关于加强网站信息建设的通知,wordpress目录文章的调用,高端企业网站建站,wordpress在本地搭建设计时不能单凭经验和直觉#xff0c;因为涉及到的目标人群、场景、操作习惯的不同。为了获取更准确、有效的信息去辅助、检测设计#xff0c;设计师会选择定性#xff08;用户访谈、焦点小组#xff09;和定量#xff08;调研问卷、网站数据分析#xff09;的方式进行用…设计时不能单凭经验和直觉因为涉及到的目标人群、场景、操作习惯的不同。为了获取更准确、有效的信息去辅助、检测设计设计师会选择定性用户访谈、焦点小组和定量调研问卷、网站数据分析的方式进行用户研究。其中“网站数据分析”这一方式不需要花费较长的时间及人力成本同时避免了用户及环境等不稳定因素对分析结果造成的干扰。只要具备精准及适用的数据我们应优先选择这一方法辅助设计。 通常我们可以获取到哪些数据呢 1、 网站数据 搜索常见的数据如下 Query – 搜索关键字数 PVPage View — 页面浏览量页面每一次刷新即被计算一次 UVUnique Visitor — 用户访问数 Click — 页面总点击数每一个功能都会有相应的点击数 L-D — 搜索list页面到detail页面的点击数据即转化率不同页面有不同的数据。 CTR — Click/LPLLPV即搜索list页面上的浏览量CTR即每次浏览的点击次数。 2、 用户访谈、定性调研、焦点小组 3、 已有结论的报告 4、 线上测试(如A/B test搜索中常用内部开发的可以多方案上线测试的buckettest) 网站数据中可以了解到什么信息 1、关键字流失率分析 图1是用户输入“女鞋”相关的关键字及相应的UV流失率即没有在搜索页进行过任何操作行为的用户数占所有搜索用户的比例从数据上看添加了真皮、广州、时尚等属性词的关键字流失率相对低很多。 关键字描述越详细搜索匹配到的产品越准确用户也就可以更快的找到目标产品。但让用户精确输入关键字的成本较高如用户不知道用哪些描述词更适合等。如何降低这个成本我们可以使用suggestion关键字推荐见图2和SN区类目属性筛选区见图3给用户恰当的推荐和引导。 2、快速筛选改版后数据分析 图4是搜索上的筛选项。搜索的目标应该是更快、更准确的帮助用户找到产品筛选区便是其中一个重要的组成部分让用户更快的找到筛选项以及简单的完成筛选操作是每次改版的中心目的。 各筛选项应该放在哪里更合适很大程度上取决于用户在查找产品的时候更关注哪些维度的信息。对于已经上线的功能我们可以通过数据进行分析如上图是筛选区的CTR数据可以发现用户使用地区、排序、单价、经营模式操作较多说明用户对这方面筛选需求较大也较关注这几个维度的信息以此可以将筛选项调整到方便用户查找的位置也降低了用户的记忆负担因用户一般都是从左到右浏览所以可以将重要的筛选调整到首位或是用视觉突出。而一些数据较低的筛选可以根据情况隐藏或是下线也增加筛选区的扩展性。 图5根据图4的数据我们对筛选项的位置以及排序按钮交互方式进行了调整。 新版本上线两周后我们发现用户较关注的筛选项调整到左边位置后CTR数据明显上升绿色为明显数据上升红色则数据下降其他数据小量上升。 综上所述设计、迭代流程如下 数据验证这个一次相对成功的设计。 3、对比功能上线后数据分析 同时我们来看一个不合理的产品设计见图7。图上是阿里巴巴在去年上的对比功能用户勾选产品加入对比图7第1步只占整个搜索CTR0.6%左右而到最后点击了对比按钮图7第2步的转化率只有其中的10%不到对比功能的使用率很低。 根据这个发现我们召集了5个测试者1位产品经理、1位运营、3位用户进行了焦点测试得到如下几点反馈1、用户只要看其中的几个信息不需要那么多维度的信息对比。2、用户更习惯通过点开detail进行对比。 很多垂直化的行业搜索都有对比功能如太平洋、中关村、淘宝的手机等该功能通过对比信息帮助用户挑选出更符合目标的产品。但适不适合我们的网站还需要多考虑一番。结合以上数据来看对比功能更适合一些需要关注多维度信息对比的垂直行业而关注维度较少的用户通过短期记忆就可以达到。 运用数据检测设计 一般在全量上线前会通过buckettest测试各方案对比用户行为数据检测哪个方案更合理、体验更好。 通过bucktest可以得到如图8的对比数据红色为数据下滑绿色为数据上涨。 运用buckettest测试对于检测设计是很有效的方法特别是针对小细节的体验优化。对方案调整处数据打点就可以监测到相应的数据变化。例如按钮调整检测调整后是否比原来的方案体验更好在测试前要求开发同学在监测数据时给这个按钮打点测试后就可以了解到按钮调整前、后的对比数据。如你想了解按钮位置调整是否能提升体验在设计时就要规避其他因素可能引起的影响如按钮样式等以此来不断优化设计方案。 总结 分析数据、读懂数据、运用数据可以很好的辅助我们去设计产品、改善体验这也是设计师需要掌握的一门必修课。 数据虽然很强大但是不要迷恋它不要只关注数据的起落而是要分析数据背后真实的用户原因及需求数据只是一个分析辅助工具。 不要任何设计都依赖测试及数据检测每一次测试所需的开发和时间成本太高。尽管设计师不能作出100%的正确判断但是结合有效的工作习惯及总结分析还是能够大大的提高设计的准确率及解决方案的有效性这也是设计师的价值。转载于:https://www.cnblogs.com/mainet/archive/2012/06/03/2532662.html
