精华内容
下载资源
问答
  • 如何判断信息是否有价值
    千次阅读
    2021-06-12 07:27:06

    jquery怎么判断input框内容是否为空?jquery怎么获取input框内容?本篇文章提供了2种判断方法,有着一定的参考价值,现在将它分享给各位,希望对各位有帮助。

    585d15c6dbdb210e7c3ad55ad4551b96.png

    jquery怎么判断input是否为空?

    首先需要通过val()函数获取input框的内容,然后通过比较是否和“”空字符串相等,或者字符串长度是否等于0,来进行判断。

    1、判断input内容是否等于空字符串$("input[type=text]").val()=="";

    2、判断input内容长度是否等于0(相关课程推荐:jQuery教程)$("input[type=text]").val().length==0;

    input定义用法

    标签用于搜集用户信息。根据不同的 type 属性值,输入字段拥有很多种形式。输入字段可以是文本字段、复选框、掩码后的文本控件、单选按钮、按钮等等。

    标签可定义输入域的开始,在其中用户可输入数据。

    对于大量通常的表单控件,可以使用 标签来进行定义,其中包括文本字段、多选列表、可单击的图像和提交按钮等。

    虽然 标签中有许多属性,但是对每个元素来说,只有type属性和name属性是必需的(提交或重置按钮只有 type 属性)。

    本文来自jQuery答疑栏目,欢迎学习!

    更多相关内容
  • 主要介绍了JS简单判断函数是否存在的方法,涉及javascript函数运行与类型判定相关操作技巧,具有一定参考借鉴价值,需要的朋友可以参考下
  • Python判断变量是否为Json格式的字符串示例Json介绍全名JavaScript Object Notation,是一种轻量级的数据...本文主要介绍的是利用Python判断变量是否为Json格式的字符串,对大家日常学习工作具有一定的参考价值,...

    Python判断变量是否为Json格式的字符串示例

    Json介绍

    全名JavaScript Object Notation,是一种轻量级的数据交换格式。Json最广泛的应用是作为AJAX中web服务器和客户端的通讯的数据格式。现在也常用于http请求中,所以对json的各种学习,是自然而然的事情。

    本文主要介绍的是利用Python判断变量是否为Json格式的字符串,对大家日常学习工作具有一定的参考价值,下面话不多说,直接来看代码吧。

    示例代码如下

    # -*- coding=utf-8 -*-

    import json

    def check_json_format(raw_msg):

    """

    用于判断一个字符串是否符合Json格式

    :param self:

    :return:

    """

    if isinstance(raw_msg, str): # 首先判断变量是否为字符串

    try:

    json.loads(raw_msg, encoding='utf-8')

    except ValueError:

    return False

    return True

    else:

    return False

    if __name__ == "__main__":

    print check_json_format("""{"a":1}""")

    print check_json_format("""{'a':1}""")

    print check_json_format({'a': 1})

    print check_json_format(100)

    首先判断变量是否为字符串,否则如果输入为int或这其他类型,会发生错误。

    上述程序的输出为:

    True

    False

    False

    False

    总结

    以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对我们的支持。

    时间: 2017-04-30

    Python编程中经常遇到一些莫名其妙的错误, 其实这不是语言本身的问题, 而是我们忽略了语言本身的一些特性导致的,今天就来看下使用Python变量时导致的3个不可思议的错误, 以后在编程中要多多注意. 关于Python编程运行时新手易犯错误,这里暂不作介绍,详情参见:Python运行的17个时新手常见错误小结 1. 可变数据类型作为函数定义中的默认参数 这似乎是对的?你写了一个小函数,比如,搜索当前页面上的链接,并可选将其附加到另一个提供的列表中. def search_for_links(p

    Hello,Everyone! Python是个好东西!好吧,以黎某人这寒碜的赞美之词,实在上不了台面,望见谅.那我们直接来上干货吧. 第一步:下载Python安装包https://www.python.org/ 1.进入Python官网,点击download 2.进入之后有两个安装包供选择(Python会根据你系统的位数智能选择,所以这里不用纠结你的电脑是32位的还是64位) 我的建议是下载Python3.0后面的版本,因为Python3在Python2的基础上,优化改进了一些代码格式.点击下

    本文实例讲述了Python编程之变量赋值操作.分享给大家供大家参考,具体如下: #coding=utf8 ''''' Python中主要通过等号(=)进行赋值. Python中的赋值不是直接将一个值赋给一个变量, 而是将该对象的引用(并不是值)赋值给变量. ''' #赋值运算符 Int=12 Float=12.2 String="hello" List=[1,2,"hell"] Touple=(4,"hell") Dictionary={'one

    1.定义 模块:本质就是.py结尾的文件(逻辑上组织python代码)模块的本质就是实现一个功能 文件名就是模块名称 包: 一个有__init__.py的文件夹:用来存放模块文件 2.导入模块 import 模块名 form 模块名 import * from 模块名 import 模块名 as 新名称 3. 导入模块本质 import 模块名 ===> 将模块中所有的数据赋值给模块名,调用时需要模块名.方法名() from 模块名 import 方法名 ==>将该方法单独放到当前文件运行一遍

