經(jīng)過(guò)處理的大數(shù)據(jù)，可以利用分析得到的情境，分析可以識(shí)別出可提升的關(guān)鍵指標(biāo)，為每一位用戶打造屬于他們自己的個(gè)性化產(chǎn)品

在波蘭的用戶體驗(yàn)國(guó)際會(huì)議上，杰夫帕克(Jeff Parker)提出：

“如果缺乏研究，企業(yè)就無(wú)法做出明智的決策。”

企業(yè)家和交互設(shè)計(jì)師，可以利用數(shù)據(jù)分析，提升產(chǎn)品與服務(wù)的效率，并獲得更大的商業(yè)價(jià)值。

結(jié)合情境分析數(shù)據(jù)的方法，對(duì)處理大量繁復(fù)數(shù)據(jù)十分有效。如facebook和twitter都是獲取數(shù)據(jù)的良好渠道，但是要是想將所有獲取到的信息都為我們所用，這項(xiàng)工作會(huì)非常復(fù)雜且會(huì)消耗大量的時(shí)間成本。

即使我們將這些所有數(shù)據(jù)都賦予了涵義，也需要分析這些數(shù)據(jù)從而提出有價(jià)值的見(jiàn)解，但這取決于我們需要應(yīng)用的情境，否則我們只能通過(guò)這些數(shù)據(jù)得到一個(gè)廣義的結(jié)論而并不能解決實(shí)際問(wèn)題。

總而言之，將數(shù)據(jù)結(jié)合具體的場(chǎng)景應(yīng)用，可以幫助我們進(jìn)一步探索用戶與其行為之間的關(guān)系。

什么是大數(shù)據(jù)?

首先，大數(shù)據(jù)(big data)之所以“大”，是因?yàn)槲覀兠總€(gè)人每天都會(huì)向公司傳遞千兆級(jí)別的信息，當(dāng)數(shù)據(jù)累積起來(lái)變得足夠大的時(shí)候，就不能應(yīng)用傳統(tǒng)的方法來(lái)進(jìn)行處理了。

面對(duì)大量的數(shù)據(jù)，我們也不能再僅是使用電子表格來(lái)進(jìn)行羅列，因?yàn)殡娮颖砀袢狈σ欢ǖ撵`活性和可擴(kuò)展性。然而，大數(shù)據(jù)一旦經(jīng)過(guò)處理就會(huì)變得十分有價(jià)值。利用分析得到的情境，大數(shù)據(jù)分析可以識(shí)別出可提升的關(guān)鍵指標(biāo)，為每一位用戶打造屬于他們自己的個(gè)性化產(chǎn)品。

大數(shù)據(jù)在零售行業(yè)的例子

大數(shù)據(jù)應(yīng)該如何應(yīng)用到現(xiàn)代商業(yè)中?

下面提到了三種具體的方法結(jié)合情境，進(jìn)行大數(shù)據(jù)分析，從而帶來(lái)更好的產(chǎn)品和用戶體驗(yàn)：

大數(shù)據(jù)能夠增強(qiáng)我們對(duì)用戶的了解，并設(shè)計(jì)出滿足用戶需求的產(chǎn)品與服務(wù)。

大數(shù)據(jù)可以幫助我們深入理解用戶的行為，通過(guò)數(shù)據(jù)發(fā)現(xiàn)用戶深層次的想法。

大數(shù)據(jù)有助于市場(chǎng)推廣，因?yàn)樗鼮槲覀兲峁┮粋€(gè)機(jī)會(huì)去分析用戶在多個(gè)渠道上的行為，并了解用戶在何時(shí)更容易去購(gòu)買(mǎi)產(chǎn)品或者服務(wù)。

在本文中，我們將了解到如何最大化利用分析結(jié)果，以及情境對(duì)大數(shù)據(jù)分析的重要性。

情境數(shù)據(jù)

幾年前， 我們的一個(gè)客戶在 UsabilityTools (關(guān)于用戶研究的網(wǎng)站)上使用我們的表單測(cè)試工具(Form Tester)去了解用戶在他們公司網(wǎng)站上的行為。該工具可以分析網(wǎng)站游客與在線表單的交互方式，利用該工具可以了解到表單每一步的轉(zhuǎn)化率。

我們通過(guò)該工具注意到的第一個(gè)問(wèn)題是該網(wǎng)頁(yè)的跳出率很高，我們意識(shí)到表單的設(shè)計(jì)可能出現(xiàn)了問(wèn)題。通過(guò)觀察表單中的不同元素后，發(fā)現(xiàn)一般用戶對(duì)于單個(gè)表單項(xiàng)的響應(yīng)時(shí)間為5秒，但是卻有一項(xiàng)會(huì)花費(fèi)用戶3分鐘左右的時(shí)間去填寫(xiě)。

