天天干人人-天天干免费视频-天天干狠狠操-天天干狠狠-国产美女久久精品香蕉69-国产美女精品在线观看

首頁問題難以解決的原因存在于如下幾個方面。首先，首頁是一個信息集合體，它的作用及目標的指向性其實要比其他所有頁面都模糊，這使優化首頁變得有些“無的放矢”。 這意味著，在對首頁資源進行分配和優化前，我們必須要搞清楚，我們到底要讓首頁達成什么樣的目的？就這個問題，我仔細詢問了老謝，我問他，你們是否尤其在意公司的品牌形象、公司銷售產品的調性（是否高端或者至少不低端），或是需要特別凸顯你們在業界一流的水準和權威性？如果答案是“是”，那么，我們簡單使用一些“功效性”的指標來衡量首頁就不再適宜，而必須考慮到首頁所起到的“公益性”價值。這類似于我們在進行互聯網營銷時候的“效果營銷”和“品牌營銷”的分野. 如果你的目的是品牌，那么不以銷售或轉化效果為導向，甚至以犧牲相當部分的轉化效果為代價，都是可以理解的。這種情況下，你可能會覺得“政治”的因素在左右你的首頁，而優化首頁的目標、過程與結果也不再那么“定量化”，但目標如此，也就沒有什么想不通的了。不過，如果首頁的目標是為了最大化現時的經濟利潤，事情就會好辦的多，我們可以清晰的定義需要采用的度量，有條不紊的進行我們的測試，并且給出足夠證明結果與影響因素的分析與結論。 因此，在下面的討論中，我們全部假定首頁的目標是“功利的”，即為了實現現時經濟利益的最大化。 一般方法：誰更有產出？ 解決首頁問題的一般方法并不會超出大家的預料——業績說話。平息爭論最好的方法是“是騾子是馬拉出來溜溜”。對于老謝公司的問題，似乎完全可以承諾：“我們現在的這個星期會保持以第三方商家廣告在首頁，而下一個星期，我們則會放上內部自營部門的商品推薦?！眱蓚€星期后，我們看數據說話。 我們最后看的業績數據當然是收入數據（對于第三方平臺部門是收取的營銷廣告收入，對于自營部門則是銷售毛利）。如果你們的情況跟老謝不同，而跟我之前的公司類似——沒有第三方平臺業務，而全部是自營，首頁的爭奪是不同品類事業部之間的爭奪——那么業績數據比較則更簡單，即比較不同部門在規定時間首頁亮相之后，誰貢獻的毛利更多。 我相信大部分運營朋友能想到的方法都會是這樣，這種方法直觀，操作也簡單，而且似乎也容易說服大家接受。 且慢！ 如果你真的準備采用這個方法，我擔心最終的情況是十有八九無法落地。 問題不在于我們設置產出作為比較關鍵點是否合理。一般而言這么設置是正確的，無可厚非。問題在于：比較不同首頁設置所需要花費的時間是一個很大的現實障礙。一般而言，積累數據怎么著也需要一周時間，而進行兩個不同的測試最少也要兩周——兩周的時間，企業各部門根本沒有這樣的耐心。就算有耐心，時間仍然是問題，因為誰也不能保證在這段時間環境不發生變化，例如在第二周公司突然進行了全場范圍的折扣促銷，那么第二周的績效就與第一周不能相提并論了?？傊?，時間變化了，環境一定會發生變化，這不是apple to apple的比較，肯定不能達到你期望的公平比較的效果。 那么，怎樣做才能幫我們得到公平有效的比較結果？ A/B測試優于分時測試 我們必須進行A/B測試。如有可能，互聯網營銷的所有比較都應該采用AB測試而非分時測試。A/B測試避免了上面分時測試的尷尬——AB測試是同時的（消除了時間造成的環境變化），樣本是隨機的（降低了樣本偏差），過程是可控的（我可以隨時停止），結果也能夠實時反映。這些都注定了這種方法意義重大。 常做A/B測試的電子商務公司，往往具有更高的運營水平。關于什么是A/B測試，請看幾眼這篇文章：Avinash – 卓越分析系列2：實驗和測試啟蒙。　 如果使用Google Analytics，它已經自帶了A/B測試的工具（是整合了之前獨立的Google Website Optimizer工具），在比較我們希望看到的產出效率上，只需要簡單設置即能夠實現我們的需要。