ウェブサイト分析: データを活用してデザインを支援する

設計においては、対象グループ、シナリオ、運用習慣が異なるため、経験と直感だけに頼ることはできません。デザインを支援しテストするためのより正確で効果的な情報を取得するために、デザイナーは定性的（ユーザーインタビュー、フォーカスグループ）および定量的（調査アンケート、Web サイトのデータ分析）な方法を選択してユーザー調査を実施します。その中で、「ウェブサイトデータ分析」という手法は、長い時間と人的コストを必要とせず、同時にユーザーや環境などの不安定な要因が分析結果に干渉することを回避します。正確で適用可能なデータが利用できる限り、設計を支援するためにこの方法を優先する必要があります。

通常どのようなデータを取得できますか?

1. ウェブサイトデータ

一般的な検索データは次のとおりです。

クエリ – 検索キーワードの数

PV (ページビュー) — ページが更新されるたびに計算されるページビュー

UV (ユニークビジター) — ユーザーの訪問数

クリック — ページのクリック数の合計。各機能には対応するクリック数があります。

L->D — 検索リストページから詳細ページへのクリックデータ、つまりコンバージョン率。ページによってデータは異なります。

CTR — クリック/LPL、LPV は検索リスト ページの表示回数、CTR は各表示のクリック数です。

2. ユーザーインタビュー、定性調査、フォーカスグループ

3. 結論を述べたレポート

4. オンラインテスト（A/Bテスト、バケットテストなど、検索でよく使用され、複数のソリューションのオンラインテストに使用できます）

ウェブサイトのデータから何がわかりますか?

1. キーワード離脱率分析

図1は、ユーザーが入力した「婦人靴」に関連するキーワードと、該当キーワードのUV損失率（つまり、検索ページ上で何も操作を行っていないユーザーが検索ユーザー全体に対して占める割合）を示しています。データからは、本革、広州、ファッションなどの属性語が追加されたキーワード損失率が比較的低いことがわかります。

キーワードの説明が詳細であればあるほど、検索結果の精度が高まり、ユーザーは目的の商品をより早く見つけることができます。しかし、ユーザーにキーワードを正確に入力してもらうのはコストがかかります（たとえば、どの説明語がより適切であるかをユーザーが知らないなど）。このコストを削減するにはどうすればよいでしょうか。サジェスト（キーワード推奨）（図 2 参照）と SN 領域（カテゴリ属性スクリーニング領域）（図 3 参照）を使用して、ユーザーに適切な推奨とガイダンスを提供できます。

2. 修正後のデータを迅速にスクリーニングして分析する

図 4 は検索のフィルター オプションを示しています。検索の目的は、ユーザーが製品をより速く、より正確に見つけられるようにすることです。フィルター領域は、このための重要な要素です。ユーザーがフィルター項目をより速く見つけ、フィルター操作を簡単に完了できるようにすることが、各改訂の中心的な目的です。

各フィルター項目を最も適切に配置すべき場所は、ユーザーが製品を検索するときに情報のどの側面に重点を置くかによって大きく異なります。すでにリリースされている機能については、データを通じて分析することができます。たとえば、上図はフィルター領域のCTRデータです。ユーザーは地域、並べ替え、単価、ビジネスモデルの操作をより頻繁に使用していることがわかります。これは、ユーザーがこの点でフィルタリングに対する需要が高く、これらの次元の情報にもっと注意を払っていることを意味します。このようにして、フィルター項目をユーザーが見つけやすい位置に調整することができ、ユーザーの記憶負担も軽減されます。ユーザーは一般的に左から右に閲覧するため、重要なフィルターを最初の場所に調整したり、視覚的に強調表示したりできます。データ量が少ないフィルターは、状況に応じて非表示にしたりオフラインにしたりできるため、フィルター領域の拡張性も向上します。