    Anaconda 是一个旗舰版的python安装包, 因为普通的python没有库, 如果需要安装一些重要的库, 要经常一个一个下载,会非常麻烦. 所以这个一个集成的, 可以手动批量升级的软件. 而且库的安装也很全下载速度快. 从官网下载完以后, next 安装好. 配置环境变量, 把安装的文件夹的绝对路径拷贝到 环境变量的path里面. 不配置python都启动不了, 当然,如果之前安装过其他版本的python 可以考虑把之前多余的环境变量路径删掉. 打开anaconda prompt, 输入

    学习python编程,首先要配置好环境变量.本文主要讲解python的环境变量配置,在不同版本下如何安装 Windows 打开Python官方下载网站 https://www.python.org/downloads/release/python-370/ x86:表示是32位电脑 x86-64:表示是64位电脑 目前Python版本分为2.x版本和3.x版本.推荐大家使用3.x版本. 设置环境变量,我的电脑->属性->高级系统设置->环境变量,如下 配置 在"变量值&quot

    I . Flutter 学习资料 Flutter 学习资料 : ① 官方文档 : https://flutter.dev/docs ② Flutter Android 开发者文档 : https://flutter.dev/docs/get-started/flutter-for/android-devs ② Flutter 插件库 : https://pub.dev/ II . Flutter 开发环境搭建 Flutter 开发环境搭建 : ① Android Studio : https:/

    随着python的发展越来越好,用python的伙伴也越来越多.本人刚开始接触python的时候用的第一个集成环境就是Anaconda,因为自带很多包,安装又比较方便,所以还是比较方便了.现在来说下它的具体安装步骤: 进入官网后,点击红框区域下载按钮 下载完成后,按照此步骤,点击安装. 点完弹到下一个页面,接着点: 这个步骤选择安装地址的,建议单独新建一个文件夹来存放跟anaconda相关数据 点击finish后就算安装完了,接着下一步,要来配置环境变量了.首先找到安装路径 然后找到一个scri

    Alias Maya中的脚本语言是Mel 和 Python,据说Houdini未来也会把Python作为主要的脚本语言,作为影视特效师,掌握Python语言是必备技能:虽然Maya内置了Python运行时,但是,如果要系统学习Python语言,环境变量还是需要配置一下~ 默认情况下,在windows下安装python之后,系统不会自动添加相应的环境变量.此时在命令行输入python命令是不能执行的,配置方法如下: 1. 首先需要在系统中注册python环境变量:假设python的安装路径为c:\

    一.前言: CentOS7.0虽然自带JDK1.7和1.8,运行"java -version"命令也可以看到版本信息,但是jdk的安装环境不全,比如缺少tool.jar和dt.jar等,这就导致"javac"等这样的命令即便配置了环境变量也不能用,所以要重新安装jdk,并且配置环境变量,并解决"javac"命令不可用的问题. 下面话不多说了,来随着小编一起看看详细的介绍吧. 二.下载安装JDK 1.CentOS下,首先让当前用户获取root权限,

    相信很多初学python的小伙伴都会遇到这样的坑:环境变量配置不好,无法正常启动python.那么环境变量究竟是个什么东西呢?为什么要设置它?下面我们来说一说. 1.什么是环境变量 引用百度百科里面的解释:环境变量是在操作系统中一个具有特定名字的对象,它包含了一个或者多个应用程序所将使用到的信息.看到这里我相信大家可能还是有所疑惑,但是,不急,接着看. 2.为什么需要环境变量 windows系统下,假如我们安装了某一款软件,安装结束后,在安装目录会生成一个该软件的.exe文件,双击该文件,我们就

    Python的环境变量 环境变量 说明 PYTHONSTARTUP 在交互式启动时执行的文件(无默认值) PYTHONPATH ':' - 以默认模块搜索路径为前缀的分隔目录列表.结果是sys.path. PYTHONHOME 交替的 目录 (或者 :). 默认的模块搜索路径为 /pythonX.X. PYTHONCASEOK 忽略import语句中的大小写(Windows). PY

    安装python之后,我们往往面临这样一个问题,在命令行输入"python",竟然出错,难道是没有安装成功吗?非也,其实是你的系统环境变量没有设置好.今天,小编就来带大家学学python怎么设置环境变量 问题场景: 写脚本涉及到数据库的配置信息,然后上面要求这种关键信息不能体现到脚本中,哦,那怎么办,那我去哪里读取数据库信息呢? 解决方法: 从运行脚本的机器的环境变量里读取数据库信息,这样脚本中全是代码,就没有明文配置信息了. 具体步骤: 1.先在自己的windows机器上配置好环境变

    我们下载安装了tomcat,那么tomcat环境变量配置怎么配置?下面小编就和大家分享下tomcat环境变量的配置. tomcat安装版本 1.JDK:版本为jdk-7-windows-i586.exe    下载地址http://www.oracle.com/technetwork/java/javase/downloads/index.html 2.tomcat:版本为apache-tomcat-7.0.33-windows-x86.zip    下载地址http://tomcat.apac

    展开全文
  • 数据分析这个词,想必对于很多人来说已经没有多少新鲜感了,越来越多的企业开始将数据分析作为信息化建设的下一个目标,在大数据时代的裹挟下,以前IT部门才能做的数据分析,现在也成为了业务人员的新宠,拿数据、作...