例如下面這樣的設置，“Transactions”是指你測試的兩個首頁各自帶來的交易的數量，而25%是指你做測試的時候所選取的流量為到達首頁的總流量中的25%，即分別統計的兩個首頁的流量為12.5%和12.5%——事實上其中一個首頁肯定獲得了87.5%的流量，但A/B測試工具統計時也只隨機選取了其中的12.5%。顯然，選擇越小的比例越安全，但是積累數據所花費的時間就越長。 A/B測試幾乎是唯一能夠最終平息爭吵的方法。但A/B測試需要新的頁面，有點麻煩。如果只需要對首頁中的部分內容做測試，例如只是首頁的頂通（leaderboard）是爭吵的焦點，那么有些朋友會考慮選擇多變量測試。這種方法與A/B測試極為相似，但不需要設計多個頁面，而只是把頁面中的局部分成A、B版本進行替換——二者思想是完全一致的。對于首頁的優化，多變量測試看起來不用增加頁面，省去了一些工序，似乎效率更高，但麻煩的地方也正在于此，因為后面你將會知道，專門增加一個B頁面其實還有大用。另外，多變量測試的工具幾乎都是付費的。 世界上最多使用的付費網站分析測試工具是Optimizely和Adobe Test & Target，二者的擁躉幾乎相當，使用起來其實并不簡單?？焖俨渴饘崿F測試的方式，更適合利用Google Analytics的Experiments工具。 AB測試和多變量測試在原本是為實現單個指標的測試而設計的，即，我與你打賭，A首頁比B首頁能帶來更好的轉化率，那么轉化率就是這個賭局（測試）的唯一指標。不過，我們的目的是為了優化網站首頁的資產配置，我們很多時候還要兼顧其他的績效，因此目的也就必然不那么單純。我們接著往下看如何解決這個問題。 產出之外的其他重要行為的指針 如果僅僅只是按照工具的模塊去做一個只有一個指標的測試，那么真是有些糟蹋了測試這個“牛X”的方法。A/B測試最有價值的地方，不是在于它給了賭局一個結果，更重要的在于，它能夠隨機把流量分配到兩個（或多個）目的相同而設計不同的頁面上去。而這兩個頁面的所有用戶行為，又都能夠被網站分析工具忠實的記錄下來供你進行詳細的分析。真是太美妙了?。ㄓ纱丝芍?，事實上，就算沒有一個A/B測試的工具，只要你的網站前端工程師愿意幫你實現流量隨機在兩個首頁上的分流，你手中又有網站分析工具的話，你一樣可以做出非?？煽康腁/B測試。）　 現在，你有了這兩個武器——A/B測試工具實現的自動隨機分流和網站分析工具，你還能做什么呢？ 分析不同資產配置的首頁的關鍵績效指標（KPI）能夠很大程度滿足我們的好奇心，并且讓我們知道不同資源配置的首頁到底如何影響了網站訪問者的行為。這些KPI包括跳出率（bounce rate）、測試區域的點擊率（CTR）、點擊分布（點擊熱圖）和頁面價值（Page Value）等。但我沒有把頁面停留時間囊括在KPI中，因為在首頁上停留時間長短很難說明什么，如果A頁面的停留時間比B頁面停留時間平均多了5秒，或許只是合理范圍內數據本身的擾動。而首頁A/B測試時所體現的相差甚遠的平均停留時間我從來就沒有遇到過。　 上面這些KPI中，我認為最最重要的仍然是跳出率（bounce rate）。如果A首頁的bounce rate比B首頁多出了10%以上，我們有充分的理由懷疑A首頁的效果確實降低了。即使最終的A首頁流量的轉化率比B首頁高（這種逆天的情況極少出現），我們也不能就此下論斷就認為A比B好，而只能說，可能是A首頁推薦的商品品類更容易說服部分人掏錢購買，并因為該局部的提升而使整體轉化率得到提升。 舉一個最簡單化了的例子。假設一個電子商務網站的首頁的頂部有一個各個部門爭奪的推薦商品展示位，為了平息爭議，網站部門進行了一次A/B測試。建立的A、B頁面只是推薦位推薦的商品不同。測試結果如下表所示：A首頁的bounce rate是60%，B首頁是50%。假設兩個頁面分別迎來了1,000個訪問，而且對于沒有bounce掉的visit，購買其他非推薦商品的幾率是一樣的。