引言
移動應用技術正處于快速發展的階段，與此同時，我們分析移動應用的能力也應當隨之提升。然而在絕大多數情況下，移動分析領域的發展速度都極其緩慢。就目前而言，數據可視化、產品集成、實時功能等領域都取得了不錯的進展，可以有效地幫助產品經理更好地收集和處理數據。這些進步雖然十分可貴，但卻并不能夠解決移動應用技術與分析用戶使用情況能力之間的底層不平衡問題。
你一定聽過那句名言“魔鬼就隱藏在數據中”，有趣的是，這種差異源于數據本身。但如果我告訴你，你所搜集來的定量數據僅僅是故事的序幕而并非是整個故事呢？這些定量數據可以強而有力的向你介紹整體用戶在移動應用的使用情況，但它不能讓你探索特定個體的情況。移動產品經理需要數據來幫助他們看到和理解特定用戶的行為，而不是用整合的數字去做粗略地判斷。
但實際情況是只有少量的移動分析公司，包括 Appsee ，能夠認識到這點，并將新的分析方法應用于市場——即定性分析法。
正如你猜測的那樣，一旦將定量數據與定性分析相結合，你能夠對移動應用用戶有一個全面徹底的了解。那么，這又是怎樣具體實現的呢？
定量分析的缺陷
為了理解這種結合的好處，我們先需要理解為什么傳統的定量數據分析存在哪些缺陷。
讓我們先復習一下“定量”的定義。Merriam Webster 指出其定義如下：
- 與“數量”相關或類似的表達；
- 與“數量的測度”相關或有所涉及；
- 基于數量；在古典經文中：基于時間量或聲音的持續時間。
數字，數字，數字！這便是其定義的核心內容。因此，對于定量分析而言，所有搜集來的數據和信息都可以被數字所衡量。
這不是壞事，事實上這非常重要。定量的數據可以幫助你對整體用戶行為和使用趨勢有所了解，比如：平均用戶會話的時長，或是有多少用戶完成了某個轉換渠道。只是這些數字還沒有回答最為關鍵的問題——“為什么會這樣？”。定量分析僅僅是告訴了你查詢到的數字。數字中蘊含著重要的故事，但你要怎么搞清楚并闡述好這個故事呢？
加入定性分析吧！
定性分析是什么？為什么需要它？
定量分析主要集中于討論應用中能夠用數字衡量的方面，而定性分析則針對于移動應用中不能被數字描述的要素。這些要素便是用戶體驗——用戶在應用中創造的各異的故事。
你要怎么知道用戶們是否因非流暢化的觸鍵而傷害到了體驗感受或是他們沒辦法弄明白某個特性？簡單來說，數字并不能有效地描繪這些特定的應用使用體驗。為了充分理解和評估用戶體驗，你需要利用數據去看到用戶們在做什么以及他們是如何使用的。而這就是定性分析的本質了。
通過諸如 用戶會話記錄 或是 屏幕點擊區域熱力圖 ，定性分析可以幫助你走近那些真實用戶（而不是測試用戶），并檢查他們是如何與應用進行交互的。這是從主觀細致地分析用戶體驗，進而去分析關鍵績效指標（ KPI ）最好的方法。
定性分析的價值不僅僅局限在用戶體驗的分析上，它對于定量數據的分析也十分有力。
定量和定性分析是如何成為最佳組合的？
定量分析可以讓你了解移動應用中可用數值表示的趨勢、問題和行為。而定性分析（比如特定用戶會話記錄）探尋的是數字背后隱含的關鍵問題——“為什么會這樣”。
下面介紹這種組合分析方式在實踐中的案例。
應用內無響應
定量分析可以告訴你應用的日無響應率增長了 50% 。這點很重要，但現在你需要知道為什么會這樣。為了知道這些無響應情況背后有價值的信息，你可以使用定性分析去查看某天出現無響應情況的會話記錄。這可以幫助你重現無響應情況，并且弄清楚是何種用戶行為導致了無響應情況的出現。
<div align=center>
</div>
轉換渠道
假設你現在有一個內置購買行為轉換渠道的電子商務應用。定量數據可以告訴你七天內，74.4% 的用戶曾瀏覽過“我的購物車”界面，但之后退出并沒有完成最終購買行為。這些統計數據警示著你，用戶可能在“我的購物車”界面遇到了一個潛在或很多的問題。這些問題到底是什么呢？通過查看曾退出的用戶會話記錄，你可以看到究竟是什么損害到了用戶體驗。
<div align=center>
</div>
簡而言之，定量和定性分析的組合可以精簡從數據中提取信息和從信息中得到可行性結論的過程，也不會再出現面對大量數據和猜測卻不知所措的場景了。
再次重申一次，通過定性分析對定量數據的提取，你可以節省寶貴的時間和資源，而這些也正是產品經理常常所缺少的。定量和定性分析的組合可以幫助你實現對數據的提純，同時更為理智地對產品做出關鍵決策。而你因此所得到的見解絕對出人意料！
原文鏈接：How to Start a Data Science Project in Python
原文作者：Hannah Levenson
譯作者：Vector
