网上表格的优化-从基础数据找机会
网上购物,购买机票,预定酒店等等都要填写表格,网上表格的重要性不用提了,对很多网站来说,填写表格是真正转化过程的开此。 在想怎样把现有的表格做得更好之前,有一个概念我想提一提。
就是请不要把优化看成一个PROJECT,把优化看成一个过程比较好。因为优化是要经过不断的尝试,是从每一次尝试之后的数据作出验证和调整之后的结果。因为市场环境和外界的因素都会影响浏览者,这个月最好的图片和文字,不一定是下个月最好的,网站要经常侧试,经常的作出适当的改变,所以优化是一个过程。 定期地做侧试是成功优化的必要元素,网站侧试有很多种,工具也有很多,在这里我不详细提了。
一个表格有没有改善,是靠数据决定而不是人的意见!反而有时候越有经验,对你的产品越熟悉的人,就越难从普通浏览者的角度去看。 在你思考怎样改善现有网上表格之前,最好先拿到下面一些基础的数据。
【本文来自《网站优化在中国》,版权归原作者Michael Lee所有,如欲转载,请联系作者】
数据 1:表格转化率
这个应该很简单了吧, 转化率是表格的健康报告。转化率的计算是从表格的第一步开始计算,目的是批除浏览者来到表格之前的一切外界因素。就用一个网上登记做例子:如果这个登记流程是分四步的,那转化率就是:
完成登记次数(第四步)/ 开此登记次数(第一步)
你可以把网站里每一个表格的转化率都放在同一个报告里,那就可以一目了然地看到他们健康情况。
数据 2:每一步漏走人数(漏斗分析)
一般来说,付费的那一步是漏走率最高的,这是很正常的,但如果付费之前的漏走率也很高的话,那这表格就有很大的优化空间了。找到每一步漏走的人数就可以告诉我们从哪里入手。如果你可以把其中一步的漏走人数减少的话,那整体表格的转化率都会因而提高。这个数据在大部分的分析工具里都有,不需要甚么特别的实施工作,所以一定要拿到。
下面是 SiteCatalyst 里的报告例子。你看从第2步到第3步,只有57%的人继续。
浏览者在填写表格过程中会遇到不同的错误信息。例如有很多表格的密码要求太严谨,浏览者试了几次都不成功。浏览者是否会因为这些错误而流走我们也不知,但发生这些错误一定对继续填写表格造成障碍。我们要知道什么是浏览者最常见的错误。
下面是一个错误信息的报告,可是这个报告需要做一些实施的工作,要请开发员协作一下,就是要在错误信息出现的时候,把信息放在SiteCatalyst的变量里。
#1 – 是这一项错误信息出现的次数 |
#2– 是出现了这一项错误信息以后,成功登记的次数 |
这个报告可以告诉我们在这个网上表格里,那一个是浏览者最常碰到的错误信息。而发生了这个错误信息以后,浏览者成功登记次数有多少,就是告诉我们表格里那一栏最影响浏览者继续下去。
数据 4:细分/分群(segmentation)
以上题到的是一些关于表格的基础数据,如果可以把这些数据再作细分, 那表格的问题跟改善的机会就会更明显。 你可以看看不同来源的人,数据有甚么区别,也可以看看从不同landing page(登陆页)进来的人,他们的数据又有甚么区别。 细分的idea有很多, 有一些segment很容易建出来,有一些必须通过实施, 所以跟实施员/开发员的关系好也是很重要的。
总结
这是我的第一篇文章, 写中文对我来说真是一个挑战。 我很希望大家看得懂,跟找到一些有用的东西。 而请大家给一些意见我吧,如果有什么我没写清楚,我会在Comment里来解释。
谢谢!
【本文来自《网站优化在中国》,版权归原作者Michael Lee所有,如欲转载,请联系作者】
jessicafong | May 12,2011
写的很好很清楚,希望可以看到更多文章!
Leslie Zhang | May 27,2011
非常有用,从实施和分析的角度来讲都不难,但却大大地开拓了我的思路,感谢分享!
Leslie Zhang | May 27,2011
不过用SiteCatalyst做Segment还是蛮累的,很多时候,思路都想好了,跑进SC里找到相关的报表,然后breakdown或者add metrics了,才发现可能对应的维度或度量都没有。
Lawrence He | Jun 12,2011
Hi, Michael,关于“错误信息分析”中表格的监测,代码是如何布局的呢?Google Ananlytics能实现“#1 – 是这一项错误信息出现的次数“、”#2- 是出现了这一项错误信息以后,成功登记的次数”两项数据的统计么?如果能,该怎么添加代码与查看报告?
很高兴能与你交流~~:)
koko | Jun 15,2011
网页分析新手路过。
支持下~
希望能继续多发新文章分享经验。
wit | Jun 15,2011
谢谢你的文章
定期地做侧试是成功优化的必要元素
很多人优化成功就扔那不管了~
还有后面的实例一步一步很清晰~!
辛苦了 期待你的后续精彩文章~!
Bill | Jun 15,2011
对于优化电商购买流程很有参考价值!!谢谢
vivi | Jun 20,2011
感谢!
M | Jun 25,2011
非常赞。原来除了PV之外还有这么多细节可以学习和研究。
沉淀的果汁 | Jul 4,2011
非常棒的案例分享!其实我觉得“数据4”特别重要,不过重要的并不是这个数据本身,而是怎么去创建这个细分,或者说细分的依据是什么,之后还需要尝试多种细分才有可能发现不同群体之间的差异以及问题的所在。
BTW,博主的中文确实有待提高呀~不过对于以中文为母语的读者来说,其实理解是没问题的啦:)
DJ | Jul 8,2011
thank you for sharing
崔崔 | Jul 9,2011
不熟悉中文嘛?那写的相当不错了。
有点不太理解请开发人员怎么协作,是通过SiteCatalyst的吗?还没有用过这个东西,似乎功能比较强大。
Keven | Jul 17,2011
我也来提点意见:
1.貌似没有导航也没有摘要… 看起文章来有点费劲。
2.omniture的试用权限都很少发放,所以实战方面的经验分享起来有些约束,Michael可以加一些思路上的交流会好一些,如果可能的话,大致介绍omniture的结构框架,会有助于理解文章的内容。我去年的时候有在北京听lawrence的讲课,受益匪浅,还算对omniture的工具有一些了解。
3.把错误信息放进变量来进行追踪,这是很好的思考线索。我在想的是那么GA怎么做呢?呵呵 我也会研究一下的。毕竟在中国,GA是最为普及的入门工具了。
不得不感叹omniture的强大,这样的优化不是一般工具能做到的。
佑道3号 | Jul 26,2011
谢谢分享,很受启发!!
BLUEBOO | Oct 10,2011
很荣幸我有机会成为这篇文章第一个留言的人。你有讲到你的中文写作水平不怎么样,但在这篇文章中没能体现出你的水平不好,如果少些拼写错误就更好了,呵呵。我是从事网站优化工作的初学者,希望在你以后的分享中能多出现网站用户体验和SEO方面的文章!
极品飞猪 | Nov 28,2011
非常感谢博主分享优化经验,但是看起来还是以数据为主的东西,与宋星的网站分析好像很相似。
Recent Post(最近文章)
推荐链接(Links)
Resources(资源)
Copyright@Hong Kong Digital Analytics