意識(shí)到這個(gè)問(wèn)題后，我們結(jié)合其使用語(yǔ)境發(fā)現(xiàn)：該項(xiàng)的目的是讓用戶填寫(xiě)其身份證號(hào)，這意味著用戶必須離開(kāi)他的辦公桌，找到他的錢(qián)包，并且從身份證上抄下他的身份證號(hào)碼。這解釋了3分鐘的等待時(shí)間，并告訴我們，我們不是需要去修正表單，而是需要提前提醒用戶準(zhǔn)備好他們的卡，這樣就會(huì)減少完成這種復(fù)雜任務(wù)時(shí)用戶的流失率。

結(jié)合語(yǔ)境進(jìn)行分析便于讓企業(yè)尋找到適合自己的商業(yè)模式，探索商業(yè)趨勢(shì)，就像我們之前做的那樣。結(jié)合對(duì)數(shù)據(jù)分析，可以輔助設(shè)計(jì)師進(jìn)行預(yù)測(cè)模型的建立與商業(yè)策略的制定。

為什么說(shuō)沒(méi)考慮情景是錯(cuò)誤的?

大部分電子行業(yè)的公司都在使用一些網(wǎng)絡(luò)分析軟件(web analytics software implemented)，但是這不足以讓他們完全理解到，影響用戶行為的心理因素和人文因素。

從業(yè)務(wù)層面來(lái)考慮，諸如瀏覽量、跳出率(bounce rate)等一些網(wǎng)頁(yè)分析中典型對(duì)象。其提供的數(shù)據(jù)，可能與我們的觀點(diǎn)和對(duì)重要任務(wù)的看法在實(shí)際上完全相反。

簡(jiǎn)單的數(shù)據(jù)也可以說(shuō)謊，特別是在它們脫離語(yǔ)境時(shí)。例如：網(wǎng)站的平均訪問(wèn)時(shí)間這項(xiàng)數(shù)據(jù)，5分鐘的平均留存時(shí)間看上去很不錯(cuò)。但是當(dāng)我們記錄單一訪客時(shí)，會(huì)恍然發(fā)現(xiàn)大多數(shù)的訪客都僅僅在頁(yè)面停留了10秒鐘，平均數(shù)據(jù)被一些停留時(shí)間特別長(zhǎng)的訪客所扭曲了!

我們意識(shí)到不能再盲目相信數(shù)據(jù)了，紐約時(shí)報(bào)的大衛(wèi)?布魯克斯(David Brooks)在文章“What Data Can’t Do”中指出：大數(shù)據(jù)的主要問(wèn)題在于無(wú)法考慮到意外的情況與前后發(fā)生的語(yǔ)境，它甚至不能應(yīng)用于簡(jiǎn)單而多變的新事物。

這個(gè)問(wèn)題最好的處理方法就如同Teradata(天睿公司)的Scott Gnau(斯科特?葛瑙)所說(shuō)：大數(shù)據(jù)是一個(gè)新事物，但是它不是唯一的數(shù)據(jù)難題。

情景分析和語(yǔ)境分析能充分發(fā)揮大數(shù)據(jù)的潛力，通過(guò)對(duì)已有數(shù)據(jù)進(jìn)行語(yǔ)境的分析(contextualizing)，我們可以做些類似這樣的事情——改善客戶的看法，找出普通消費(fèi)行為背后的原因。這樣，企業(yè)也就能創(chuàng)造出讓用戶驚喜愉悅的體驗(yàn)。

“紙牌屋”(House of Cards)是在網(wǎng)飛公司(Netflix)上很流行的政治電視劇，它也許是大數(shù)據(jù)影響最好的例子之一。Netflix運(yùn)用了大數(shù)據(jù)來(lái)設(shè)定紙牌屋的劇情和人物性格(character twists)，正如報(bào)告中說(shuō)的，一個(gè)用戶在看某段劇情時(shí)暫停播放去拿點(diǎn)心，Netflix會(huì)記錄這次暫停和播放。

Netflix雖然不確定觀眾暫停的原因，但是他們會(huì)進(jìn)行詢問(wèn)和假設(shè)：為什么人們會(huì)在這一瞬間暫停?是震驚、厭惡、被吸引或者僅僅是無(wú)聊?為什么大多數(shù)的人都精確的倒回到14分鐘這一段，是因?yàn)橛心承〇|西難以理解或者是場(chǎng)景非常的震撼?最后，為什么人們?cè)谟^看到一半時(shí)選擇放棄了?