    数据分析这个词,想必对于很多人来说已经没有多少新鲜感了,越来越多的企业开始将数据分析作为信息化建设的下一个目标,在大数据时代的裹挟下,以前IT部门才能做的数据分析,现在也成为了业务人员的新宠,拿数据、作分析、找问题,数据分析一时间甚嚣尘上。

    但是包括很多专业数据分析师在内的人,都会产生一个疑问:数据分析究竟能不能为企业产生价值?企业的创收是否只是数据分析表面之下的假象?

    这里我分享一个某大型器件制造厂的案例,主角就是公司信息部经理老K。

    企业状况

    该公司属于大型传统制造企业,规模大且系统多,然而公司的信息化建设却十分的落后,业务绩效等信息仍然是靠人工Excel统计,偌大的企业集团除了最基本的数据库,其他的信息化进程竟然几乎为零!

    随着企业的不断扩大,公司的管理模式却仍然不能更新,落后脱节,混乱不堪,甚至出现公司内部员工谎报工时,做假账的情况,造成企业效益不断缩水,一时间公司管理陷入了摇摇欲坠的绝境!

    管理模式的落后让老K意识到,公司必须通过技术改良更新管理方式,用数据化手段管理业务,才能挽救企业现状。在综合考量之下,老K选择了BI商业智能工具FineBI(www.finebi.com进行数据整合和优化管理,通过数据分析实现公司的信息化革新。

    FineBI项目快速上马之后,效果十分显著,老K不仅利用这个BI工具完成了企业的数据改革、生产工具改革和生产力改革,还盘活了企业的业务管理,为企业创收降本。

    改革一:数据改革

    • 改革前

    该公司业务系统繁多,总体上是ERP、OA和生产机房的机台三个系统生产数据,系统之间联系紧密,但是系统表之间数据孤岛问题严重,信息独立,积攒了大量数据却成为了企业沉重的包袱。

    “IT想要看数据,就得从每个系统中抽数据,要命的是各个数据源都是不同的,想要进行数据关联更是繁琐困难,时间一长就搁置了;对于企业领导就更不用说了,没有一个可视化的结果,决策效率很低。”这种落后的数据管理模式让老K深受其累。

    • BI数据关联

    引进了FineBI之后,老K轻松连接了三个系统生产数据库,实现不同数据库数据的统一整合:凭借FineBI强大的数据连接和关联功能,老K将各个系统的数据关联了起来,就连数据口径都统一了起来。

    因为FineBI支持多数据库和Excel关联分析,因此老K的数据改革十分顺利和迅速,这种BI工具自带数据处理功能,比Excel更灵活自由。

    数据分析究竟有没有价值?看完这个案例你就明白了

    FineBI数据整合

    数据分析究竟有没有价值?看完这个案例你就明白了

    FineBI数据关联

    • 改革后

    改革之后,数据都整合到了FineBI一个平台之上,业务人员想要数据,只需要从机台上抓取实时数据,转化到数据库中,然后在数据库中进行数据提取和分析就可以了,再也不需要IT与业务反复交换了。

    同时,统一一个平台让数据关系前所未有的清晰,就算是不同系统中的数据,大家也都可以随时查询,也不会因为数据源不同而反复纠结了,提高效率50%以上。

    改革二:生产工具改革

    • 改革前

    厂房过去一直都是根据生产线的材料消耗情况,进行相应的补给,但是每次月底老K都会发现,每个月的补给量大大超过了消耗量,多出的补给量不知道去了哪里,老K怀疑有坏账假账却苦于无法验证。

    • BI数据切片分析

    凭借FineBI的OLAP多维切片分析功能,老K将生产数据进行了切片处理,果然发现相同时间段和相同效率的的人员,生产材料损耗率果然差异巨大,通过联动分析老K进一步发现材损上报对不上,因此验证了老K怀疑有人浪费或者做假账的想法。

    除此之外,FineBI还可以对数据进行放大、钻取、维度切换、过滤、联动分析、复用等等,可以多维观察数据,探索数据之间的深层关联。

    数据分析究竟有没有价值?看完这个案例你就明白了

    FineBI联动分析

    • 改革后

    老K决定让厂商进行机器改进,要能够采集到整个生产流程中的数据,实现全线数据监控,尤其对材料耗损率进行精准化,通过监控个人损耗率,防止出现舞弊行为,大大提高了企业的精准补给。同时,厂商也通过这次机器的改进,增加了产品的竞争力,实现了双赢。

    改革后,每个月浪费的生产材料降低了80%,生产任务可以提前安排计划,提高生产效率10%。

    改革三:生产力改革

    • 改革前

    该公司员工众多,但是生产效率却提不上去,不仅生产任务难以保质保量完成,人员变动频率更是居高不下,公司尝试了各种制度改革都无法解决这个难题,造成公司生产力低下。

    • BI可视化分析

    老K发现这个问题之后,先把员工相关所有数据拖出来进行观察和公布,避免员工手工改动,并将加班时长和产值进行了相应的排名,做到了更好的信息透明和监督,借助FineBI的可视化分析功能,让业务部门自主的进行简单的数据透视分析。‌‌

    “经常超时加班到底是哪些部门?‌‌最主要加班排名最前的是哪几个人?‌‌如果某些人一直在加班,假设一个月很多个小时肯定是有问题的,‌‌身体再好也扛不住。‌‌第二个是我们将加班时间跟产值匹配起来。‌‌加班多产出很少,可能是员工的效率管理问题。”

