总有点写东西的必要了。有一年左右没有写博客了，总是给自己找借口，忙呀，最近刚刚休了一段长假，总算有时间和心情来写博客了。
以前一直在做交互还是用研上纠结，现在不用了，专心做用研了。
以前一直在用研的方向上纠结，现在不用了，专心做数据分析和数据挖掘了，尤其是在用户行为分析上。
现在微博流行，但是还是觉得需要些博客沉淀一些东西。
互联网的用户行为分析需要懂产品设计、商业逻辑、用户和技术。
基于竞争和保密的原因，最有价值的数据和方法，不要太指望在公开的分享里看到，能够分享的很多是经过包装的，或者是空洞的方法叙述，或者是零星的碎片要靠你自己拼图组合。
人们对于数据分析的结果往往最关心而且非常急功近利，但是很少有人为分析数据的过程提供支持和便利。留给数据分析的资源，通常都是让位于产品设计和开发资源。
经常发现有人提到数据的重要，但是真正懂得运用数据的人太少了。很多人以为互联网数据分析就是分析那些PV，UV或者是一些访问来源的报表。其实不然，这些数据有点像经过高度加工的点心，虽然卖相和口感好，但是没什么营养。而且很多问题你都不能从中找到答案。真正的金矿是日志数据，或者是经过整理的cookie或者session数据。简单来说就是用户这一步干了什么，下一步干了什么。
不要迷信线上A/B 测试(或者是小流量测试)的结果。 我总是听到一些产品经理跟我说，你们做用户访谈或者可用性测试的用户量太少了，而且在实验室里也不是用户真实的使用环境，用户的行为或者态度肯能有偏差，还是线上 A/B 测试更好，样本大，又是真实的用户数据。我只能说这些产品经理对调研方法的理解有误解。其实这两类方法，各有优缺点，能结合使用最好，而不是迷信一种方法可以解决所有问题。
记得一次收到某个产品经理发的A/B测试结果通报邮件：某图片广告长度拉长200个像素后，点击率提升100+%。后来，我查看邮件附件里的数据发现了一个非常大的问题：测试中，原有广告长度的广告内容和拉长后的广告内容完全不一样；原有广告长度的广告内容覆盖面比较广有几十种而拉长后的广告内容只有4-5种，而且是女装和旅游这类的比较符合大众口味的广告。换句话说，从实验设计的角度，这里影响图片广告点击率的主要因素有广告长度和广告内容，但是如果广告内容这个变量没有得到有效的控制，怎么能说提升100%+的点击率是仅仅由于广告长度拉长了200个像素？
其实我举这个例子不是说A/B 测试这个方法有问题，而是想说明A/B 测试如果仅仅因为它的样本量大就不考虑实验设计的因素，那么实验结果产生的偏差，可能远不如经过良好实验设计的访谈和可用性测试。