UX Segment (中) 實踐數據分群 Persona
在 UX Segment 上篇中，小弟 Sojier 我分享了這種新時代方法的效果與解決了什麼問題，而在這篇文章中，小弟我將講述這方法的實際操作，分別會有三個階段：抓取 Persona 差異處、切分數據 Segement、比對分析挖掘洞見，在看完文章後，相信你會能感受到質量兼具的強大洞察效果！
進入正文的前情提要
要能理解 UX Segment 的實際操作，小弟建議你先有讀過上一篇 UX Segment 並瞭解其效果為何：
那如果你不知道為什麼要這樣子複雜的分析，小弟我會建議你瞭解一下數據與 UX 整合分析時會遇到什麼問題：
好的，那麼，讓我們開始吧
第一步，抓取 Persona 關鍵差異特徵
這一步是為了要能夠以個別 Persona 的特徵來切割數據庫，好的數據分堆能讓我們有效進行分析！
暸解了抓取關鍵差異特徵的目的後，我們可以進一步看看數據分堆的邏輯：
在一個複雜產品的每個 Persona 間，必然會有多個 Persona 都有的特徵與只有特定 Persona 會有的特徵，我們可以透過個別 Persona 獨有特徵回推求出屬於他們的那堆數據。
值得注意的是！訂定 Persona 的方法大多使用行為特徵面而非商業面特徵，建議使用 Persona 的行為特徵進行數據分堆！
僅使用商業面特徵分析數據，相信這是許多不熟悉 UX 的數據分析師和成長駭客會遭遇的分析瓶頸，如果不以 User Center 的角度切分 Segment，其實只是在 Marketing Segment 打轉而已。
那麼，到底要怎麼抓取關鍵差異特徵呢？方法其實與小弟前幾篇文章一致，我們可以使用設計團隊訂出的 Persona 行為流程輔助，從中找到每個 Persona 的關鍵特徵：
如果還不懂怎麼抓取特徵，建議可以參考小弟稍早文章的抓取特徵案例：
第二步，切分數據 Segment
有了切分 Segment 的材料(=Persona 關鍵差異特徵)，小弟 Sojier 我將透過Google Analytic 示範怎麼切分數據
首先，我們使用 Google Analytic 的「 +Add Segment 」功能(中文名為「新增區隔」)，我們會看到下圖的這些畫面：
接著，在該新增 Segment 的條件中，輸入我們找出的 Persona 關鍵差異特徵，並將數據切分成數堆：
大家可以看到上圖，一份數據就被切成了三種顏色代表的三堆囉，完成了數據分堆後，我們開始針對每一個 Segment 進行分析吧！
第三步，比對分析、挖掘洞見
相信沒有相關經驗的朋友們會難以想像如何進行分，所以小弟我將回到分析最本質的作法「比對」來做論述，我們可以怎麼比對呢？
當數據的呈現與我們的設計假設、調研資料不符時，這就是挖掘洞見的好時機了！或許是產品的設計有問題、或許是我們對使用者有錯誤的假設！
UX Segment 為何能分析得比 Marketing Segment 深入？
在近年切分 Segment 的文章中，多數都已 AARRR 指標來進行切分，這樣確實能夠幫助產品在大方向正確前進，但當產品遇到高度競爭、需要不斷在細節優化體驗時，AARRR 指標切出的 Segment 難以幫助我們深入瞭解使用者！
不同於 AARRR 切分出的 Marketing Segment，UX Segment 是以使用者為中心的數據分析方式，Marketing Segment 常在分析完流量的狀況後就結束了，而以 Persona 特徵切分的 UX Segment 是可以與質性調研進行高度比對的，是一種從質性資料出發進入量化驗證後能再度回推質性行為的概念。
UX Segment 實踐篇總論
在本篇文章中，小弟 Sojier 我提到了從抓取關鍵差異行為、切分數據 Segment 到最後的挖掘洞見。
UX Segment的概念也可以理解成，我們始質性調研的「厚數據」出發分堆量化的「大數據」，接著再由「大數據」的結果回頭修正、補充我們的質性「厚數據」
這種以往 UX 教科書不會提到的整合數據深入挖掘的分析方法，相信能讓你感受到質量兼具的強大洞察效果！在產品開發上做出更好的決策！
＿＿
UX Segment 這個方法，是小弟上網 Google 都幾乎找不到文章的技術，連 UX Segment 也是我暫時冠上去的名字，如果對你有幫助的話，歡迎訂閱我的文章或分享給朋友喔，接下來還會有下篇文章探討更多的案例！敬請期待，也請關注小弟整個 Data x UX系列的文章
＿＿
最後，小弟 Sojier 我想做一個小調查，
如果你沒看我這邊的說明，你可能會給我1個掌聲 XD
如果你覺得這篇文章不錯，但講的你一點都看不懂，請給我 2個掌聲
如果你覺得這篇文章不錯，但看得霧傻傻需要看下一篇，請給我3~5個掌聲
如果你因為這篇文章有了許多新的啟發與靈感，請給我 10 個或更多的掌聲
你的掌聲，將成為 Sojier 我繼續分享的動力 ！感謝:-)