    • 改革后

    业务部门可以对于考勤异常的员工及时进行关注,更好地人性化管理,同时员工们也可以更直观看到互相之间加班和产值的情况,更加专注在单位时间的产值增效上,企业的生产力得到了整体提高。

    数据分析究竟有没有价值?看完这个案例你就明白了

    FineBI可视化探索分析

    总结

    看完这个案例,你应该知道数据分析能否为企业带来价值了吧?他不一定是直接带来收益,也可以是降低管理成本,降低决策风险,降低手工作业重复率等等,正是因为它可以带来这么多的价值,才会最终被市场认可。

    但是,老板们不一定都认同数据分析的价值,数据生产力之路漫漫,技术以外,如何创造价值,有可能需要代码和算法以外的其他东西辅助,与大家共勉。

    展开全文
  • 导读:实验数据本身毫无价值,但精心收集的数据能成为实现最终设计目标——打造最佳用户体验的关键工具。本文介绍实验方法的基本原则,以及如何将这些原则以一种快速可拓展的方式——A/B测试——在互联网产品与体验...
    导读:实验数据本身毫无价值,但精心收集的数据能成为实现最终设计目标——打造最佳用户体验的关键工具。本文介绍实验方法的基本原则,以及如何将这些原则以一种快速可拓展的方式——A/B测试——在互联网产品与体验的设计流程中进行实践。希望你能对相关名词和概念熟稔于心,可以继续深入了解A/B测试的相关实践。

    作者:Rochelle King, Elizabeth Churchill, Caitlin Tan

    如需转载请联系大数据(ID:hzdashuju)

    无论你在何种类型的企业就职,我们都希望你将打造最佳用户体验作为最重要的目标与挑战。用户群体的差异很大,他们的经历、能力及预期都将影响并驱动他们的行为。如果仅依赖直觉,即使最优秀的设计师与产品团队也难以打造符合所有场合、所有用户的完美体验。

    通过高效的实验方法收集用户数据,将在用户行为多样性、相似性、差异性及设计对用户影响等方面获得大量洞察。实际上,实验是一种与用户对话的方法,能了解用户的想法。收集实验数据有助于落实“用户至上”的理念,并且在打造最佳体验的前提下进行设计决策。

     

    01 数据的多样性

    本文将利用一个形象的比喻帮助阐述一些概念与场景。我们发现,通常一个强有力的比喻有助于生动传达某些概念的内涵,而真实案例有时难以做到这一点。有时,相比搜集真实的案例,简单的示例更适于当下的情形。所以我们邀请你扮演夏令营的拥有者。每年,你将迎接大约200名儿童,并将与他们一起远足,开展户外活动,一同进餐。由于夏令营的规模很大且活动丰富,一些营员的反馈也许不能代表整体营员的感受。夏令营已运营了一些年头,每年都有一些老营员光顾,但这毕竟是在做生意,你希望能够持续吸引更多新成员。夏令营是一个循环往复的过程,这也解释了你为何希望采用新方式来改进夏令营的体验,进而提升你的业务。

    提起数据,我们只单纯指那些可被收集、衡量或分析的碎片信息或信息集合。我们的目的不在于讨论数据本身,而是使你认识到数据对了解用户的价值。比如老营员不喜欢过多食用绿色蔬菜,对制定夏令营运营计划的你而言,这是否算是一则有用的信息?

    常听有人争执于一些数据比另一些更具价值。但我们认为,与其说存在所谓的最佳数据,不如说能最大化帮助你获得所需信息的数据即为最佳。

    为此,我们将介绍一些(而非全部)数据的不同维度,而不再一一深入赘述各类数据或其收集方法。

     

    02 数据的不同维度

    数据与设计的讨论中假如不涉及数据维度的讨论,便是不完整的。介绍这些是要向你说明,具有不同优缺点的数据类型适合于不同的业务场景及目的。

    因此,你需要判断哪些数据可用,哪些不可,以及这些数据类型是否适用于待解决的问题。这一系列需要思考的问题总结一下便是:为什么收集,何时收集,如何收集,收集量是多少。这些问题有助于你理清所要收集的数据维度与类型。

    1. 为何收集数据?

    首先,你要想清楚为何收集数据。换句话说,你希望从数据中获得哪些信息?

    也许你十分想了解用户的行为习惯。简单来说,行为就是用户做了什么,或采取了哪些行动。比如,假设你刚刚在应用程序中推出了一个新功能,你想了解用户能否找到这个功能,以及会在什么情况下使用它,那么你需要考虑用户行为数据的收集。

    通常,这非常便于衡量与检测行为。实际上,人类行为的用户研究员常说,相比一个人说了什么,你应当相信他的行为。然而,仅仅观察行为并不能告诉你用户行为背后的原因,或是他们的感受。

    可能你也想要了解用户的态度与期望。比如,假如你对行为好奇,便会思考用户是否会点击按钮。相反,假如你在衡量用户态度,你可能会思考,用户点击按钮前对点击结果的期望是什么。你可能想要了解什么结果符合或违背了用户的期望。

    最后,你可能想要了解用户的感受。这类数据反映了用户的情感状态,是一种“效应”数据。你可能会思考,用户是否信任你的企业或品牌?是否对新的注册流程感到不安或满意?

