來源:互聯網
上載者:User
關鍵字
當當
銷售排行榜
通過
對於
電子商務網站
在當當上買書,買了自己想要的書後,想再挑選幾本其他領域(例如銀行會計學原理)的經典圖書看看。 對於自己熟悉領域內的圖書挑選相對容易,基本上通過朋友間推薦、Blog、Twitter、SNS、專業論壇等的口碑方式較容易得知那些圖書被大家所推薦。 但對於自己並不熟悉領域的圖書的優劣就無從判定了。 通過豆瓣、HTTP://www.aliyun.com/zixun/aggregation/8699.html">關聯推薦、關鍵字搜索等方式找了半天也沒找到合適的圖書,閒逛時候方向了當當的「當當榜」,使用了一下, 效果還不錯,找到了幾本不錯的圖書。
一般來說,我對圖書的選購都是通過如下一些方法:
1)、標籤/關鍵字搜索法:如果知道內容的標籤/關鍵字,則在當當、亞馬遜、豆瓣上以關鍵字進行搜索,然後在搜尋結果中一條一條遍歷,根據評分、評價內容等來判定是否值得購買。
2)、關聯推薦法:通過豆瓣/當當、亞馬遜上圖書的相關推薦來查找
3)、分類遍歷流覽法:如果不知道明確的標籤或關鍵字,則通過當當、亞馬遜分類流覽方式進行遍歷查看,然後結合評分、點評內容來決定是否值得購買。
4)、Web2.0 新媒體法:通過搜尋引擎、Twitter、專業論壇、SNS社區以及業務專業人士的Blog等方式,看那些圖書被極力推薦。
5)、銷售榜單法:查看各大網站的銷售排行榜單,看那些圖書是熱銷的、評分高的等
當然這些方法並非完全獨立的,各種方法之間很多時候是結合使用的。
相對於其他方法的優缺點有眾多人專業人士在長篇累牘地討論,銷售排行榜的設計問題很少有人談及,很值得深入思考和討論,因此記錄一下不成體系的思考。
1、銷售排放榜作用
1)、展現網站精品,説明使用者決策
2)、體現流行趨勢,引導使用者消費
3)、作為運營指標,優化運營效率
2、榜單設計
在幾大電子商務網站中,只有當當把排行榜單獨出來放在一級導航功能表,並且在排行榜分類上也更多層次、多維度,而其他的網站的排行榜基本上只是簡單的分類銷售排行榜或是根本沒有排行榜概念。 或許這些網站覺得銷售排行榜毫無價值,沒必要像當當那樣投入大量精力去優化這一部分的使用者體驗。
對我而言,「當當榜」還是挺有用的,通過「當當榜」我發掘了幾本不錯的圖書。 相對於以前原封不動抄襲亞馬遜而言,當當的這一「原創」做法還是值得稱讚的。
下圖是粗略的「當當榜」的結構。
2.1、榜單設計標準
怎樣設計一個好的榜單不是我關心的內容,我比較感興趣的是:一個好的榜單設計的標準應該是怎樣的呢?
個人覺得,一個好的榜單的標準應該是:多維度、多層次展現網站產品的精品內容,説明使用者快速挖掘出有價值的產品
多維度
所謂多維度是指榜單應當從多個維度來描述榜單產品的內容,滿足使用者多視角對比需求,包括:
1)、時間序列:以不同時間段形式來展現榜單內容,或是不分時間段(累計榜)形式來展現
2)、Web2.0元素:包括使用者評分、收藏數、搜索數、點擊數、標籤(tag)、使用者群、分享數、評論數等
3)、銷售量
4)、產品類別
5)、趨勢
6)、產品群組
7)、專題
8)、地域
等等
多層次
所謂多層次是指榜單的展現應該以層次化的形式逐級細化,符合使用者由粗到細、由總到分的流覽習慣。
例如「當當榜」的五星圖書榜->歷史類->累計榜->TOP50
整體說來,按照我這標準當當榜做得還是不錯的。
2.2、使用者體驗及產品設計
只不過在產品設計及使用者體驗上,「當當榜」尚有許多值得改進的地方,例如:
1)、各榜單內容只是在「當當榜」才有入口,其實如果各產品詳情頁面左側的推薦欄中能夠放入當當榜的內容,對於促成使用者決策還是很有説明的。
2)、「當當榜」如果能夠與諸如各大出版社聯合發佈圖書排行榜,進而成為業內權威的排行榜,對於當當而言也是一種寶貴的品牌資源。
3)、在目前的EDM中有「當當榜」的連結,但對於大部分人並沒有太大感覺,可以在EDM中根據使用者興趣突出「當當榜」對應推薦內容
4)、「當當榜」可以適當採用一些圖形化的形式來展現相關的趨勢,這比數位更加直觀明瞭。
2.3、系統榜單 VS. 使用者榜單
目前「當當榜」的榜單內容應該是通過OLAP方式由系統根據模型匯總統計出來的,這種方式姑且叫「系統榜單」。 系統榜單更擅長反應系統以往及當下銷售的熱點產品,在使用者互動上並不是很強。
由於電子商務與社區結合是一種趨勢,因此如果能夠結合社區活動,以專題、投票、小組等形式推出使用者自訂榜單,例如「產品經理必讀的十大圖書」、「架構師必讀的十大圖書」等,對於活躍社區氣氛、加強與使用者互動、 促進使用者購買還是很有意義的。 這一點可以學習Twitter lists的設計理念。
2.4、榜單與推薦系統
榜單與推薦系統本身並不矛盾,兩者的目標都是説明使用者發掘有價值的資源。 原來在研究推薦引擎時候一直關注推薦引擎的關聯演算法、協同過濾演算法等機器演算法,其實榜單內容既可以作為推薦資料來源之一,也可以一定程度上緩解推薦演算法的「冷啟動」等問題。
來源:HTTP://www.yeeach.com/2010/05/03/電子商務網站銷售排行榜設計思考/