웹 분석: 데이터도 왔 디자인-검색 연습을 사용 하 여

중간 거래 SEO 진단 Taobao 게스트 클라우드 호스트 기술 홀

디자인 수 없습니다 기반으로 경험과 직관, 대상 그룹 참여, 현장, 다른 습관의 작업 때문에. 지원 하 고 디자인을 감지 더 정확 하 고 효과적인 정보를 얻기 위하여는 디자이너는 질적 선택 (사용자 인터뷰, 포커스 그룹) 및 정량 (설문 조사, 웹사이트 데이터 분석) 사용자 연구 방법. "웹사이트 데이터 분석"이 방법이으로 사용자와 환경 및 간섭으로 인 한 분석 결과의 기타 불안정 요인을 피하 면 서 오랜 시간과 인간의 비용을 지출 하는 필요 하지 않습니다. 으로 우리는 정확 하 고 해당 데이터를가지고, 우리 디자인을 지원 하기 위해이 메서드를 선택 해야 합니다.

어떤 데이터 당신은 일반적으로 받을 수 있나요?

1. 웹사이트 데이터

일반적인 데이터에 대 한 검색은 다음과 같습니다.

쿼리-검색 주요 단어

PV (페이지 뷰)-페이지 볼 때마다 페이지를 새로 고칠, 한 번 계산

UV (고유 방문자)-방문 하는 사용자의 수

클릭 클릭 페이지 총 수, 각 함수는 해당 클릭 수 있을 것 이다

l → d-검색 목록 페이지 클릭 데이터, 즉, 전환율의 세부 정보 페이지를, 다른 페이지에 다른 데이터.

클릭률-클릭/LPL, LPV 클릭률 목록 페이지에 탐색 탐색 당 클릭 수의 양이다.

2, 사용자 인터뷰, 질적 연구, 포커스 그룹

3입니다. 연구 결과의 보고

4, 온라인 테스트 (예: A / b 테스트, 일반적으로 사용 되는 자체 개발 검색 여러 솔루션 온라인 테스트 buckettest 될 수 있습니다)

웹 사이트 데이터에서 어떤 정보를 배울 수 있습니다?

1, 핵심 단어 손실 율 분석

그림 1은 사용자 입력 "여자의 신발" 관련 키워드 및 해당 키워드 UV 손실 비율 (즉, 검색 페이지는 없습니다 어떤 작업 동작 사용자 수의 모든 검색 사용자의 백분율), 추가 가죽 볼 데이터에서 광저우, 패션 및 핵심 단어 손실 율의 다른 특성은 상대적으로 낮은.

더 상세한 키워드 설명, 보다 정확한 검색 일치 하는 제품에 그리고 빨리 사용자 대상 제품을 찾을 수 있습니다. 하지만 정확 하 게 (예: 때 사용자가) 모 르 겠는 설명자는 더 적절 한 키워드를 입력 하는 사용자가 더 많은 비용. 이 비용을 줄이는 방법? 우리 제안 (키워드 추천)를 사용할 수 있습니다 (그림 2 참조)와 SN 지역 (클래스 뷰 속성 필터 영역) (그림 3 참조) 사용자에 게 적절 한 추천 및 지도.

수정 된 데이터 분석의 2, 빠른 심사

그림 4는 검색에서 필터링 된 항목입니다. 검색의 목표는 빨리 해야 고 더 정확 하 게 사용자가 제품을 찾을 수 있도록, 필터 영역 사용자 찾을 빠른 필터는 중요 한 구성 요소 중 하나는 간단한 심사 작업을 완료 하는 각 버전의 목적은.

각 필터 항목을 배치 해야 하는 것은 더 크게 정보의 어떤 차원에는 사용자를 찾고 제품에 따라 적절 한. 라인에 함수에 대 한 우리 필터 영역의 클릭률 데이터와 같은 데이터를 분석할 수 있습니다, 그리고 우리가 찾을 수 있습니다 사용자 순서, 단가, 동작 모드, 운영 심사 수요이 측면을 사용자가 더 큰 설명 영역을 사용 하 여, 이러한 여러 차원 정보 우려 이 때문에 사용자는 일반적으로 왼쪽에서 오른쪽 검색을 조정할 수 있는 첫 번째 또는 시각 중요 한 심사 하이라이트 위치를 찾은 하지만 또한 사용자의 메모리 부담을 줄이기 위해 사용자를 촉진 하기 위하여 조정할 수 있다. 그리고 숨겨진 또는 상황에 따라 오프 라인 될 수 있지만 필터 영역의 확장 증가 일부 낮은 데이터 필터링.

