【原创】如何让数据说话!网站实例分析

Tags:

【作者】陈抒

数据在很多网站都被看作是衡量一个产品或者一个设计好坏的基本指标之一。数据指标也曾经压的我很长一段时间喘不过气来。但是现在想想确实有时候数据能告诉你很多很多。它未必是衡量产品好坏的唯一标准,但是它也确实能告知你很多。

那么数据究竟能告知我们些什么呢?

  • 你的流量有效吗?
  • 如何发现漏水的窟窿?
  • 真的了解访问者?
  • 页面,构架是否合理?
  • 投放的广告有用吗?
  • 改版带来了什么?……

我们先来看看数据的简称

在之后的例子中会针对这些简称做一些分析。

  • PV (即Page View,综合页面浏览量)

比如:当我点击了一个banner,那么从点击后出现的页面开始,后面所有点击出现的页面的浏览量就是PV。

  • CLICK(页面点击量)
  • DISPLAY(单个页面浏览量)
  • UV(即Unique Visitor,独立访问者)

访问您网站的一台电脑客户端为一个访客。24小时之内,同一IP,多次访问,只算一次。

  • BUYER(购买者)

访问您网站的一台电脑客户端为一个访客。24小时之内,同一IP,多次购买,只算一次。

  • CTR(点击转化率,也就是Click/Display)
  • 广告位转化率(也就是PV/Click)

实例来了

  • Banner

1

测试目的是:tom门户网上右侧切换式样的banner,想知道文字和图片对比。

A 广告位转化率:1.9

B 广告位转化率:10.8★

该数据告知我们,在一个页面中不明显的位置的广告位,如果需要被用户看到,需要考虑页面的周围环境,比如门户网站,整个页面中更多的是文字,在这种环境中如果插入图片会非常的显眼,而反之如果在页面中到处都是图片或者广告位,如果你的文案非常吸引人,也可能会吸引到用户注意。所以设计banner往往不应该只考虑banner本身,需要考虑更多的是在页面内的展示。

 

2

测试目的是:在该banner尺寸中商品数量和大小的最优表现。

14天平均 Click/Display
4个商品 0.18516
6个商品 0.25034
8个商品 0.23041

该数据告知我们,作为banner块的商品数量并不是越多越好,它会有一个最合适的大小和数量的比配,如图所示,4个商品虽然图片大,但是由于选择相对狭小,数据表现果然比较差,但是8个商品相对同尺寸的banner来说图片会比较小,给予用户的吸引力也会受一定影响,因此6个商品就在商品数量和大小上为最优化。当然该测试也有一定的弊端,当6个或者8个商品的图片中有一个特别受用户欢迎也会影响数据的表现。因此针对该测试只能多次尝试才能看出最优的组合。
其实很多时候活动中的商品数量,或者商品详情页的推荐数量,一定都有一个最优的比例,如何找出那个比例,如何能让页面看完有种意犹未尽的感觉,这个就需要很多数据的不断测试和调整。

4

测试目的是:banner改版过程中各个类别的表现对比。

版本 CTR
A 5.9%
B 4.9%
C 6.6%

该测试是基于同一个页面的三次改版过程中,Big banner数据表现来实现的。因此它不是通过同个时间条件和同个商品条件来测试的,我们拿了很多个数据来比对,尽量避免了不同商品造成的banner数据的误差。

在改版过程中,首先我们上线了A版本,当A版本改版至B版本的时候,banner的尺寸相对阔大,而其中商品图片内容也增加,因此我们认定上线后的表现一定会优于A版本,结果发现完全不是这样,B版本反而比原来A的转化率下降了不少,一开始我们以为是否因为新版本上线导致老用户不习惯于新设计造成一些操作中的困扰,但是发现过了1个月数据仍然无很大起色。于是我们上线了C版本,索性加大了单个banner的尺寸来查看数据表现,果然这次数据不仅优于B也优于A表现。

其中的原因我们细细分析,觉得可能是由于,B版本给到用户的选择增大,对于整体的banner让用户无从选择入手,对于广告类的banner来说可能大型单一的广告会更优。

现在有更多网站已经将此类banner位做成了电视墙。很好避免了多个分散的banner导致用户没法聚焦而放弃点击查看。

 

  • 导航篇

6

测试目的是:改版过程中各个类别的表现对比。

该测试是基于同一个页面导航的三次改版过程中,我们不仅比对了整个导航的转化率,为了页面数据比对的公平起见也比对了导航与整个页面click的占比。

A版本是老版本,数据为占首页CLICK:9%,CTR:4.6%。B版本上线后,数据表现一下子下降为占首页CLICK:2%,CTR:0.5%。C版本上线后,数据略有回升占首页CLICK:9%,CTR:2.7%,虽然转化率并不理想,但是click占比已经上升和A一样。D版本上线后,数据终于上升为占首页CLICK:12%,CTR:5.2%。

我们分析了一下整个导航的click分配占比发现,其中最重要的原因是由于频道导航的点击,A的频道入口非常明显;B删掉了频道导航入口;C虽然增加回导航入口,但是还并没有做的很明显;D又将入口加回,并且删掉了其他干扰信息,使得其更加明显。

就导航而言,D版本表现是优秀的,但是如果频道首页入口的增加对首页来说是否真的有效呢。因此我们查看了频道页面的BUYER转化率,发现频道首页BUYER转化率表现虽然没有优于流程页,但是相对表现也算不错,相对于首页一些其他的位置,比如社区和一些广告的位置来说,频道导航转化率还是比较高的,因此最后我们认定对于导航而言,频道首页的入口不仅需要加,还需要明显。因此D版本为比较优的选择。

