了解直方图在分析中的影响，以获得超出平均水平的洞察。直方图可揭示客户行为、访客参与度、技术性能和表单错误中的数据模式，从而在 Adobe Workspace 中实现更深入的洞察和明智的决策。

直入正题。您应该使用直方图。我来解释原因，不过我想先回答您的第一个问题：究竟什么是直方图？我明白。大多数时候，当您看到许多底边平齐的竖条时，往往会认为这就是条形图。没错，直方图确实看起来相似，但我向您保证，它们是不同的。条形图用于事物的比较，而直方图则用于展示一个变量出现的频率。来看一下。这是一个条形图：

我们有六个模型，并且可以比较每个模型的收益。我们发现约翰内斯堡模型收益最多，而柏林模型收益最少。

现在，来看一个直方图：

在 x 轴底部，显示了每个客户购买的件数。第一个竖条代表客户购买一件的频率，第二个竖条显示有多少客户购买两件，以此类推，最后是购买十件或更多的客户。

那么，这有什么用呢？我们发现大多数人只购买一件。数量一直下降，直到五件这里。然后再次下降到十件。这表明客户喜欢购买 5 的倍数，也许我们应该提供特殊的定价或包装来利用这一点。当然，还有许多其他用途。

了解访客参与度

如果您的网站或应用程序依赖于重复流量，则需要了解有多少访客会再次访问以及他们回访的频率。您可以使用的一种最简单的直方图是找出有多少访客回访了不止一次。随着时间的推移跟踪该直方图时，可以看到您的进度，希望右侧的条会变得更高，左侧则更低。

也许您想让用户留在网站上阅读文章。通过显示有多少访客阅读不同数量文章的直方图，您可以深入了解参与度水平。为什么这很有帮助？假设您发现大多数访客阅读一篇文章后就离开，但有些参与度高的访客阅读了三篇文章才离开。这是很棒的信息！现在，您知道应该对阅读的第一篇和第三篇文章的页面进行个性化，目标是让访客再阅读一篇文章。

了解客户行为

负责医院系统病历的产品负责人问过我一些数据。要获取医疗记录，有 6 个区域可供选择。她想知道有多少人点击了不止一个区域。我创建了一个直方图来分别显示点击 1、2、3、4、5、6 个选项的访客人数。这可能有点多，不过有超过一半的访客点击了至少两个选项，有 3.2% 的访客点击了全部六个选项。当看到这个直方图之后，她迅速采取行动，重新安排了路线图并将选项缩减为两个。这大大简化了患者的体验。

了解技术性能

如果设置一个直方图，显示有多少访客遇到过技术错误，则可以大致了解网站在技术层面的表现。如果有许多访客遇到大量技术错误，则表示需要优先安排这些技术修复。

了解表单效果

表单上的错误消息是另一回事。这些是访客错误，而不是您的错误。但是，若通过直方图来显示有多少访客遇到了多少错误，您也可以从中受益。如果您看到一个直方图显示遇到许多错误的访客人数很多，则可能并不是他们的问题。这往往表明表单中的字段命名有问题、说明不清楚，或者可能是设计原因导致必填字段无法显示。

为什么不用计算量度？

您可能会问，这与使用计算量度有何不同？嘿，我非常喜欢好的计算量度。我认为它们绝对是了解网站表现的重要工具。然而，对于我列出的许多使用案例，问题都在于平均值可以显示问题的大小，但无法明晰问题的范围。让我们看一下直方图如何为上述一些用例提供额外信息：

• 访客参与度 - 如果平均阅读的文章数为 1.2，则显然需要个性化第一篇文章。您会忽视还有另一大群人在阅读第三篇文章后离开，而这一点在直方图中是显而易见的。

• 技术错误 - 如果您看到每个访客平均遇到 8.7 个错误，则表明确实存在问题。直方图可以显示 97% 的访客遇到一个错误或较少错误，但在少量异常值的影响下，平均值被拉高。此时您可能会判断，不值得花大量时间针对极少数的离群值改善体验。

• 表单错误 - 如果每个访客平均有 3.6 条表单错误消息，则表明存在问题。您可能会遇到与技术错误一样的离群值问题，但是根据直方图中特定错误数量处显示的峰值，也能获得一些洞察。一个错误处出现巨大的峰值？要么是所有这些访客都遇到的一个常见问题，要么是每个人都遇到了一次不同的错误。三次错误处有一个巨大的峰值？嗯，这很有趣。如果这促使您进行调查，并发现是相同的三个错误，则您已经聚焦在能让您了解访客的数据上，并有助于解决一组可能相互关联的问题。

如您所见，直方图不仅有自己的用途，而且还能加深您从平均值中获得的洞察。它们是 Adobe Analytics 中现成的可视化形式，并且易于创建。希望这些用例对您有所帮助或能激发一些灵感。祝您享受可视化！