网站分析：电子商务关键数字优化线上部分（下）
来源:网站推广 2012-07-10
【每期一句】
没有对创新的有效保护,就没有创新。我们没有乔布斯,没有扎克伯格,不是国民素质,而是制度使然。
【前言】
在这个系列的前面两回文章中(上篇点此,中篇点此),我们谈到了如何优化电子商务关键绩效数字的两个方面:识别关键驱动因素、着手分析和尝试提升关键驱动因素。在这个部分中,我们将向大家展示,如何通过一些特定的方法,让我们提升关键驱动因素的努力能够最终落地获得成效。
【正文】
还记得我们前文谈到的优化路径吗?在这个路径中,我们强调从定义KBR开始,然后分解影响KBR绩效的驱动因素,然后再确定这些驱动因素中哪些是基础驱动因素,哪些是非基础驱动因素,再尝试分析基础驱动因素并着手改进,同样,尝试分析非基础驱动因素并着手改进,这之后测试你的这些改进是否有效并固定有效的改进(优化)。由于优化不可能是针对所有人群和兴趣的,所以最后你要在优化的基础上进行动态处理(定制化)。
图1
今天我们来看看测试和定制化,以及它们二者是如何让我们优化的努力最终落地的。
分析不是全部
网站分析(Web Analytics)也好,数字营销分析(Digital Marketing Analytics)也罢,都在无意中为我们强调“分析”的重要性。
分析当然重要,尤其在我们所处的这个国家和如此复杂真假难辨的乱象之中,没有认真独立尊重事实的分析,我们就无从发现各种马脚得知诸多真相,就会更被某种我们不得不敬畏崇拜的力量忽悠的团团转。但对于我们想要优化的网站商业目的而言,分析却完全不是全部。
本文版权归“网站分析在中国CWA”及其作者宋星,欲转载,请联系作者
我曾经说过(最近的《挑战网站分析中的大众智慧》系列文章中将会为大家分享点击热图的一些可爱和缺陷的地方),但可以给我们至少一个解答,那就是在这个页面中哪些区域激发了用户继续探究的兴趣。
图4
在这个点击热图报告中(左右两张图实际上是页面的上下两部分,因为原页面太长,所以我们把它切割为两张图),我们看到了一些明显的兴趣点——“展开报价”、“图片”、“邻近酒店”还有“隐藏报价”获得了比较多的点击量。有一点令人吃惊的是,“评论”并没有获得意想中的高关注。
“评论”关注度不高的问题显然让我们疑惑,网站分析工具很好的告诉了我们“what”,但在这里无法明确地告诉我们“why”。我们可以猜测“评论”关注度不高的原因是因为它没有获得理想的位置,但现在只能是猜测,只能。(在《挑战网站分析中的大众智慧》系列文章中,我们会向大家展示,用什么样的工具和方法能够进一步验证这种猜测)
这一类困惑在我们进行网站分析的过程中常常发生。很多时候我们不禁要感叹,知道的更多或许不是好事,我们不得不承受更多的未知。
这个案例并没有到此结束,因为我们需要解决什么元素对转化率有最重大的影响这个问题。于是我们接着探究,看看这些获得最高点击和我们认为它们原本重要的元素对转化的影响有多大。我们根据转化的数据,做出了下面的这个表格:
图5
每一列都是某一个元素的点击量以及在这些点击之后发生的订单转化的对应数量。从上表中可以看到,如果用户发生了查看评论或是查看图片的行为,那么发生转化的几率要大于点击其他元素的用户。尤其是“查看评论”,它虽然没有获得很好的点击量,但却有最高的转化发生倾向。
数据做到这里,我们可以确定一些事情,但我们也多了一些疑问。为什么评论对转化的促进在这个案例中看起来最显著?什么样的评论都促进转化,还是只有部分更促进转化呢?为什么隐藏报价对转化率的促进要比展开价格对转化率的促进还要大?这些疑问,尤其是与评论内容相关的,我相信你网站分析工具无法直接给你解答。
但没有解答并不意味着我们无法实现优化,下面的内容将会帮助大家用其他方法解决这个问题。
在上面的这个例子中,我们能够通过网站分析工具知道有一些网站元素对转化有更为重大的意义,但我们还无法知道应该如何修改这些元素以进一步促进转化的提升。分析告诉了我们该要努力的方向,但没有给出我们应该做出何种努力的答案。
答案从何而来?
