引言
移动应用技术正处于快速发展的阶段，与此同时，我们分析移动应用的能力也应当随之提升。然而在绝大多数情况下，移动分析领域的发展速度都极其缓慢。就目前而言，数据可视化、产品集成、实时功能等领域都取得了不错的进展，可以有效地帮助产品经理更好地收集和处理数据。这些进步虽然十分可贵，但却并不能够解决移动应用技术与分析用户使用情况能力之间的底层不平衡问题。
你一定听过那句名言“魔鬼就隐藏在数据中”，有趣的是，这种差异源于数据本身。但如果我告诉你，你所搜集来的定量数据仅仅是故事的序幕而并非是整个故事呢？这些定量数据可以强而有力的向你介绍整体用户在移动应用的使用情况，但它不能让你探索特定个体的情况。移动产品经理需要数据来帮助他们看到和理解特定用户的行为，而不是用整合的数字去做粗略地判断。
但实际情况是只有少量的移动分析公司，包括 Appsee ，能够认识到这点，并将新的分析方法应用于市场——即定性分析法。
正如你猜测的那样，一旦将定量数据与定性分析相结合，你能够对移动应用用户有一个全面彻底的了解。那么，这又是怎样具体实现的呢？
定量分析的缺陷
为了理解这种结合的好处，我们先需要理解为什么传统的定量数据分析存在哪些缺陷。
让我们先复习一下“定量”的定义。Merriam Webster 指出其定义如下：
- 与“数量”相关或类似的表达；
- 与“数量的测度”相关或有所涉及；
- 基于数量；在古典经文中：基于时间量或声音的持续时间。
数字，数字，数字！这便是其定义的核心内容。因此，对于定量分析而言，所有搜集来的数据和信息都可以被数字所衡量。
这不是坏事，事实上这非常重要。定量的数据可以帮助你对整体用户行为和使用趋势有所了解，比如：平均用户会话的时长，或是有多少用户完成了某个转换渠道。只是这些数字还没有回答最为关键的问题——“为什么会这样？”。定量分析仅仅是告诉了你查询到的数字。数字中蕴含着重要的故事，但你要怎么搞清楚并阐述好这个故事呢？
加入定性分析吧！
定性分析是什么？为什么需要它？
定量分析主要集中于讨论应用中能够用数字衡量的方面，而定性分析则针对于移动应用中不能被数字描述的要素。这些要素便是用户体验——用户在应用中创造的各异的故事。
你要怎么知道用户们是否因非流畅化的触键而伤害到了体验感受或是他们没办法弄明白某个特性？简单来说，数字并不能有效地描绘这些特定的应用使用体验。为了充分理解和评估用户体验，你需要利用数据去看到用户们在做什么以及他们是如何使用的。而这就是定性分析的本质了。
通过诸如 用户会话记录 或是 屏幕点击区域热力图 ，定性分析可以帮助你走近那些真实用户（而不是测试用户），并检查他们是如何与应用进行交互的。这是从主观细致地分析用户体验，进而去分析关键绩效指标（ KPI ）最好的方法。
定性分析的价值不仅仅局限在用户体验的分析上，它对于定量数据的分析也十分有力。
定量和定性分析是如何成为最佳组合的？
定量分析可以让你了解移动应用中可用数值表示的趋势、问题和行为。而定性分析（比如特定用户会话记录）探寻的是数字背后隐含的关键问题——“为什么会这样”。
下面介绍这种组合分析方式在实践中的案例。
应用内无响应
定量分析可以告诉你应用的日无响应率增长了 50% 。这点很重要，但现在你需要知道为什么会这样。为了知道这些无响应情况背后有价值的信息，你可以使用定性分析去查看某天出现无响应情况的会话记录。这可以帮助你重现无响应情况，并且弄清楚是何种用户行为导致了无响应情况的出现。
<div align=center>
</div>
转换渠道
假设你现在有一个内置购买行为转换渠道的电子商务应用。定量数据可以告诉你七天内，74.4% 的用户曾浏览过“我的购物车”界面，但之后退出并没有完成最终购买行为。这些统计数据警示着你，用户可能在“我的购物车”界面遇到了一个潜在或很多的问题。这些问题到底是什么呢？通过查看曾退出的用户会话记录，你可以看到究竟是什么损害到了用户体验。
<div align=center>
</div>
简而言之，定量和定性分析的组合可以精简从数据中提取信息和从信息中得到可行性结论的过程，也不会再出现面对大量数据和猜测却不知所措的场景了。
再次重申一次，通过定性分析对定量数据的提取，你可以节省宝贵的时间和资源，而这些也正是产品经理常常所缺少的。定量和定性分析的组合可以帮助你实现对数据的提纯，同时更为理智地对产品做出关键决策。而你因此所得到的见解绝对出人意料！
原文链接：How to Start a Data Science Project in Python
原文作者：Hannah Levenson
译作者：Vector
网友评论