做了些什么：他们访问了哪些页面、点击了哪些链接以及沿着什么样的路径浏览了网站。你所面临的挑战通常并不是如何获取这些原始数据，而是如何解释这些数据。

1. 服务器端的日志

采用何种方法来确定：对某些页面的浏览情况是否显著不同于另一个页面？一般通过配对t检验来分析是否存在显著差异。

2.  点击率

点击率可以用来测量不同链接的有效性。下图是Nielsen尝试不同搜索引擎广告的点击率。

在点击率上，更为具体的广告（Jakob Nielsen in Europe）的点击率更高。

通过将每一对应的行列数据相乘再除以总数，就会得到期望值：

3. 弃用率

弃用率最适用于观察用户是不是在在操作流程中中途退出或放弃。下表列出了在流程中，开始进入的用户量和完成每一步的用户数量之比：

每个页面的弃用率：

很显然最大弃用率发生在页面4上，需要在新的设计中解决这个问题。

4.  A/B研究

针对网站的传统A/B测试，通常会为每一个网页提供两种备选设计方案。一部分网站的访问者会看到“A”版本，另一部分网站访问者会看到“B”版本。在很多情况下，这种分配是随机的，因此看到每种版本的访问者人数基本一致。

Usborne（2005年）提到了一个针对某一页面的三个不同版本所做的A/B/C测试，这个页面中包含了一份报告和购买这份报告时需要完成的表单。页面A是现在正在使用的页面，页面B采用了同样的页面布局和设计，但对其中的文本做了修改。页面C是一个新设计（redesign），包括将一栏式的页面布局做成两栏，目的是将更多的关键内容放在显要位置上。针对同一基本页面的三个不同版本进行同时测试。衡量这三个版本好坏的关键指标是每个版本带来的报告销售量。下表列出了最终的结果：

严格设计的A/B测试可以帮助深入地了解在设计网站时怎样做是可行的，怎样做是不可行的。实际上很多公司都会持续不断地对它们的在线网站做A/B测试。

转载请注明：陈童的博客 » 使用在线网站数据进行可用性研究