這個(gè)原因可能很簡(jiǎn)單：僅僅是因?yàn)椴缓每础?/p>

通過(guò)觀察這些情況(暫停、倒帶、停止)發(fā)生的場(chǎng)景，分析團(tuán)隊(duì)將事件放在情境中，利用對(duì)結(jié)果的分析改善下一季觀看體驗(yàn)。目前，根據(jù)“爛番茄”(to rottentomatoes.com )網(wǎng)顯示：“紙牌屋”接下來(lái)的兩季都獲得了超過(guò)80%的收視率，足以證明利用大數(shù)據(jù)的改進(jìn)是成功的。

在大數(shù)據(jù)與情境結(jié)合的方面，“網(wǎng)飛公司”(Netflix)稱已經(jīng)準(zhǔn)備好通過(guò)數(shù)據(jù)分析努力做到將用戶牢牢吸引在屏幕前。

“紙牌屋”是一個(gè)極端的例子，但是同樣的原則仍然適用于任何案例。在線外送手機(jī)應(yīng)用“Foodler”根據(jù)用戶以往在餐廳消費(fèi)的習(xí)慣，向他們進(jìn)行“最佳推薦”。他們可以通過(guò)飲食的時(shí)間段進(jìn)一步分析用戶的習(xí)慣，并且在相應(yīng)的時(shí)間開(kāi)始推薦早餐、午餐或晚餐所對(duì)應(yīng)的食物。

同樣的，“Target”這款app結(jié)合不同情境，利用大數(shù)據(jù)分析顧客的行為變化——這就是為什么“Target”甚至比孕婦的家人更早知道她們懷孕的消息。

Foodler能夠預(yù)測(cè)出用戶在任何餐館可能會(huì)吃什么

知道數(shù)據(jù)變化背后的原因才是真正有價(jià)值的，結(jié)合情境來(lái)分析解釋了消費(fèi)者行為背后的心理，并因此影響了我們開(kāi)發(fā)營(yíng)銷的策略，這些策略在關(guān)鍵的接觸點(diǎn)上能夠成功地影響用戶。

情境對(duì)預(yù)測(cè)的作用

有充分的理由證明，運(yùn)用準(zhǔn)確的模型和模式是推動(dòng)大數(shù)據(jù)環(huán)境下分析決策過(guò)程的關(guān)鍵。情境分析有助于我們建立預(yù)測(cè)模型，幫助我們基于用戶真實(shí)行為去考慮，這對(duì)構(gòu)建好的預(yù)測(cè)模型至關(guān)重要。

我們可以使用情境分析來(lái)加強(qiáng)數(shù)據(jù)的可用性和商業(yè)相關(guān)性，使我們能夠通過(guò)創(chuàng)建模型來(lái)預(yù)測(cè)消費(fèi)者可能的行為，例如：亞馬遜的推薦系統(tǒng)。

當(dāng)我購(gòu)買(mǎi)一個(gè)帳篷，亞馬遜使用分析來(lái)確定我可能也想要一個(gè)睡袋

結(jié)合情境分析數(shù)據(jù)可以幫助我們更好的做出決策，確定是否不同的數(shù)據(jù)觀察結(jié)果對(duì)每個(gè)人都適用，選擇合適的情境與用戶真正建立起關(guān)聯(lián)。

例如：使用數(shù)據(jù)預(yù)測(cè)分析的電商從業(yè)者會(huì)注意到，許多用戶會(huì)在周五下午購(gòu)買(mǎi)鞋子，但情景分析可以讓他們看到，這些客戶中絕大多數(shù)都是在辦公室做出的決定，并且他們更有可能在等待客戶或等待開(kāi)會(huì)時(shí)購(gòu)買(mǎi)。(在一小時(shí)的最后五分鐘或前五分鐘)。

情境分析(study of contextual analytics)的研究中，IBM的Lisa Sokol和Steve Chen創(chuàng)建了另一個(gè)典型的應(yīng)用，涉及傳統(tǒng)的評(píng)分系統(tǒng)，銀行用來(lái)確定客戶是否有資格獲得貸款。

他們表示，如果銀行僅使用數(shù)據(jù)分析，可以得到每家銀行每個(gè)賬戶的信息，但是不能將來(lái)自多個(gè)銀行的所有不同賬戶關(guān)聯(lián)到一個(gè)人，結(jié)果只能得到不精確的信息。但另一方面，通過(guò)情境分析，銀行能夠知道這幾個(gè)賬戶屬于同一個(gè)人，因此將可以得到準(zhǔn)確評(píng)估客戶償還貸款能力的所有必要信息。

通過(guò)利用情境推動(dòng)的分析，我們可以提高預(yù)測(cè)模型的效率，從而做出更好的業(yè)務(wù)決策。

接下來(lái)的一些步驟

認(rèn)識(shí)到在大數(shù)據(jù)分析中使用情境化的好處，僅僅只是開(kāi)始。一旦我們開(kāi)始收集數(shù)據(jù)，我們就要做好洞察情境的準(zhǔn)備，從而創(chuàng)造更好的用戶體驗(yàn)。

下面提供了一些實(shí)際應(yīng)用的方法：

(1)研究別人正在使用的數(shù)據(jù)和指標(biāo)，從而更好地理解哪些數(shù)據(jù)與該領(lǐng)域相關(guān)性最高。

(2)不要依賴平均值!無(wú)論指標(biāo)是什么，都要將它置于情境中考慮