"Comportament d'usuaris" es basa en l'anàlisi del comportament dels usuaris a la web, a través de les tècniques d'analítica web, essencials per millorar el funcionament de qualsevol lloc o aplicació web. Al llarg de l'assignatura es tracten totes les etapes del procés d'anàlisi, el llibre de referencia es el de Avinash Kaushik Analitica Web 2.0
També es practiquen per damunt tests d'usuaris o avaluacions heurístiques.
2. Primera pregunta
Al llibre “Researching UX: Analytics” de Luke Hay podem trobar un capítol que parla sobre els
arguments en contra de fer servir la analítica web als processos d’experiència d’usuari (UX). Podeu
veure aquest breu capítol a la següent URL:
http://0proquest.safaribooksonline.com.cataleg.uoc.edu/book/webdevelopment/usability/978149201
8391/ why-analytics/the_importance_of_analytics_for_ux_html?uicode=obertacat .
Llegiu aquest capítol (The Importance of Analytics for UX), Seleccioneu quin dels cinc arguments
en contra de l'ús de l'analítica que s'hi exposen us sembla més convincent i quin menys convincent i
per què. (de 450 a 600 paraules). i per què. (de 450 a 600 paraules).
Mes convincent
5. Solo muestra datos sobre los visitantes del sitio web / aplicación.
El hecho de que el análisis del sitio web solo contenga datos de personas que visitan
su sitio web o aplicación es una limitación. No podrá encontrar datos en sus informes
sobre usuarios potenciales y, como resultado, obtendrá solo una parte de la imagen.
Se trata de cómo puede usar datos cuantitativos para informar su trabajo cualitativo.
El punt cinc es l’argument més convincent de tots, pel fet que es una realitat el que
unicament es mostren dades i que no s’obtinga una millor informació sobre el tipus
d’usuari potencial. Per exemple els «clickstream» son sequencies de click que sols
ens aporten informació de tipus global, per exemple el nombre de págines visitades o
el temps que està un usuari dins del site, etc. L’obtencio unicament de dades no
permet obtindre un resultat. Com diu Avinash Kaushik en un principi les dades sols
son dades.
La gran majoria de ferramentes que s’utlilitzen per a l’analitica web sols aporten
dades. Recopilar dades del tipus cuantitatiu unicament el que pot produir es un efecte
negatiu per a la web degut a la dificultat de poder recopilar-los i tratar-los en un unic
lloc. De la mateixa forma parlem de les dades del tipus qualitatius que únicament se
centren en el tipus de tècniques utilitzades de manera que els resultats que s'obtenen
són més subjectius. L'unic avantatge d’utilitzar unicament aquest tipus de dades és
que permet poder conèixer un fet singular-particular amb certa profunditat gràcies a
la intel·ligència de les persones.
Les dades de tipus cuantificatiu. Ténen al seu favor per una part que els resultats
obtinguts son incuestionables es a dir si tenim un nombre determinat de persones que
han entrat a una pagina no hi ha cap discusió. Per altra part per a poder obtenir un
profit real de millora en un site d’aquestes dades es on entra una estrategia web 2.0
que a traves de diferents ferramentes permeteixen aprofitar i millorar el rendiment
d’una web. L’analitca web 2.0 es basa en una serie de paragdimes que tenen com a un
dels seus objectius principals obtindre una millora continua de l’experiencia d’usuari
en un site amb dades de tipus quantitatiu i qualitatiu.
3. Menys convincent
1. Analytics devalúa otros trabajos de UX.
A algunas personas les preocupa que el uso de datos cuantitativos deshumanice a los
usuarios y resta importancia al objetivo de UX. Esto sería cierto si los datos
cuantitativos se utilizan por sí solos. Pero siempre que se use para respaldar métodos
cualitativos, no hay impacto negativo del uso de datos analíticos.
Estic en total desacord en el primer punt, encara que sigui una tasca difícil de
demostrar, degut al temps que normalment costa de arreplegar l’informació. Pero les
dades obtingudes d’un analisis serveixen per aportar informació cuantitativa i a traves
de evalucions euristiques, proves de usabilitat perment convertir aquesta dada en una
millora en l’expericia UX per al usuaris.
La informació quantitativa per si soles no ens aporta cap solucio per a un problema i
menys afectar en aspectes UX. Queda clar que es un tipo d’informació que no ofereix
informació emocional o racional dels usuaris. Es a dir no aporta dades de perquè un
usuari actua d’una manera o d’altra.
La part positiva de tots aquest tipus de ferramentes quantitatives es que les podem
instalar desde d’un primer moment es a dir en la fase de creació de la web ja podem
tindre dades cuantitatives que ens servirar per a poder correguir per mitja de metodes
qualitatius. En conclusio les ferramentes quantitatives no afecten negativament el
treball UX sino que son eines que ajuden a descubrir alló que esta passat.
Segona pregunta
Explica què és el clickstream i la seva importància dins el paradigma de la analítica
web 2.0 (de 200 a 300 paraules).
Quan s'instal·la un programari d'analítica web 2.0, perquè aquest pugui oferir una
informació de l'estat d'un site, aquest programari necessita desenvolupar una operació
inicial anomenada "clickstream". Que permet saber per mijà de clics, la seqüència de
moviments d'un usuari durant l'estada en un lloc web, així com les diferents pàgines
que visita o el temps que roman en el mateix, etc.