図5 図4のデータに基づいて、フィルター項目の位置と並べ替えボタンの操作方法を調整しました。

このバージョンが調整され、リリースされてから2週間後、データに多くの変化があることがわかりました。緑は明らかにデータが増加していることを意味し、赤はデータが減少していることを意味し、他のデータはわずかに増加しています。ユーザーが関心のある情報のフィルター項目を左に調整したところ、ユーザーがより関心のある情報のCTRデータが大幅に増加していることがわかりました。

要約すると、設計と反復のプロセスは次のようになります。

データ検証により、これは比較的成功した設計であることが示されました。

3. 機能導入後のデータ分析を比較する

同時に、無理な製品設計を見てみましょう（図7参照）。上の写真は、アリババが昨年開始した比較機能です。比較に追加する商品をチェックしたユーザー（図7のステップ1）は、検索全体のCTRの約0.6％を占めるに過ぎず、最終的に比較ボタンをクリックしたユーザー（図7のステップ2）のコンバージョン率は10％未満でした。比較機能の使用率は非常に低いです。

この調査結果に基づいて、5 人のテスター (製品マネージャー 1 名、オペレーション 1 名、ユーザー 3 名) を集めてフォーカス テストを実施し、次のようなフィードバックを得ました。1. ユーザーは、情報の一部を見るだけでよく、多くの次元で情報を比較する必要はありません。 2. ユーザーは詳細をクリックして比較することに慣れています。

Pacific、中関村、Taobao モバイルなど、多くの垂直産業検索には比較機能があります。この機能は、情報を比較することで、ユーザーが目的に適した製品を選択するのに役立ちます。しかし、それが当社のウェブサイトに適しているかどうかについては、さらに検討する必要があります。上記のデータに基づくと、比較機能は多次元情報の比較に注意を払う必要がある垂直産業に適していますが、より少ない次元に重点を置く産業の場合、ユーザーは短期記憶を通じてこれを実現できます。

データを使用して設計をテストする

通常、完全なリリースの前に、各ソリューションはバケットテストを通じてテストされ、ユーザーの行動データを比較して、どのソリューションがより合理的で、より優れたエクスペリエンスを提供するかを検出します。

バックテストを通じて、図 8 に示すような比較データを取得できます。赤はデータの減少を示し、緑はデータの増加を示します。

バケットテストの使用は、特に細かい部分のエクスペリエンスを最適化する場合に、デザインをテストする効果的な方法です。計画が調整されたデータを確認することで、対応するデータの変更を監視できます。たとえば、ボタンを調整する場合、調整後のエクスペリエンスが元のソリューションよりも優れているかどうかをテストできます。テストの前に、開発者にデータを監視する際にボタンをマークするように依頼します。テスト後、ボタン調整前後の比較データを取得できます。ボタンの位置を調整することでエクスペリエンスが向上するかどうかを知りたい場合は、設計中にボタンのスタイルなど他の要素の影響を避け、設計計画を継続的に最適化する必要があります。

要約する

データの分析、理解、適用は、製品の設計やエクスペリエンスの向上に大いに役立ちます。これは、デザイナーが習得する必要がある必須コースでもあります。

データは強力ですが、それに執着しすぎないでください。データの浮き沈みだけに注目しないでください。代わりに、データの背後にある実際のユーザーの理由とニーズを分析してください。データは単なる補助的な分析ツールです。

いかなる設計においても、テストとデータ検出に依存しないでください。各テストに必要な開発コストと時間コストが高すぎます。デザイナーは100％正しい判断を下すことはできませんが、効果的な作業習慣と要約分析を組み合わせることで、デザインの精度とソリューションの有効性を大幅に向上させることができます。これもデザイナーの価値です。

原題: ウェブサイト分析: データを使用してデザインを支援する

キーワード: ウェブサイトのポイント、数字の使用、支援、検索、練習、タイミング、できない、完全に頼る、直感、目標、ウェブマスター、ウェブサイトのプロモーション、お金を稼ぐ