
如何讓用戶更方便快捷地在網(wǎng)站上尋找到他們需要的信息,當(dāng)然不能脫離博客的主題——網(wǎng)站數(shù)據(jù)分析,所以這里主要介紹的是如何通過網(wǎng)站分析來優(yōu)化網(wǎng)站,實(shí)現(xiàn)用戶對信息的快速獲取,首先介紹的是網(wǎng)站的信息架構(gòu)。
關(guān)于信息架構(gòu),網(wǎng)站設(shè)計(jì)的同學(xué)才是專家,我在這里只是班門弄斧,根據(jù)大學(xué)里面閱讀的信息架構(gòu)類文獻(xiàn)資料的一些殘存的記憶,再加上這幾天臨時(shí)抱佛腳的簡單溫習(xí),在這里表述一下我的一點(diǎn)拙見。
根據(jù)維基百科的定義,信息架構(gòu)(Information Architecture,簡稱IA)是在信息環(huán)境中,影響系統(tǒng)組織、導(dǎo)覽、及分類標(biāo)簽的組合結(jié)構(gòu)。它是基于信息架構(gòu)方法論,并運(yùn)用計(jì)算機(jī)技術(shù)管理和組織信息的一個(gè)專門學(xué)科。信息架構(gòu)并非一開始就應(yīng)用于網(wǎng)站設(shè)計(jì),其起源于情報(bào)科學(xué),最初應(yīng)該是用于圖書館等地方的信息組織和信息檢索的。
《用戶體驗(yàn)的要素——以用戶為中心的WEB設(shè)計(jì)》這本書中對信息架構(gòu)的定義基于網(wǎng)站設(shè)計(jì):信息架構(gòu)著重于設(shè)計(jì)組織分類和導(dǎo)航的結(jié)構(gòu),從而讓用戶可以提高效率、有效地瀏覽網(wǎng)站的內(nèi)容。
具體的就不再多說的,可能各有各的理解,這里直接來看一個(gè)實(shí)例——Wordpress的信息架構(gòu)模式:
當(dāng)然,上面這個(gè)圖只能展示一個(gè)大體的網(wǎng)站信息架構(gòu),中間的類目層也許不止一層,會有大類、子類、子子類……底層可以是文章也可能是頁面或者一些其他的具體內(nèi)容。而網(wǎng)站的內(nèi)部關(guān)系也往往因?yàn)槿只蚓植繉?dǎo)航、網(wǎng)站內(nèi)鏈和內(nèi)容關(guān)聯(lián)等功能的存在而復(fù)雜的多,圖上的箭頭也會密集很多,但我們無需羅列所有內(nèi)容間的關(guān)系,關(guān)鍵是在理清基本的結(jié)構(gòu)。
還是參考《用戶體驗(yàn)的要素——以用戶為中心的WEB設(shè)計(jì)》中對信息架構(gòu)的幾個(gè)分類:
也叫樹形結(jié)構(gòu),是最常見的網(wǎng)站信息架構(gòu)模式,上面舉例的Wordpress的信息架構(gòu)就是典型的層次結(jié)構(gòu)。樹形結(jié)構(gòu)中箭頭的方向不一定是自上而下的,也可能是自下而上或者是雙向的,而內(nèi)容層之間也會因?yàn)橐恍╆P(guān)聯(lián)鏈接的存在而存在同層次間的指向箭頭。
矩陣結(jié)構(gòu)比較注重“維”的概念,即從多維的角度來檢索信息,如時(shí)間、地域、內(nèi)容分類等,典型的應(yīng)用就是內(nèi)容管理系統(tǒng)(CMS)網(wǎng)站或者電子商務(wù)類網(wǎng)站,比如你瀏覽豆瓣的電影時(shí)可以篩選:2010年—美國—科幻,也許這個(gè)時(shí)候《鋼鐵俠2》就呈現(xiàn)在你面前了。