A頁面有600個訪問bounce掉，剩下400個中有50個購買了A首頁推薦的商品，20個購買了其他商品；而B頁面有500個訪問bounce掉，剩下的500個中有30個購買B首頁推薦的商品，25個購買了其他商品。那么A頁面的最終轉化率是7%，而B頁面是5.5%。 這種情況說明了A首頁推薦的商品對那些喜歡這類商品的人來說實在太好銷了（400人中80人購買），但其他的人則可能因為這個商品的影響而對這個首頁興趣下降（跳出率為60%）。A首頁更好？抑或是不好？結論完全取決于你們自己的評判標準（例如加入其他的關鍵指標，比如產生的銷售額或是利潤）。但如果我們只是用Google Analytics的Experiments功能做了一個A/B測試，并且設置轉化率為衡量標準，那么我們就只能得出結論——A首頁好于B首頁。但事實情況是，A首頁并不見得比B首頁更好，雖然它推薦的商品更受部分人追捧，但卻降低了頁面整體的表現，并影響了其他的銷售機會。 因此我不是特別喜歡一賭定江山的單純測試。我更想知道兩個不同頁面究竟引發了人們何種行為上的差異，以及為什么發生這樣的差異。 研究測試區域（首頁上被改動的區域）的點擊率變化是最直觀的觀察人們因為首頁改變而行為改變的指針。這個點擊率的定義是：首頁該區域鏈接被點擊的次數（實際上是首頁該區域鏈接被點擊后打開頁面的PV數）除以首頁的訪問數。一個區域發生變化后，若它自身的點擊率顯著提升，且其他區域的點擊率并未明顯降低，顯然說明這個變化是有價值的。在下面的例子中，BCD三個新的首頁分別對原始首頁做了修改，同樣區域內，內容不同，點擊率也相應不同，而左側的鏈接的點擊率實際上沒有發生明顯變化，很顯然D首頁的效果最好。這個例子四個版本其實賣的是一種商品，但我們完全可以想象它分別推廣的是四個不同部門的商品，各個部門的表現各有千秋，最終D部門在吸引人們注意力上勝出（測試區域的點擊率最高）。 不過，如果首頁整體發生了明顯的調整，單獨測試區域也就不再存在了。這時我們更常用的做法是通過分析兩個首頁的點擊熱圖，來判斷人們的興趣因此發生了何種改變。下面這個網站是一個UK的工作介紹類專業網站，首頁在一片爭吵中定下來第二版。原始版本（A版）的擁護者認為，訪問者除了想要知道相關工作需求的信息，還想要了解其他的能夠幫助他們學習如何找工作的相關技能和經驗，因此頁面中放置更多信息是必要的。第二版（B版）的支持者則反對這個觀點，他們希望更純粹的首頁，即明確的幫助人們找與他們專業對應的工作，而把更細分的分類和信息，交由點擊相關分類或導航之后的頁面來完成。 我們先看看這里說的A版和B版都是什么模樣： A版首頁如下： B版首頁如下： 現在，兩版首頁被放置在AB測試的舞臺上，等著觀眾們的投票。我不想給大家懸念，最后的結論是B版頁面的Engagement以超過A版21%而勝出。但原始版本改變為第二版之后，用戶的行為發生了什么樣的改變？下面的點擊對比圖展示了一些現象。所有的數字為假設兩個頁面均獲得了1,000個訪問，相應區域所獲得的點擊數。 A版頁面的訪問者似乎稍微更依賴于導航找尋他們想要的內容，A頁面的導航點擊相比B更多。A頁面在找工作的分類上（頁面上方的Accouting、Banking、Consulting、Law和More的五塊分類區域）傾注了更多細節，卻反而比B頁面獲得的點擊更少——這說明信息多并不一定能獲得更多點擊。有限空間的信息總是很難周詳，沒有放上去的信息反而容易被用戶誤認為缺乏該信息，造成用戶反而放棄點擊查看究竟；相反，僅僅給出大的分類和吸引眼球的大圖，反而更容易引發用戶探索的愿望。A頁面的相關下載資源（左頁26個點擊的區域）也并未在首頁得到賞識，但事實上這些下載是網站中最受歡迎的內容之一。首頁功能的多重化分散了人們的注意力，也忽略了人們接收信息的先后次序，人們未必需要在剛看到首頁還沒有回過神的時候就進行下載。 B首頁因此而獲得更好的點擊效果，1,000個訪問的總點擊數量是776，比A首頁的639個點擊多出了21%。信息和視覺元素的集中與精簡對人們心態和行動的影響，在點擊熱區圖上被清晰的展現出來。