    与行为数据相比,观点态度与情感数据的收集更难摆脱主观因素而不失偏颇。一个常见的问题是,用户通常希望提供“正确回答”,因而,他们会告诉你所希望听到的答案,并非自己的真实想法。这称作社会期许反应偏差或默许偏差,许多技术手段可以有效避免这种情况。

    虽然存在种种难题,但观点态度与情感类数据对于打造良好的用户体验非常关键。即使每个用户都会点击新按钮,但假如点击后的结果与他们的期望不符,用户便会感到失望,也会失去对产品和品牌的信任。

    2. 何时收集数据?

    除了考虑数据内容,也要考虑何时收集它们。拆分成两种便是:纵向数据与快照。

    首先,数据收集的时间间隔是多少?纵向数据来自同一名用户一段时期内的数据(周期可能是几天、几个月甚至几年),使你能够了解在这段时间内用户的改变、调整适应与学习进步。你能够了解以往的经历如何影响着未来的经历,这为你的数据分析提供了背景信息。然而,你的分析必须等到周期结束,同时数据收集也必然将花费更久的时间。

    假如将纵向数据比作一段视频,那么快照便是一张图像。相比了解用户的行为变化,也许你只想了解用户使用产品的其中一种情况。这种数据能够被更快地收集(你可以一次性观察上百名实验参与者,而你将需要花费两年时间观察并研究一名用户的行为),但会缺失一些信息,诸如用户先前行为对后续行为的影响,以及一段时间内用户的行为变化。

    另外,需要考虑数据收集的环境,是真实场景中还是孤立场景。想象一下,在通勤时间,用户在拥堵的地铁上试用令人着迷的手机游戏,与他们在办公室——一个安静私密的空间——使用这款游戏之间的差异。在孤立的环境中收集数据有助于控制那些可能影响或改变用户使用行为的因素。

    你很明白,若干用户同时测试,环境将不会对他们的体验产生任何影响。但是,用户完全不可能在安静而隔离的温室中使用产品。上下文数据可以反映设计在“原始环境”——一个嘈杂混乱、充满挑战与干扰的真实世界——中的真实情况。

    3. 如何收集数据?

    根据问题的不同类型,数据可被分为定性数据与定量数据。定性数据用以阐述诸如“为什么”或“为什么如此”的问题。这类信息能够被观察或捕捉,但不能以量作为衡量标准。在设计过程中,定性数据有助于建立起用户同理心,了解用户的想法态度、观念、价值观和需求。

    相比而言,定量数据通过数量来阐述观察结果。定量数据适用于回答“多大量”或“多少量”的问题。可在设计流程中使用定量数据来衡量一些固定指标,如日活跃用户(DAU)或用户留存率(在所定义的两个时间段内继续使用产品或服务的用户占例,比如,横跨两种业务时)。

    另外,可以通过自述报告或观察收集数据。自述报告的数据包含询问用户的问题及用户的一些回答。相比询问用户,观察用户行动或行为能够获取观察数据。如前面所述,自述报告的数据也许不太客观,因为用户可能会给出我们希望了解的内容,而非他们真实的想法或行为。但有些类型的数据(比如观点态度或情感数据)难以通过观察获取。

    最后,根据想要获得的信息深度或事先想要了解的信息量,可以选择收集封闭式数据开放式数据。在访谈等场景中收集封闭式数据时,人们进行提问或观察。当发现一些有趣或令人困惑的信息时,进一步询问用户行动的原因。

    相比之下,在调研等开放式方法中,假如数据比较特别或不清晰,则难以继续深入了解行为原因或意图。封闭式数据要求观察者跟踪观察或进行访谈,了解信息并通过询问澄清疑惑。

    相比之下,开放式调研需要更多的前期投入(设计调研问题必须谨慎而专业,避免系统偏差或干扰用户,因为这些难以澄清),但由于无须安排人员跟踪每个阶段的调研,这种方式使大规模数据收集变得容易。

    此外,开放式调研确保了每位调研对象获得近乎相同的调研体验,不会受到行为细微差异的影响(比如,不同的调研者会采用不同的措辞或略有差异的语序进行发问)。

    4. 收集多少数据?

    最后还剩一个问题,收集多少数据才足够。实际上,这是一个相当难给出答案的问题,本文将简要提及一些。这个答案很大部分依赖于根据所要收集的数据类型与最终目标所做出的决策。

    想象一下,你工作的桌子旁有一块地毯。一天,你看到某人因地毯的一块隆起而绊了一下。你会一直等到10个、100个甚至更多人都绊倒在同一处时,才会考虑抚平这块地毯吗?当然不会。

    这与如何看待软件缺陷问题的情况一样——当你发现了一些软件/硬件配置问题,虽然不确定多少人面临同样的问题,但你会修复这个问题。这个原则同样适用于设计的可用性问题。包含少数参与者的研究(通常叫作“小样本研究”)可以完美说明此类问题,你无须量化问题人数来确认问题是否是由设计引起的。

    比如,图2-1指出,由5个被测试者即可确定85%以上的可用性问题。假如调研更少的用户,你同样可以在相同时间内获得更丰富、更深入的数据信息。

    然而,在某些类型的小样本研究中,你无法保证研究发现适用于总体中的每一个个体。同样,你也无法采用更高精度的方法量化到底多少用户将遇到相同的问题,或产生相似的感受。这意味着,小样本研究不适用于某些决策,比如,确定某个问题的产生概率。