看到線性結(jié)構(gòu)也許你馬上會想到面包屑,它將網(wǎng)站中最重要的一個(gè)信息架構(gòu)路線展現(xiàn)了出來,即使它無法為你提供你在網(wǎng)站上的平面坐標(biāo),但至少它顯示了你現(xiàn)在正處于關(guān)鍵線路的哪個(gè)點(diǎn)上;當(dāng)然,網(wǎng)站的一些關(guān)鍵路徑一般也是按照線性結(jié)構(gòu)涉及的,比如用戶注冊流程或電子商務(wù)網(wǎng)站的購買流程等。
根據(jù)網(wǎng)站業(yè)務(wù)模式的不同,可以選擇適合自己網(wǎng)站的信息架構(gòu)的模式,無論是上面的哪種信息架構(gòu)模式,只要設(shè)計(jì)和運(yùn)用合理,用戶便能夠在你的網(wǎng)站上以最方便的形式、最快的速度找到他們需要的信息。
但當(dāng)我瀏覽某些網(wǎng)站時(shí),有時(shí)真的會讓我感覺到“找不到北”,結(jié)果就是直接關(guān)閉該頁面,如果不希望讓已經(jīng)進(jìn)入了你的網(wǎng)站的用戶輕易地離開,網(wǎng)站信息架構(gòu)的好壞將直接影響網(wǎng)站的用戶體驗(yàn)。所以我們需要通過一些方法來檢驗(yàn)網(wǎng)站的信息架構(gòu)是否滿足用戶的信息檢索的需求。
這個(gè)是最簡單最直觀的方法,如果你的網(wǎng)站信息架構(gòu)足夠清晰,那么畫出這樣的圖對你來說也絕非難事;而當(dāng)網(wǎng)站的應(yīng)用比較復(fù)雜、內(nèi)容比較寬泛,那么可能要整理出網(wǎng)站的整體信息架構(gòu)就會相對困難,但我相信一個(gè)設(shè)計(jì)優(yōu)秀的網(wǎng)站只要稍加整理,大體的信息架構(gòu)圖還是畫得出來的;而當(dāng)你絞盡腦汁就是理不清你的網(wǎng)站的信息架構(gòu)的頭緒的時(shí)候,那么說明你的網(wǎng)站需要優(yōu)化了。
本文的副標(biāo)題是“讓用戶更容易地找到需要的信息”,所以我們需要分析用戶是否能夠在你的網(wǎng)站上方便快捷地找到他們需要的信息,這里推薦一種方法——尋找網(wǎng)站中的迷失用戶(Lost Visits)。
在一個(gè)合理的信息架構(gòu)下,大多數(shù)的用戶是不會在你的網(wǎng)站上迷路的;反之,混亂的信息架構(gòu)會導(dǎo)致大量的用戶迷失方向,就像是進(jìn)入了一個(gè)巨大的迷宮。那么如何尋找這些迷失用戶?我們可以先分析下這類用戶的行為,最明顯特征的就是:連續(xù)點(diǎn)擊好幾個(gè)頁面,每個(gè)頁面都只是初步瀏覽(因?yàn)闆]有找到他們需要的信息)就轉(zhuǎn)到另外的頁面或直接離開了。所以我們可以借助網(wǎng)站分析中的兩個(gè)度量:
瀏覽頁面數(shù)(Depth of Visit):一次訪問中用戶總的瀏覽頁面數(shù);
頁面平均停留時(shí)間(Avg. Time on Page):一次瀏覽中用戶在每個(gè)頁面的平均停留時(shí)間,即該次訪問總停留時(shí)間(Time on Site)/該次訪問頁面數(shù)(Depth of Visit)。
我們可以用戶細(xì)分的方法把那些瀏覽頁面數(shù)較多,但頁面平均停留時(shí)間較短的用戶瀏覽看作是迷失用戶,具體的數(shù)值可以根據(jù)網(wǎng)站自身的特點(diǎn)進(jìn)行定義,比如我定義我的博客中瀏覽頁面數(shù)大于等于4,而頁面平均停留時(shí)間小于等于15秒的Visits為迷失用戶的瀏覽行為,我們可以借助Google Analytics中的高級群組(Advanced Segment)來區(qū)分出這類用戶,關(guān)于如何使用Google Analytics的高級群組功能,可以參考藍(lán)鯨的文章——Google Analytics功能篇—高級群組,如下圖:
