在这两篇系列文章中，我将会解释如何利用数据分析来识别用户有问题的地方，以及网站的哪些地方会从可用性测试中受益最多。
本篇文章的重点为——三个识别网站问题的参数：跳出和退出率（bounce and exit rate），页面平均时间（average time on page）和目标价值（page value）。
在第二部分，我们会进一步利用这些参数来识别drop off points，然后我们会深入到数据分段（segmentation）来获取额外的细节信息。 辨认问题网页（组）
作为一名自由职业者和用户体验咨询师，我与各种各样不同领域的网站合作过，其过程非常一致，总是以数据分析为开端。最开始我会去辨认每天有多少用户访问这个网站，哪个页面最常用。这会给我一个大概的感觉，知道人们是如何访问这个网站的。然后我会进行下一步：辨认潜在的出问题的领域，继而知道我的用户体验建议将会着重在哪一块。
总体来说，我会观察三种类型的参数来辨认问题所在：
跳出和退出率（Bounce and exit rate）
页面平均时间（Average time on page）
目标价值（Page value）
跳出和退出率（Bounce and Exit Rate）
跳出率和退出率是两个可能造成混淆的参数。跳出率是只访问了网站的一个页面的用户的比例：在一个页面登陆，但是没有去访问任何其他页面就离开了网站。
【译者注：谷歌官方解释为“跳出率指单页访问次数（即访问者从入口页离开网站而未与网页互动的访问次数）所占的百分比”。】
退出率是从一个页面离开了网站的用户的比例（它包括了那些之前在该网站浏览了其他页面的人）。
【译者注：谷歌官方解释为“退出百分比指从某个或某组特定网页退出网站的次数所占的百分比”。】
编者注：术语可能有所不同，意思相近即可。给译者的细心点赞！
如果我发现了网站的一部分出现了一个很高的跳出或者退出率，我会做上笔记，以防某些页面的什么东西造成了用户的离开。一个有着高跳出率的页面可能说明这个页面上的内容不是用户来到这个页面所期望看到的东西。一个高退出率的页面可能说明这个网页导致了用户在他们想要的流程中半途而废——从另一方面看，如果一个高退出率的页面是流程的最后一页，那么这个高退出率就不再是个问题了。
用谷歌分析（Google Analytics）中的“加权排序（weighted sort）”会让跳出率更加有用。根据谷歌分析，“加权排序把百分比数据根据重要程度排列，而不是序号排列”。举个例子，一个页面虽然有着100%的跳出率，但在过去的一个月中，只有一个用户访问，然后离开了该页面（另外一个更大的问题可能是没有任何人访问过这个页面！）。如果一个页面有80%的跳出率，但是是一个在流程中非常关键的起始页面，那么这个网站可能因此流失了大量的生意。为了更好地为页面可用性测试做准备，我们必须辨认出问题出现的原因：是因为没有人访问这个页面，还是每个访问的人都马上离开了网站？ 页面平均时间（Average Time on Page）
“页面平均时间”是指用户浏览某个页面所花费的平均时间。如果我发现有一个页面的“页面平均时间”很低，这可能意味着该页面没有引起用户足够的注意。从另一反面来看，如果用户在一个结账页面停留很久，那么可能是因为该页面过于复杂了。当然，所有的参数都必须放在具体的情境下分析；如果一个博客文章有一个很高的“页面平均时间”，那么总体来说是一个好的现象，因为这可能意味着用户真的在阅读整篇文章。
另外一个衡量页面表现的非常好的方式是利用“与网站平均数比较”的选项。这个图会显示某些页面在某个参数上是不是在很大程度上高于或者低于平均值。虽然这些页面仍然需要一页一页地分析，因为不同的页面有用不同的目标，但是低于平均浏览时间的页面总体来说可能会有问题，假设目标是为了让用户继续阅读的话。下面的例子清晰地表现出“联系（contact）”页面相对来说有比平均值更低的浏览时间，然而“博客（blog）”页面有高于平均值80%的时间。
