圖5
每一列都是某一個元素的點擊量以及在這些點擊之后發生的訂單轉化的對應數量。從上表中可以看到，如果用戶發生了查看評論或是查看圖片的行為，那么發生轉化的幾率要大于點擊其他元素的用戶。尤其是“查看評論”，它雖然沒有獲得很好的點擊量，但卻有最高的轉化發生傾向。
數據做到這里，我們可以確定一些事情，但我們也多了一些疑問。為什么評論對轉化的促進在這個案例中看起來最顯著?什么樣的評論都促進轉化，還是只有部分更促進轉化呢?為什么隱藏報價對轉化率的促進要比展開價格對轉化率的促進還要大?這些疑問，尤其是與評論內容相關的，我相信你網站分析工具無法直接給你解答。
但沒有解答并不意味著我們無法實現優化，下面的內容將會幫助大家用其他方法解決這個問題。
在上面的這個例子中，我們能夠通過網站分析工具知道有一些網站元素對轉化有更為重大的意義，但我們還無法知道應該如何修改這些元素以進一步促進轉化的提升。分析告訴了我們該要努力的方向，但沒有給出我們應該做出何種努力的答案。
答案從何而來?
現在，你和我一樣，都想問一個問題，我們應該如何獲得答案呢?
我們需要依賴兩件事情，其一，是這個宇宙賦予我們的偉大財富——我們的經驗和直覺;其二，是這些經驗和直覺經過驗證之后形成的事實。
在上面的例子中，我們知道“查看評論”對轉化率有很大的相關性，我們也知道“查看評論”并沒有獲得很大的關注，因此我們憑著我們的經驗和直覺，對這個問題提出我們認為可能會奏效的解決方案：
1. 我們需要把“查看評論”按鈕，乃至評論本身放在頁面中更顯著的位置上，甚至給予更加明確的引導，以獲得用戶更大的關注;
2. 我們認為“查看評論”之所以能夠與轉化率極為相關，是因為正面評論的作用，我們需要引導用戶發出更多積極正面的評論，以打消其他用戶的顧慮。
這兩個解決方案會奏效嗎?有經驗的從業者會說，沒問題，但是否真的靠譜，我們誰也不能在做出這些改變前就做出100%有效的承諾，不僅我們不能，所有的星座分析家也都不能。
如果你是分析優化師，最好的“保護”自己和公司的方法是告訴自己的老板——我相信這些措施對于進一步改善我們的轉化率具有積極作用，但是保險起見，我們需要做一些測試以確保它們真的奏效，并且這些測試能夠告訴我們更多關于用戶習慣和想法的關鍵信息。
本文版權歸“網站分析在中國CWA”及其作者宋星，欲轉載，請聯系作者
如果你這么說，那真的好極了。分析師最大的特點是不會輕易對任何事情下斷語，他們看起來似乎有些優柔寡斷——你的朋友現在這么評價你了嗎?恭喜你，你已經是一個合格的分析師了。
測試
毫無疑問，測試是上帝給我們的最棒的武器。測試不代表著某種正式的東西，如果我們失敗了，我們大可以說，這是一次測試而已。于是我們有更大的自由度和更放松的心態——這對找到真正有?卸員仁被崾艿膠芏嗤獠炕肪車撓跋歟??縭奔洹Ｄ憧梢栽誆煌?氖奔潯冉賢?桓鍪攣錚??繅桓鐾?駒?月1日上線了新的首頁，你可以比較整個5月和整個6月首頁的表現，但問題是，5月和6月有很多不同，例如6月可能會做促銷，或者5月的流量來源主要是搜索引擎流量而6月主要是直接流量。其二，比較本身也可能受到樣本的影響，尤其是在進行用戶可用性測試的時候，我們不大可能隨機選取一萬個人進行可用性測試，因此我們只能認為某幾個我們選取的樣本能夠代表大多數，但事實上任何個體都不無法真正代表大多數。
網站分析所應用的AB測試能夠解決這兩個主要問題的原因在于它能夠實現對同時發生的隨機的總體(而不是樣本，除非你要限定樣本)的比較。這句話有點拗口，簡單說來，就是AB測試能夠在同一個時間、基于所有的用戶，對兩個或者多個不同的比較對象進行對比。
本文版權歸“網站分析在中國CWA”及其作者宋星，欲轉載，請聯系作者
舉一個網站分析常見的例子——我們現在覺得首頁不那么好了，于是我們讓設計部門設計了一個新的首頁。新的首頁看起來很不錯，但我們不知道我們目前網站的用戶是否喜歡它。于是我們做AB測試——我們把原來的首頁(A頁面)和新設計的首頁(B頁面)同時上線，我們的用戶還是輸入以前網站的域名，所有的流量渠道也仍然都指向以前的首頁(A頁面)。但奇妙的是，盡管所有的流量都是進入的A頁面，但一部分的用戶(一般都是一半的用戶)看到的并不是A頁面，而是B頁面，并且他們將一直看到B頁面，而另外一部分用戶則還是一直看到A頁面，直到測試結束。這部分看到B頁面的用戶使我們專門選出來的嗎?完全不是，他們是完全隨機被分配到B頁面的。
圖7
因此，AB測試做同一頁面的不同版本分析真是太好了——它不受時間的影響，因為測試是同時發生的，它也不受樣本的影響，因為所有的用戶都可以參與測試，而且用戶的分配也是完全隨機的。
這里順便描述兩個概念，值得被記住——分配到原始的A頁面的用戶叫做對照組(control group)，分配到B頁面的用戶叫做曝光組(exposure group)。
AB測試并不是只用于測試兩個對象，其實可以測試兩個或兩個以上的對象，在測試多于兩個對象的情況下，對照組就相應增加而已，每個對象分配到的用戶比例就相應減少了。
AB測試的原理就是這么簡單，但還有一些其他的注意事項和使用方法，在今天的文章中就不多談了，我們在未來的文章中做相應的專門的介紹。
AB測試確實能夠幫助我們解決一些懸而難決的問題。在前面的那個酒店網站的例子中，我們可以通過AB測試決定什么樣的圖片或者評論更能夠增加轉化。
產品經理告訴我，他的經驗是帶有干凈浴室的圖片更能引起人們對于整個酒店好的感覺(事實上這個經驗可以通過網站分析的方法進行驗證，即查看那些洗浴間的照片是否會被更多的查看，但由于照片排放位置因素的影響，這個驗證稍微有些麻煩)，于是我們把一個酒店的圖片分為三類，一類沒有洗浴間的照片(A)，另外一類帶有普通洗浴間的照片，并未做特別的優化(B)，最后一類是選擇性優化拍攝和處理的洗浴間的照片(C)。在此基礎上，我們為這個酒店的booking page做了專門的三個版本，除了照片不同，其他完全一樣。
推薦閱讀
對媒體來說，微博在某種程度上來說似乎是救命稻草，媒體的聲音被放得更大。微博是一個新生事物，具體如何做都在摸索。但是，不管如何探索，媒體的微博都應有一定的底線和操守，同時作為一種新興的媒體渠道，它的考核>>>詳細閱讀
本文標題：<b>網站分析：電子商務關鍵數字優化線上部分（下）</b>
地址：http://www.brh9h.cn/a/22/20120703/72922.html
網友點評
精彩導讀
科技快報
品牌展示