现在,你和我一样,都想问一个问题,我们应该如何获得答案呢?
我们需要依赖两件事情,其一,是这个宇宙赋予我们的伟大财富——我们的经验和直觉;其二,是这些经验和直觉经过验证之后形成的事实。
在上面的例子中,我们知道“查看评论”对转化率有很大的相关性,我们也知道“查看评论”并没有获得很大的关注,因此我们凭着我们的经验和直觉,对这个问题提出我们认为可能会奏效的解决方案:
1. 我们需要把“查看评论”按钮,乃至评论本身放在页面中更显著的位置上,甚至给予更加明确的引导,以获得用户更大的关注;
2. 我们认为“查看评论”之所以能够与转化率极为相关,是因为正面评论的作用,我们需要引导用户发出更多积极正面的评论,以打消其他用户的顾虑。
这两个解决方案会奏效吗?有经验的从业者会说,没问题,但是否真的靠谱,我们谁也不能在做出这些改变前就做出100%有效的承诺,不仅我们不能,所有的星座分析家也都不能。
如果你是分析优化师,最好的“保护”自己和公司的方法是告诉自己的老板——我相信这些措施对于进一步改善我们的转化率具有积极作用,但是保险起见,我们需要做一些测试以确保它们真的奏效,并且这些测试能够告诉我们更多关于用户习惯和想法的关键信息。
本文版权归“网站分析在中国CWA”及其作者宋星,欲转载,请联系作者
如果你这么说,那真的好极了。分析师最大的特点是不会轻易对任何事情下断语,他们看起来似乎有些优柔寡断——你的朋友现在这么评价你了吗?恭喜你,你已经是一个合格的分析师了。
测试
毫无疑问,测试是上帝给我们的最棒的武器。测试不代表着某种正式的东西,如果我们失败了,我们大可以说,这是一次测试而已。于是我们有更大的自由度和更放松的心态——这对找到真正有价值的东西是大有裨益的。
测试的另外一个重要意义在于,没有任何一个人能代表所有的用户,老板的意见、运营部门的经验以及你自己的直觉都不是用户的感受。难道你没有生过闷气吗?——你的老板的意见让你冥思苦想两个月的方案在一分钟之内就付之东流,因为你的老板相信自己最能代表用户的感觉,但你明白也许不是这样,但你没有办法说服,甚至连施加一点点正面影响的可能性都没有。这个时候,或许我们需要做一些测试,让真正的用户来参与,来投票,来证明到底谁最接近正确。
没有测试就没有最后的胜利,或是通过暂时的挫折引导我们走向胜利,不管怎么样,测试才能给我们一些真正落地的结论,否则我们的分析可能只能在天空中飘着,我们的工作也大抵只能在空中飘着或者只是出几个数据做几张报表。
测试的种类有很多,例如下面这个图中所展示的。事实上很多用户可用性实验本身就是测试的一种。
图6
AB测试是最重要也最常用的工具。遗憾的是,我的博客中竟然还没有一篇专门描述AB测试的文章,以至于我无从引用。这篇文章本不太想讲述非常基础的内容,但对于AB测试,我还是想说这是网站分析乃至所有分析最为重要的基本功课之一,因此我在下面的引用部分中会介绍AB测试,如果已经很了解的朋友可以直接跳过。
本文版权归“网站分析在中国CWA”及其作者宋星,欲转载,请联系作者
AB测试
没有比较没有真相。
在我们的邻国,那里的统治不允许人们获得任何外来的信息,乃至于当这个国家派出一些IT人员到我们这里工作的时候,整个世界都在惊呼——他们不怕这些人脑子被“污染”?这个国家不允许外部信息,是因为不希望老百姓做出比较。
但网站分析却必须比较,我们无时无刻不在比较。做细分是为了比较,我曾经总挂在嘴边的“没有细分没有真相”,其实就是说的没有比较就没有真相。