    ▲图 2-1:随着更多用户的参与,从每个后续用户中获取的信息量在逐渐递减。绝大多数人(包括NNG,本图表的发明者)都赞同,可用性测试只需5名用户参与,便可使你不费吹之力注1发现85%以上的可用性问题

    相比而言,从大量参与者收集的数据(通常被称作“大样本研究”)可以提供更加精确的量化及频率信息:多少人存在相同的感受,以及执行某种操作的用户占比是多少等。理想的环境中资源是无限的,你可能认为尽量多地收集数据总是最好的选择,这确保你掌握全部信息。

    然而,你可能没有时间以这种方式进行研究。通常,样本量越大,得到的结果越能够代表整体情况(只要样本具有代表性)。一些统计学方法可以用来确定进行数据收集的用户量,以保证结果达到一定的可信度。

    我们不再深入讨论更多细节问题,假如你想了解更多,建议与你的数据分析师或数据科学家进行沟通,探讨关于样本大小和统计规模之间的关系。

     

    03 为什么实验

    刚刚讲了数据的多种维度。实际上,精确细腻地处理各类数据需要耗费数年时间。相比肤浅地研究处理多类型数据,我们决定专注于一种类型的数据收集:通过A/B测试开展实验。

    那么为何如此在意实验,且不断提及?简要来说,实验帮助我们通过证据了解事情的因果关系,而非传闻逸事,这可能具有统计学意义。因此,当在真实环境中发布设计、功能或是产品时,我们能够得到一些预见性的观点。这么说可能有点夸张,下面将进行详细说明。

    1. 了解因果关系

    先从实验的一个明显重要的优势谈起。有句古老谚语:“相关不蕴含因果联系”。这是说两件或多件事物相关联,意味着它们之间存在着某些共同相互的关系或联系,这并不意味着一件事情的变化会引起另一件(些)事情发生改变。实际上,我们善于将生活中发生的各种事情与影响关联起来。

    在夏令营的例子中,假设我们试图了解使用哪种营销方式可招揽更多营员。对此,我们也许得出一个结论,刊登了夏令营广告的杂志的热卖会促进营员增长(见图2-2)。

    杂志销量的提升一定会引起注册人数的增多,该假设的问题在于,在不可控的环境中,我们不是上帝,无法完美预见所有的因素,而某些因素或许会引起其他结果。我们无法排除这些因素,无法断定预见了事情的前后因果。

    ▲图2-2:假如刊登了夏令营广告的杂志热卖,营员增多,也许可以认为营销活动促进了人数扩张

    实际上,这个例子中,杂志的销量增多可能确实引起了注册人数的增长,但其他原因也是存在的。增加一个变量便可清楚地解释这一点。比如,把经济的发展情况考虑在内?

    实际上,也许是经济整体的健康发展引起了杂志销量的提高和夏令营人数的增长。经济的发展使得家庭可自由支配的收入增多,因而在杂志和夏令营方面花销增长(见图2-3)。

    ▲图2-3:然而,也可能是经济的健康发展引起了杂志销量的提高和注册人数的增长。哪种假设才是正确的?不实验,我们便不了解真相

    A/B测试和实验的优势在于,它们提供了可控的环境,有助于了解事情发生的前因后果。换句话说,实验帮助我们确立因果关系。这对设计师很重要,了解了行为的潜在原因,便能预知产品或设计的改变会产生哪些影响。

    同样,也有助于明确地了解,怎样的设计决策会引起用户行为的变化。再则,避免过于倾向于可支持我们观点的数据与行为模式(心理学上称作“确认偏差”),降低将时间和企业资源投入到未被证明的假设上的风险。

    2. 采用统计方法,而非道听途说

    作为一种方法论,因果关系对于实验而言非常独特,是A/B测试令人期待一个重要原因,但我们依然想谈论有关实验的一些其他优势。

    一般来说,无论采取哪种数据收集方法,都旨在找到有意义并值得信赖的可引导设计及产品决策的依据。

    当团队中的某成员基于朋友、熟人或业务利益相关人的个人想法而建议一种全新的产品方向或设计调整时,你应当保持谨慎。大多数情况下,这些都是个人观点而非真实依据。希望你对所了解的传闻逸事的局限性有更多的思考(不仅具有偏见的风险),提出问题来帮助了解更多信息。

    这就是说,定义“有意义”的方法有许多。严谨的定性研究方法论无疑是有意义的依据来源,也是制定良好产品决策的关键。确保所得数据有意义的方法之一是制定良好的研究计划。

    比如,提出不包含偏见、不被偏见诱导或引导、经过深思熟虑的问题。再比如,用户研究员接受过良好的专业培训,是开展此类工作的专家。

    识别数据可能存在意义的另一种方式是运用统计学方法。这些方法仅适用于定量测量,但因为实验与A/B测试也是定量方法,它们可基于统计显著性进行度量。

    统计显著性能够量化数据所反映的现象是一种真实存在而非随机现象。根据所收集的数据类型,可选择不同的统计显著性度量标准,比如P值。P值用于度量某既定事件在既定情况下发生的概率。因而,P值有助于量化实验中随机差异产生的概率。

    这里将不再详述P值的计算方法,但假如你希望了解更多,建议你与数据科学家或分析师朋友进行沟通。此处这些有限的统计学知识,来自一个被称作“频率论”的统计学流派,通常用于在线实验。