再深入思考一下,导航最终的作用,曾经有人形容导航为直达电梯,因为任何一个页面都会套用导航,因此再导航上来说最重要的关键性入口,不管分类也好子站也好或者其他频道都需要仔细挑选,认真定位。

  • 页面篇

7

测试目的是:首页改版后的市场推广类位置的表现比对。

8

上述数据表可以看出改版后,CTR上升模块为2、3、6,于是我们查看了2、3、6的Buyer转化率,结果发现除了3的表现较高之外,其他两个都是数据BUYER转化率排名非常靠后,而很多Buyer转化率偏高的模块,却CTR下降非常明显,因此就市场推广模块来说这次改版是失败的。

从下面的总表就可以更加明显的看出了:

9

虽然HP的页面Display增长的,但是其他数据均下降了。但是最终我们并没有回退前版本,其中有各种原因,其一是在新版本中增加了自动维护模块而该模块所带来的BUYER的增长非常的明显,并且新版本中的关键字部分的调整也使得整个页面的表现增长非常明显。再次反观这次改版的影响,最大的跌幅在于1是导航2是Big Banner,基本影响了整个页面的转化率,再经过两次快速迭代的调整之后,我们扭转了整体页面的表现,使得数据走向趋于好转。再经过导航调整迭代,首页数据上涨。因此评判一个页面的好坏,我们需要切割开来看,并不能一刀切直接选择或者放弃。

 

10

测试目的是:这是多版本测试以同时间,同商品,同链接页面来比对四个版本的表现。

  A B C D
CTR 1.21 1.15 1.14 1.13

该测试是针对市场推广的LANDING PAGE来做的,就CTR而言,A版本的转化率优于其他版本,原因是商品区域重点突出,其他LP BTU信息相对较弱,干扰不大。而D版本不仅使用了双栏结构,并且加重了LP BTU的视觉效果,使得D版本的LP BTU的点击大于了A版本。如下图所示:

(LP BTU是指LANDING PAGE与其他LANDING PAGE的互链入口)

item A D difference
商品点击 81% 62% -19%
lp button 0% 11.65% 11.65%
pv24/uv 4.5 5.9 31%

Lp是承接推广类的最重要的页面,也就是你对外所投放的广告最终靠他的转化率来看收益。如果这个页面没有能够抓住用户眼球,那么就会浪费很多钱,再次做适当的其他同级lp的跳转入口没准会大大提高整站的转化。就如上例,虽然该广告位主题是1元抢拍,但是其他lp有更多全场包邮,10点秒杀的主题,这样用户进入不仅仅只有该页面上的选择还可以有更多的。总之最大化利益,需要全局的考虑,不能只从一个页面一个banner出发。

  • 如何正确看待数据

数据分析有很多误区,我们以以下一些案例来说明如何避免产生这些误区

  • 案例一

13

当老板设定了一个离谱的数据指标后,各部门为了达到该指标各管各想出了各种应付的手段。然而这些手段导致最后的虚假指标对于公司的业绩没有任何帮助。

这个说明了:数据不是为了制定不切实际的指标。

在制定数据指标的时候应该有一定的合理增长的分析,而不该拍脑袋的方式来决定。

  • 案例二

14

当一个比较有创意的大型项目上线,而三个月的数据表现并不是表现非常好的时候,是否需要马上撤换下马呢?虽然数据的好坏也需要看,但未必一定看的是绝对值,其中增长趋势也是很重要的环节。而一个大型项目在上线前应该做比较充分的准备,但一旦上线后,如果表现不够好,也可以通过一些用户的调研再次调整来修正它,马上撤换下马不一定是最好的方法。

这个说明了:很多项目要看长期的数据趋势,在过程中可以做一些其他UER调研来完善它。

15

  • 案例三

每个部门都会有针对该部门所制定的不同的指标,这个也就是矛盾的产生,比如市场部觉得A版本好,因为他们对该版本有自己的数据分析,而设计部门也会有自己一套数据分析,结论可能完全不同,业务也是一样。这个就会带来很多争吵,那么如何避免这些争吵。一定是有一个最大的目标值,比如最后会以BUYER为最终指标值,那么就会在此基础上来对其他的数据进行优化。

这个说明了:数据需要统筹考虑,不同角度会有不同结论。

  • 案例四

16

这个是我们以前一个领导经常挂在口头的话,他老是自以是的说有了数据,UER就可以全部都不要了。但是终于有一天我们一个超级牛叉的UER反驳他这样一句话,导致他以后再也不敢提这个论调了。数据告诉我们哪里出问题,用户调研能告诉我们问题出在哪里。这里的两个哪里让我觉得非常的经典。

 

尾声:数据是个双刃剑。虽然数据分析是非常重要的,也是每个公司的老板非常看重的部分,但是它需要我们合理分析,综合考量。如果它的分析出了错,那么可能会导致一个决策上致命的错误。因此数据需要我们认真和全面的思考。

【作者介绍】

陈抒(Soso)多年互联网行业UED从事经验,目前担任上汽旗下电商平台UED总监一职,曾经在携程和Ebay担任过资深设计主管,具有大型电商的复杂UX设计和产品规划经验,长期致力于研究数据与设计关联性,以数据为基础更好地辅助设计提升用户体验,WAW志愿者。