AB测试帮助我们实现比较。AB测试好用的原因在于,它提供了一个公平的比较的环境——我们不会把一个大象和一个河马相比,我们比较大象和大象。
对比最害怕的几个问题AB测试都帮我们避免了。其一,进行对比时会受到很多外部环境的影响,例如时间。你可以在不同的时间比较同一个事物,例如一个网站在6月1日上线了新的首页,你可以比较整个5月和整个6月首页的表现,但问题是,5月和6月有很多不同,例如6月可能会做促销,或者5月的流量来源主要是搜索引擎流量而6月主要是直接流量。其二,比较本身也可能受到样本的影响,尤其是在进行用户可用性测试的时候,我们不大可能随机选取一万个人进行可用性测试,因此我们只能认为某几个我们选取的样本能够代表大多数,但事实上任何个体都不无法真正代表大多数。
网站分析所应用的AB测试能够解决这两个主要问题的原因在于它能够实现对同时发生的随机的总体(而不是样本,除非你要限定样本)的比较。这句话有点拗口,简单说来,就是AB测试能够在同一个时间、基于所有的用户,对两个或者多个不同的比较对象进行对比。
本文版权归“网站分析在中国CWA”及其作者宋星,欲转载,请联系作者
举一个网站分析常见的例子——我们现在觉得首页不那么好了,于是我们让设计部门设计了一个新的首页。新的首页看起来很不错,但我们不知道我们目前网站的用户是否喜欢它。于是我们做AB测试——我们把原来的首页(A页面)和新设计的首页(B页面)同时上线,我们的用户还是输入以前网站的域名,所有的流量渠道也仍然都指向以前的首页(A页面)。但奇妙的是,尽管所有的流量都是进入的A页面,但一部分的用户(一般都是一半的用户)看到的并不是A页面,而是B页面,并且他们将一直看到B页面,而另外一部分用户则还是一直看到A页面,直到测试结束。这部分看到B页面的用户使我们专门选出来的吗?完全不是,他们是完全随机被分配到B页面的。
图7
因此,AB测试做同一页面的不同版本分析真是太好了——它不受时间的影响,因为测试是同时发生的,它也不受样本的影响,因为所有的用户都可以参与测试,而且用户的分配也是完全随机的。
这里顺便描述两个概念,值得被记住——分配到原始的A页面的用户叫做对照组(control group),分配到B页面的用户叫做曝光组(exposure group)。
AB测试并不是只用于测试两个对象,其实可以测试两个或两个以上的对象,在测试多于两个对象的情况下,对照组就相应增加而已,每个对象分配到的用户比例就相应减少了。
AB测试的原理就是这么简单,但还有一些其他的注意事项和使用方法,在今天的文章中就不多谈了,我们在未来的文章中做相应的专门的介绍。
AB测试确实能够帮助我们解决一些悬而难决的问题。在前面的那个酒店网站的例子中,我们可以通过AB测试决定什么样的图片或者评论更能够增加转化。
产品经理告诉我,他的经验是带有干净浴室的图片更能引起人们对于整个酒店好的感觉(事实上这个经验可以通过网站分析的方法进行验证,即查看那些洗浴间的照片是否会被更多的查看,但由于照片排放位置因素的影响,这个验证稍微有些麻烦),于是我们把一个酒店的图片分为三类,一类没有洗浴间的照片(A),另外一类带有普通洗浴间的照片,并未做特别的优化(B),最后一类是选择性优化拍摄和处理的洗浴间的照片(C)。在此基础上,我们为这个酒店的booking page做了专门的三个版本,除了照片不同,其他完全一样。
文章编辑: 365webcall在线客服(www.365webcall.com)
我的评论
| 登录账号： | 密码： | 快速注册 | 找回密码 |  |