    统计学方法可以帮助确定可能有意义的数据,而非一定有意义的数据。为了确定这部分,我们同 Arianna McClain进行了交谈。Arianna现在担任DoorDash公司用户洞察部门的主管,最近担任全球设计公司IDEO的设计研究员及设计与数据专家。Arianna在两个领域的交叉方面,以及如何使设计师无须接受过多培训便可使用数据方面有很棒的见解。

    当考虑统计显著性,以及它与某事物是否有意义的关系时,Arianna谈道:

    统计显著性不会表明事情是“对的”或是“错的”,也不会决定应当采取什么行动。反而,它仅仅是简单的建议,有些事值得继续。当我注意到,某种相关或模型并不接近统计显著性时,我便认为这是一个可快速跳过并继续的提示。但是,假如接近统计显著性,这便是说:“喂,你应该关注这部分。” 这促使我进行更多深入的研究,提出更多问题。以临床随机药物实验为例,一家制药企业不会因为数据表明药物达到了统计显著性的预期效果便决定批准该药物进入临床使用。他们同时要考虑药物的临床效果影响、副作用以及成本。许多医学案例表明,有些药物具有统计上的显著效果,但没有意义。例如,减肥实验可能表明,与P<0.0001的生活方式干预相比,某新药的减重效果更明显。但是,患者服用后可能出现强烈的副作用,并只能减重一磅或两磅以上,这就使药物不具备临床意义,也不值得患者服用。

    P值小不代表没有意义,相反,如Arianna所述,这表示你应当关注这个结果,思考在这种情况下如何收集数据,这个改变将如何影响业务,其他数据来源可以提供什么信息。

    不要只考虑显著性而不考虑其意义。也就是说,在精心设计的前提下,实验能够反映真实而非随机的情况,这是在决策时应当关注与思考的。

    3. 了解真实情况

    A/B测试非常善于鉴别统计显著性结果,识别真实存在而非偶然发生的现象。除了因付出有所回报感到激动欣喜之外,统计显著性还有哪些价值?

    当团队计划推出一款产品及设计时,他们希望对用户行为做出明智判断。以电商网站为例,用户是否会点击按钮,成功沿着新步骤完成付款流程?少量用户研究的局限性主要在于,目标难以代表用户整体。但你可以采用其他方式获得洞察,了解用户可能遇到的问题或特殊群体的诉求。

    回顾之前提到的数据维度。精心设计并实施的实验能提供有意义的洞察,指明有关功能或产品的真实表现,以此消除局限性的问题。A/B测试是一种基于观察的行为研究方法,收集大量用户上下文的数据信息。

    这就是说,只要精心设计A/B测试的实验,我们便能确信,测试结果可以真实一致地体现产品发布后的结果。借助A/B测试,团队便能够“窥探未来”,了解产品的预期表现,衡量与量化设计变动产生的影响。

    通过数据感知的方式预估未来的能力非常重要。基于此,进行再设计、再思考时,企业能够节约时间与资源,用以投资表现优异的项目,舍弃表现不佳或不符合预期用户行为的想法。

    除去商业上的优势,A/B测试帮助设计师基于用户体验或公司的底线量化付出的努力的价值。这非常重要,因为这有助于设计师清晰地向利益相关人及业务人员阐述投资与重视优秀设计的重要性。

    了解并运用数据感知的方法(比如A/B测试),有助于设计师提出令人信服的依据,并证实投资优秀设计对于商业成功的关键性是可以被量化评估的,而非仅仅是哲学意义上的。

    关于作者:Rochelle King,Spotify产品设计创意全球副总裁,擅于融合运用设计与数据,并且曾担任一些技术企业的负责人。Elizabeth Churchill博士,人机交互(HCI)领域专家,曾在许多硅谷企业中主导以用户为核心的研究,近专注于设计和开发者工具方面的研究。Caitlin Tan,Spotify的用户研究员,毕业于麻省理工学院。

    本文摘编自《数据驱动设计:A/B测试提升用户体验》,经出版方授权发布。

    推荐语:谷歌用户体验总监、Spotify设计与用户体验全球副总裁联袂撰写,设计从业人员有效提升用户体验必备参考。

    展开全文
  • 互联网最有价值行业分析

    千次阅读 2017-09-28 10:00:32
    互联网最有价值的不是自己在产生很多新东西,而是对已有行业的潜力再次挖掘,用互联网的思维去重新提升传统行业。那么从这个角度去观察,互联网影响传统行业的特点有三点:  第一,打破信息的不对称性格局,竭尽所...
  • 有哪些网站用爬虫爬取能得到很有价值的数据?

    万次阅读 多人点赞 2019-05-05 17:47:07
    1、微信好友的爬虫,了解一下你的好友全国分布,男女比例,听起来似乎是一个不错的想法,当然你还可以识别一下你的好友多少人是用自己照片作为头像的,详细的内容可以点击这里:Python对微信好友进行简单统计分析 ...
  • MYSQL中判断字符串是否为纯数字

    千次阅读 2021-01-18 22:01:53
    但是字段里面的字段值是纯数字的记录找出来做统计使用,开始觉得不能够实现,后面网上查了一下,最后按照产品的要求做出来了,但是实现的过程中出现一些小坑,并且发现网上的说法中的是错误的,做一个纠正。...
  • 这篇文章主要介绍了Java判断用户名和密码过程详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的...下面使用自定义异常类来完成对用户登录信息的验证功能,实现步骤如下。...
  • 根据观点词的褒贬特性改进词汇语义相似度计算方法以适用于评论词汇的倾向性判断,并且考虑词汇与多个基准词相似度较小时弱化个别有价值的较大相似度,从而提高倾向性判断的准确率。实验结果表明,改进后的方法在计算...
  • 【学习笔记】区块链应用判断准则