當(dāng)然,你可能會說這種用戶區(qū)分的方法不準(zhǔn)確,這類用戶不一定就是迷失用戶,也有可能他們確實(shí)找到并瀏覽了具體內(nèi)容,但因?yàn)閮?nèi)容不夠吸引人或者其他原因而馬上離開了該頁面。所以這里用高級群組劃分出來的這類Visits的數(shù)量不能看作是迷失用戶的一個(gè)絕對數(shù)值,我們只能認(rèn)為里面的大部分Visits都是迷失用戶,而不排除存在某些另類。所以更合理的方法是通過計(jì)算這類Visits占網(wǎng)站總Visits的比例情況來分析網(wǎng)站的信息架構(gòu)到底是否合理,我們可以在Google Analytics上面選取網(wǎng)站的All Visits和Lost Visits進(jìn)行比例和趨勢的比較,如下圖:
網(wǎng)站中迷失用戶瀏覽的所占比例只需通過Lost Visits/All Visits就可以計(jì)算得到,但這個(gè)時(shí)候你還是無法根據(jù)這個(gè)計(jì)算結(jié)果來評判網(wǎng)站的信息架構(gòu)到底是好是壞,因?yàn)檫€缺少一個(gè)基準(zhǔn)線(Benchmark)或者說是評判標(biāo)準(zhǔn)。在Google Analytics上面的Visitors標(biāo)簽下,提供了“Sites of similar size”的基準(zhǔn)比較(Benchmarking),你可以選擇與你的網(wǎng)站相似類型的網(wǎng)站作為基準(zhǔn)線進(jìn)行數(shù)據(jù)比較,這的確是個(gè)很好的參考,因?yàn)橥ㄟ^比較能夠更加明確你的網(wǎng)站在同類型網(wǎng)站中的優(yōu)勢和劣勢,為網(wǎng)站優(yōu)化指明方向。GA借助其強(qiáng)大的數(shù)據(jù)平臺可以為我們提供基準(zhǔn)線,但也許對于上面這個(gè)例子會顯得無能為力,這個(gè)時(shí)候需要我們理性地自己去選擇一個(gè)合適的基準(zhǔn)線,比如我的博客目前類目和內(nèi)容都還比較少,那么我可能會定義我的網(wǎng)站的迷失用戶比例應(yīng)該控制在1%以下;但如果對于一個(gè)應(yīng)用和內(nèi)容比較復(fù)雜的網(wǎng)站,那么基準(zhǔn)線顯然會需要定得更高一點(diǎn)。一旦某段時(shí)間的數(shù)據(jù)越過了基準(zhǔn)線,就需要關(guān)注一下網(wǎng)站的信息架構(gòu)是不是在趨于混亂了,是不是該進(jìn)行一下整理和優(yōu)化了。
總之,一個(gè)好的信息架構(gòu)能夠幫助用戶更容易地找到他們需要的信息,從而有效地提升網(wǎng)站的用戶體驗(yàn),所以,嘗試著去優(yōu)化下你的網(wǎng)站的信息架構(gòu)。如果你有更好的方法能夠有效地檢驗(yàn)網(wǎng)站的信息架構(gòu)的優(yōu)劣,或者能夠明確地分析得到網(wǎng)站信息架構(gòu)的哪些細(xì)節(jié)上存在缺陷,希望能與我交流,我期待網(wǎng)站分析方法在優(yōu)化網(wǎng)站信息架構(gòu)方面的更多的應(yīng)用。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10