科技: 人物 企业 技术 IT业 TMT
科普: 自然 科学 科幻 宇宙 科学家
通信: 历史 技术 手机 词典 3G馆
索引: 分类 推荐 专题 热点 排行榜
互联网: 广告 营销 政务 游戏 google
新媒体: 社交 博客 学者 人物 传播学
新思想: 网站 新书 新知 新词 思想家
图书馆: 文化 商业 管理 经济 期刊
网络文化: 社会 红人 黑客 治理 亚文化
创业百科: VC 词典 指南 案例 创业史
前沿科技: 清洁 绿色 纳米 生物 环保
知识产权: 盗版 共享 学人 法规 著作
用户名: 密码: 注册 忘记密码?
    创建新词条
科技百科
  • 人气指数: 6076 次
  • 编辑次数: 1 次 历史版本
  • 更新时间: 2012-02-12
高兴
高兴
发短消息
相关词条
数据可视化6步法
数据可视化6步法
评价链接的八个维度
评价链接的八个维度
RJMetrics
RJMetrics
信息可视化研究
信息可视化研究
网站分析销售归因模型
网站分析销售归因模型
信息关注度研究案例
信息关注度研究案例
信息架构的模式
信息架构的模式
Stephen Wolfram以数据诠释人生
Stephen Wolfram以数据诠释人生
数据分析框架标准建设
数据分析框架标准建设
网站数据分析实例
网站数据分析实例
推荐词条
希拉里二度竞选
希拉里二度竞选
《互联网百科系列》
《互联网百科系列》
《黑客百科》
《黑客百科》
《网络舆情百科》
《网络舆情百科》
《网络治理百科》
《网络治理百科》
《硅谷百科》
《硅谷百科》
2017年特斯拉
2017年特斯拉
MIT黑客全纪录
MIT黑客全纪录
桑达尔·皮查伊
桑达尔·皮查伊
阿里双十一成交额
阿里双十一成交额
最新词条

热门标签

微博侠 数字营销2011年度总结 政务微博元年 2011微博十大事件 美国十大创业孵化器 盘点美国导师型创业孵化器 盘点导师型创业孵化器 TechStars 智能电视大战前夜 竞争型国企 公益型国企 2011央视经济年度人物 Rhianna Pratchett 莱恩娜·普莱契 Zynga与Facebook关系 Zynga盈利危机 2010年手机社交游戏行业分析报告 游戏奖励 主流手机游戏公司运营表现 主流手机游戏公司运营对比数据 创建游戏原型 正反馈现象 易用性设计增强游戏体验 易用性设计 《The Sims Social》社交亮 心理生理学与游戏 Kixeye Storm8 Storm8公司 女性玩家营销策略 休闲游戏的创新性 游戏运营的数据分析 社交游戏分析学常见术语 游戏运营数据解析 iPad风行美国校园 iPad终结传统教科书 游戏平衡性 成长类型及情感元素 鸿蒙国际 云骗钱 2011年政务微博报告 《2011年政务微博报告》 方正产业图谱 方正改制考 通信企业属公益型国企 善用玩家作弊行为 手机游戏传播 每用户平均收入 ARPU值 ARPU 游戏授权三面观 游戏设计所运用的化学原理 iOS应用人性化界面设计原则 硬核游戏 硬核社交游戏 生物测量法研究玩家 全球移动用户 用户研究三部曲 Tagged转型故事 Tagged Instagram火爆的3大原因 全球第四大社交网络Badoo Badoo 2011年最迅猛的20大创业公司 病毒式传播功能支持的游戏设计 病毒式传播功能 美国社交游戏虚拟商品收益 Flipboard改变阅读 盘点10大最难iPhone游戏 移动应用设计7大主流趋势 成功的设计文件十个要点 游戏设计文件 应用内置付费功能 内置付费功能 IAP功能 IAP IAP模式 游戏易用性测试 生理心理游戏评估 游戏化游戏 全美社交游戏规模 美国社交游戏市场 全球平板电脑出货量 Facebook虚拟商品收益 Facebook全球广告营收 Facebook广告营收 失败游戏设计的数宗罪名 休闲游戏设计要点 玩游戏可提高认知能力 玩游戏与认知能力 全球游戏广告 独立开发者提高工作效率的100个要点 Facebook亚洲用户 免费游戏的10种创收模式 人类大脑可下载 2012年最值得期待的20位硅谷企业家 做空中概股的幕后黑手 做空中概股幕后黑手 苹果2013营收 Playfish社交游戏架构

网站数据分析实例 发表评论(0) 编辑词条

目录

网站数据分析实例编辑本段回目录

编辑:S++小组

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

l       Banner

–     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,Center 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%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。

l       页面篇

–     案例五

测试目的是:首页改版后的市场推广类位置的表现比对

 

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:

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,因此最后只是针对一些重要的位置再次进行了设计和位置上的调整,而没有对整个页面进行回退的操作。

–     案例六

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。

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)

就设计CTR表现来说A确实优于D,但是因为该页面是为市场推广所做,而市场推广部门不仅仅只看一个页面的好坏,更重要的是要看整体推广的效果,所以D版本就单个页面表现虽然一般,加强的LP BTU部分增加了互链的影响,因此使得整体页面带来的各个推广页面间的转化率增加,而使得其表现在24小时内的PV效果不一般。最后采用的是D版本。

l       如何正确看待数据

–     案例一

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

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。

–     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

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。

本文作者:S++ 转载请注明来自:携程UED

→如果您认为本词条还有待完善,请 编辑词条

词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0

标签: 网站数据分析实例

收藏到: Favorites  

同义词: 暂无同义词

关于本词条的评论 (共0条)发表评论>>

对词条发表评论

评论长度最大为200个字符。