    万次阅读 2021-12-08 21:17:49
    其实区块链更多运用场景,比如医疗领域、物联网、公共服务和教育领域等,以下就通过《区块链技术及应用(第二版)》一书来学习一下如何判断应用是否适合区块链。 区块链提供了一种在不可信环境中进行信息价值...
  • 很多创业者说,要建立怎样一个平台,要打破信息不对称,大部分时候,我都会泼冷水,我以前说过,互联网两大幻觉,其中一条就是可以打破信息不对称。为什么信息不对称是抹不平的?因...
  • 现在互联网都得到用户,那用户到底没有价值需要评估。 通过各种指标来给用户综合打分,每个用户最后会得到一个分值,分值越高,说明用户的价值越高。这是一个总的目标,一个用户可以创造的价值由两部分决定:...
  • 各行各业的企业都在寻找新的突破口进行转型升级,“数据化、信息化、数字化、智能化”愈来愈频繁地出现在大众视野中,关于它们概念和解说也是层出不穷、百花齐放,到底它们之间什么区别呢? Runwise整理了一些关于...
  • 许多人喜欢观看动态视频来获取信息。对于广大网友来说,短视频是一种娱乐方式,在其中可以获得快乐和知识,也可以分享自己有趣的生活故事。对于企业和品牌商来说,短视频是一种新型的营销方式。因此,短视频营销逐渐...
  • 销售管理——怎样判断商机

    千次阅读 2020-07-16 10:53:01
    对于TO B业务来说,商机的跟进是成本的,尤其是大项目,要做方案,要出原型,还要demo演示等等,售前成本是很高的。因此如何判断商机,合理利用售前资源,有效跟进客户,应该作为一家公司销售管理能力的重要考核...
  • 1.要有信息意识; 2.能有效地利用信息源; 3.能对信息进行批判性的思考; 4.能将有用信息融合成个人的知识体系; 5.能主动鉴别各类信息,并能评价、分析、开发和传播所获取的信息 3.2 数字素养概念 人类社会...
  • 在SAP物料主数据相关的报表开发需求中,经常可能需要先判断物料主数据哪些视图是否有维护,下面介绍下具体判断逻辑供参考 1. 物料主数据各视图是否有维护都记录在表 MARA 的字段 VPSTA 和 PSTAT 中。通过分析这两...
  • 信息安全简答题

    万次阅读 2020-12-28 11:57:49
    一、区块链技术在网络与信息安全领域的应用 1.1区块链概念 在2008年由署名为中本聪的作者在《比特币:一种点对点的电子现金系统》一文提出,指的是一种在对等网络环境下,通过透明和可信规则,构建防伪造、防篡改...
  • 如何判断一家软件公司是否靠谱

    千次阅读 多人点赞 2017-08-01 07:00:00
    团队规模也是很有价值信息,结合公司成立时间、公司行业、业务信息,就可以从团队规模大概推算出公司的发展状况。 假如一家处在政务信息化领域的公司,成立了十年,公司不足 10 个人,基本可以断定这家公司社会...
  • 信息论:熵与互信息

    万次阅读 多人点赞 2016-11-25 21:18:43
    这篇文章主要讲:熵, 联合熵(joint entropy),条件熵(conditional entropy),相对熵(relative entropy,KL 距离),互信息(mutual information),交叉熵(cross entropy),困惑度(perplexity)。 ...
  • 信息论基础(学习笔记整理)

    万次阅读 多人点赞 2019-06-08 13:24:12
    整理信息论基础的知识点。
  • 如何挖掘矿中真正有价值的钻石,来释放数据真正的价值?从业务角度来看,数据的整体重要性毋庸置疑,但是对于业务人员来说,他们要的是真正称之为钻石的部分。 作为数据分析人员,在拿到海量数据的时候,挖掘数据中...
  • ansible判断变量为空 几个月前,我阅读了Marco Bravo的文章如何使用Ansible在Opensource.com 上记录过程 。 我会承认,当时我还不太了解。 我没有积极地使用Ansible ,我还记得我认为它看起来比它值得的工作还要多。...
  • 标签体系,这么做才实用价值

    千次阅读 2022-01-25 13:34:20
    因为它和所有工作都关系,经营分析、投放分析、用户画像、推荐策略、商品运营……都得靠标签带动。 标签体系做得好,后续分析才足够多素材,才能积累经验。标签体系做得差,白费功夫不说,后边做深入分析的时候...
  • 信息检索习题

    千次阅读 2021-06-30 16:49:44
    判断一本国内期刊是否合法的一个简单方式是,查看该期刊的哪个信息?(CN) 15.按信息的出版类型分:学位论文,属于以下哪种信息源?(特殊文献) 16.Spischolar平台主要是搜索,哪种类型的参考文献?(电子学术论文...
  • 自动化、信息化、数字化、智能化
  • 渗透测试之信息收集

    千次阅读 2022-02-23 16:40:42
    信息收集

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 169,168
精华内容 67,667
关键字:

如何判断信息是否有价值