Segons Avinash Kaushik, el "clickstream" seria el «que» dins del paradigma de
l'analítica 2.0. Amb aquesta primera recollida d'informació o seguiment, en pocs
mesos ja es podrien obtenir dades que servirien per tenir una idea del que fan els
usuaris en el site. Però aquesta informació és molt limitada, pel fet que per a una
estratègia, sols aporta informació del «que» i el «cuando». És a dir el programa
únicament aportà dades quantitatives, que no deixen en cap moment de ser importants
per a l'estratègia. Però falten també una sèrie de procediments amb aquestes dades per
obtenir dades qualitatives.
4. Les dades qualitatives són únicament nombres, es tracta d'un tipus d'informació
important però no conclouen. Per exemple a través dels clics no es pot saber si a
través d'una IP accedeix un únic usuari o varis. Aquest tipus d'informació és del tipus
qualitatiu i no es pot obtenir amb aquest procediment inicial. Seguint amb el mateix
exemple, si és tractes d'un producte destinat per a les empreses, aquesta situació
s'hauria de valorar. De l'única forma que es pot, seria a través de les proves d'usuaris,
pel fet que en una empresa podria donar-se el cas de tindre una única IP externa. Per
consegüent únicament amb els clics, no podríem saber el nombre de persones
d'aquesta empresa que accedeixen a la web.
Tercera pregunta
En què consisteix la estratègia dels tres grups a l'hora de seleccionar el proveïdor de
solucions d'analítica web (de 200 a 300 paraules).
Aquesta estratègia té la finalitat d'agrupar les ferramentes més populars per a
l'analítica web 2.0, en tres grups, amb la finalitat de diferenciar al màxim les
ferramentes per aprofitar al màxim els recursos de cadascuna. Moltes ferramentes que
pertanyen a l'estratègia tenen més o menys les mateixes funcions, però es podria dir
que cadascuna d'elles disposen d'una sèrie de matisos que les diferencien, per tant
aquesta sèrie de matisos en cadascuna d'elles, al final permet agrupar-les amb tres
grups ben diferenciats on cada grup ofereix alguna cosa convincent i diferent dels
altres.
• Grup 1 : Omniture, Coremetrics, Webtrends
• Grup 2: Affinium, NetInsights d’Unica, XiTi, Nedstat, ClickTracks
• Grup 3: Google Analytics, Yahoo!, Web Analitics
Cites rellevants sobre el Grup 1: En aquest grup es troben les més populars dins del
món de l'analítica web, són ferramentes de pagament molt similars, amb algunes
petites diferencies.
Cites rellevants sobre el Grup 2: Es tracta d'una alternativa convincent als grups 1 i
3.
Cites rellevants sobre el Grup 3: Són ferramentes d'analítica molt potents gratuïtes i
que demostren que no és necessari pagar, per una ferramenta si no és un cas molt
concret.
En conclusió, per a l'avaluació de proveïdors d'analítica web utilitzarem almenys una
ferramenta de cada grup i estarem escollint ferramentes diferenciades i estarem
prenent una bona decisió.
5. Quarta pregunta
Explica breument en què consisteix la regla 10/90 (i raona-ho breument, només de
300 a 500 paraules).
La regla del 10/90 bàsicament es tracta:
• Costos màxims amb la ferramenta d'anàlisis + serveis del proveïdor= 10 $
• Inversió requerida en recursos/ analistes intel·ligents = 90$
L'autor es basà en quatre problemes bàsics que ens trobem a l'hora de desenvolupar
l'anàlisi d'una web per argumentar aquesta regla:
• Les webs únicament poden que capturar dades i és veritat, no ens indiquen que
fer amb aquesta informació.
• La majoria de ferramentes d'analítica web únicament recullen i aporten dades
• Actualment a part de la informació quantitativa que l'aporten aquestes
ferramentes, hem de treballar amb informació qualitativa i aquest tipus
d'informació, no ens l'aporta cap ferramenta d'analítica de manera directa.
• Una de les maneres de convertir totes aquestes dades que ens aporten les
ferramentes d'anàlisis en insights, és a través de conèixer els comportaments
que es produeixen dins i en l'entorn de l'empresa que estem analitzant. És a dir,
un poc a l'atzar, per tant aquest tipus d'informació no l'aportarà mai un software
en un informe.
Per tant si revisem aquests quatre punts, es mostra d'una manera clara, que a més de
tindre unes eines informàtiques per a l'analítica web, que únicament aporten dades. Es
necessitarà personal qualificat, que pugui entendre aquestes dades i poder extraure
aquella informació, necessària per poder solucionar aquelles carències que presenti la
pàgina web.
Al cap i a la fi, el client el que pot permetre's, fer la major part de la inversió
únicament en el software. Perquè únicament tindrà una gran quantitat de dades, sense
saber d'on apleguen i que indiquen. Aleshores per a convertir totes les dades que ens
ofereix el programari en informació, s'haurà de revertir el procés, de tal manera que el
90% de la inversió serà per convertir aquestes dades en informació, tant quantitativa,
com qualitativa i el 10% per a les ferramentes que aporten dades.