그림 5, 그림 4의 데이터에 따라 우리 정렬 단추 상호 작용 하는 방법 및 필터링 된 항목의 위치를 조정 했습니다.

2 주 후에 우리가 발견 하는 데이터를 명백한 데이터 증가 대 한 녹색에 많은 변화가 있는 붉은 데이터 삭제, 다른 데이터는 작은 양의 증가, 사용자의 관심 정보 클릭률 데이터에 사용자의 관심 크게 증가 발견 위치의 왼쪽에 필터 항목을 줄에 조정의이 버전

정리해 보면, 디자인, 반복 프로세스는 다음과 같습니다.

데이터 유효성 검사, 비교적 성공적인 디자인이이 시간.

3 일 온라인 데이터 분석 후 대비 기능

같은 시간에 우리는 무리 한 제품 봐 디자인 (그림 7 참조). 그림은 알리바바의 대비 기능은 작년, 사용자 틱 대비 (그림 7는 1th 단계)만 차지 하 고 전체 검색 ctr0.6%에 대해, 하지만 마지막 추가 제품 대비 버튼을 클릭 (그림 7 2) 변환 속도을 10%, 대비 기능 이용 비율은 매우 낮습니다.

이 발견에 따르면 우리가 초점 테스트 5 테스터 (1 제품 관리자, 1 연산자, 3 사용자) 수집, 다음 피드백 1, 사용자의 정보 몇 가지 보면, 그래서 다차원 정보 비교를 필요 하지 않습니다. 2, 사용자가 더 많은 지점에서 열을 비교할 세부 사항에 익숙한.

많은 산업 수직 검색 등은 태평양, 중관촌, Taobao 휴대 전화, 선택 대상 제품으로 보다 일관성 있는 사용자 정보의 비교를 통해 기능 비교 기능을가지고. 하지만 우리의 웹사이트, 뿐만 아니라 더 많은 고려 하는 필요에 적합 하지 않은. 위의 데이터와 결합, 비교 함수는 다차원 정보 대비에 관심을 지불 하는 수직 산업에 대 한 더 적합 그리고 주의 차원 작으면, 사용자 단기 메모리를 통해 도달할 수 있다.

데이터 검색 디자인을 사용 하 여

일반적으로 전체 선 각 구조 Buckettest 테스트를 통과 것입니다, 전에 검색 하는 계획 보다 합리적인 경험 낫다 사용자 동작 데이터를 비교 합니다.

bucktest을 통해 그림 데이터를 데이터 감소, 데이터 증가 대 한 녹색을 위해 빨간색의 8을 비교할 수 있습니다.

Buckettest를 사용 하 여 테스트 디자인, 특히 작은 세부 사항에 대 한 탐지 하기 위한 효과적인 방법입니다. 데이터 관리 프로그램 조정 부서에서 해당 데이터 변경 내용을 모니터링할 수 있습니다. 예를 들어, 단추 조정, 확인 여부 조정 보다 낫다 버튼, 모니터링 데이터에 테스트 요청 개발 학생 전에 원래 계획 경험 후 전과 후 비교 데이터 버튼을 이해할 수 있는 테스트. 버튼 위치 조정 경험을 향상 시킬 수 있습니다, 디자인 하지 않는 것 다른 요인 발생할 수 있습니다 버튼 스타일과 같은 영향을 알고 싶은 경우 지속적으로 위해 디자인 계획을 최적화 합니다.

요약

데이터 분석, 데이터 읽기 및 데이터를 사용 하 여 제품 디자인 고 마스터 디자이너를 위한 필수 과정은 경험을 향상 시킬 수 있습니다.

데이터는 강한 하지 않습니다 그것에 대해 사로 잡혀, 그냥 데이터의 기복에 초점을 하지 않습니다 하지만 실제 사용자 이유 및 데이터 분석 지원 단지 뒤에 요구 사항 분석.

모든 디자인에 대 한 테스트 및 데이터 검색에 의존 하지 않는 하 고 각 테스트에 필요한 시간과 개발 비용이 너무 높다. 비록 디자이너 100% 정확한 판단을 할 수 없습니다 하지만 효과적인 작업 습관 및 요약 분석, 결합 여전히 크게 향상 시킬 수 있는 디자인의 정확도 및 또한 디자이너의 가치는 솔루션의 효율성.