网站实例分析：如何让数据说话!网站实例分析：如何让数据说话!.pdfVIP

网站实例分析 ：如何让数据说话 ！ 编辑 ：S++小组 数据在很多网站都被看作是衡量一个 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 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 Visit o r ，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。 – BUY R （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。 – CT R （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 l Banner篇 – 案例一 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 ，如果做成文字形式会很容易被很多其他信 息干扰的看不到 ，这个时候如果放上吸引人目光的图片 ，很可能效果会非常的好。 – 案例二 测试目的是 ：在该banner尺寸中商品数量和大小的最优表现。 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。 – 案例三 测试目的是 ：banner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的三次改版过程中 ，Cent er 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。 l 导航篇 – 案例四 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% ，CT R:4 .6%。B版本上线后 ，数据表现一下子下降为占 首页CLICK:2% ，CT R:0.5%。C版本上线后 ，数据略有回升占首页CLICK:9% ，CT R: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% ，CT R: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