NNGroup 分析与指标 Analytics & Metrics(选对指标/转化漏斗/统计显著与置信区间/UX ROI 四步/抽样与混杂/三角验证/虚荣指标/基准测试)
Nielsen Norman Group 分析与指标知识库 22 篇精华。围绕'怎么用数据证明 UX 价值'这条主线,讲清四件事:① 选对指标(避开虚荣指标 Vanity Metrics——下载量/总浏览量/总用户数这类'只涨不跌'的孤立数,要换成比率/比例/时间框架/分用户群/DAU·MAU 粘性比 Stickiness Ratio,转化率 Conversion Rate=最重要指标但受价格·季节·营销外部干扰,宏观转化 Macro vs 微观转化 Micro=过程里程碑+次要行为,成功率 Success Rate(可用性测试·意图不明)vs 完成率 Completion Rate(分析工具·意图明确),时长/页面浏览'更多≠更好'要分生产性 vs 参与性任务);② 两种定量方法分工(分析工具 Analytics 答'做了什么'·大规模·便宜·无上下文 vs 定量可用性测试 Quantitative Usability Testing 答'能否完成'·~40 人·贵·有因果,二者互补);③ 怎么算 UX ROI(四步:收集 UX 指标→选 KPI→换算→负责任报告,健康保险案例 23000→1100 工单×$6=月省 $131400/年省 $1576800/三年回报 $4655400,设计系统案例只算一个视频插件即说服;三大误区=ROI≠只关于钱/≠必须精确/≠涵盖所有细节;别过度思考 Don't Overthink);④ 统计严谨度(统计显著 Statistical vs 实际显著 Practical Significance,72s vs 75s 例,置信区间 Confidence Intervals 95%·4.3min→3.6-4.9min·样本量与一致性决定宽窄,不显著时的决策=最大似然 60% 概率+定性洞察,基准测试 Benchmarking ≥20 人·年度·量化商业价值);辅以混杂变量 Confounding Variables(随机化/被试内设计/年龄·季节·疫情·竞争·经验·先验意见)、便利抽样 Convenience vs 概率抽样 Probability Sampling(定量≥40·问卷≥100·简单随机 vs 分层 Stratified)、三角验证 Triangulation(多方法/多指标交叉提升可信度)、统计生成画像 Statistically-Generated Personas(定性打底+≥100 理想 500+ 潜类分析)、长尾数据 Long-Tail Data(幂律分布+二八法则互补)。读者=产品经理。