userfly几乎可以监控用户在网站上的所有操作，通过视频的方式录制并提供回放和下载，可以记录的用户行为包括：

• 监控鼠标的移动、点击和选取；
• 监控文本框的输入、选择框的选取；
• 记录页面的缩放、上下滚动和页面浏览的跳转；
• 监控对链接、按钮的有效点击；
• 排除对用户输入密码的记录，保护隐私。

　　我看到的就是这些，也许还有更多，这里将试用该工具录制下来的网页录制成了Flash视频：

　　看到Demo的效果时，我有被这个工具吓到，上面是我在自己博客中的试用，可以看到几乎一切的操作都被录制了下来，包括所有的移动、点击和输入，也包括在浏览文章时可能出现的走神或者离开去做了其他事情，这些都一览无余。我怀疑这是否在一定程度上侵犯了用户的隐私，当然现在我的博客上的监控代码已经撤下来了，大家不用担心自己的操作会被“偷窥”，这里也建议如果你的网站准备使用这类工具最好事先提醒下用户：他们的操作可能会被记录监控，这是对用户的一种尊重。

　　当然这种功能强大的工具不可能让你完全享受免费的午餐，你可以有一个月10次的免费捕捉用户行为的机会，如果需要更多，那么就要支付相应的费用了。建议研究网站用户体验的同学可以去试用下这个工具。

　» 本文采用 BY-NC-SA 协议，转载请注明来源：网站数据分析 » 《userfly—网站可用性测试工具》

相关文章:

1. 优化网站信息架构
2. 提升用户满意度
3. 优化相关内容推荐

　　在前一篇文章——用户任务完成度分析中我似乎遗漏了一个重要的问题：为什么要分析用户的任务完成度？其实每个网站分析的方案和模型都应该具备它的目的和意义，否者就失去了分析的价值。所以这篇文章就是为了回答这个问题，同时也作为“让用户更容易地找到需要的信息”专题的完结篇。

　　所以这里先提出一个假设：让用户更容易地找到需要的信息进而帮助用户完成预期的任务，能够有效地提升用户满意度。

用户满意度的影响因素

　　我们不妨先来看一下用户满意度是怎么定义的，根据美国顾客满意度指数模型（ACSI, American Customer Satisfaction Index）的描述，用户满意度是用户对产品或服务的预期与实际接受的产品或服务的感受间的差距，差距越小，满意度越高。对于以信息服务为主的网站而言，用户访问网站的预期就是找到自己需要的信息，完成既定的任务（寻找信息、购物、娱乐等），那么如何衡量用户实际接受到的网站服务的质量水平，进而推测它们之间存在的差距？对于用户对网站实际的感受，可以从以下3方面体现：

1. 用户是否完成预期任务（网站是否及格）
2. 完成任务过程中良好的体验（也许网站能打八九十分了）
3. 感受创意或意外的收获（获得附加分的机会）

　　所以，保证用户完成预期的任务是网站质量的及格线，也可以看作是网站的生命线。那么任务完成度对于用户满意度是否有这么重要的影响呢？我们需要对以上的假设进行验证。

任务完成度与用户满意度

　　为了验证任务完成度是否对用户的满意度有显著的影响，我们在统计用户任务完成情况的同时，需要收集用户对网站的满意度，所以上篇文章问卷调查中对用户满意度的打分题中采集到的数据就有了用武之地。我们可以通过比较完成任务的用户与未完成任务的用户对满意度的打分是否存在显著性差异的方法来验证任务完成度对用户满意度的影响是否显著。

　　这里可以使用两组独立样本T检验的方法，把问卷调查中采集到的样本数据分为两组，一组是未完成任务的用户的满意度打分，另一组是完成任务用户的满意度打分，我们可以认为这两组数据都是近似的符合正态分布，进而比较这两组样本的总体均值是否存在显著差异。（或许你认为这个结果是显而易见的，这个验证完全是多此一举，那就当我是画蛇添足，无聊打发时间吧。 ）

　　首先提出零假设：

H₀ ： μ₁ = μ₂

　　再将收集到的样本数据通过SPSS或Excel的数据分析功能进行双样本均值T检验，过程就不详细论述了，不然估计很多用户立马会离开网站甚至直接关闭浏览器了。

　　从SPSS的分析结果中可以看出，完成任务与未完成任务用户的满意度打分均值（上面一张表Mean值）可以看出，完成用户的满意度均值明显大于未完成用户。从下面那张表的95%置信区间的检验结果可以看到，F检验的显著性概率为0.847>0.05，所以我们可以认为完成任务用户与未完成任务用户的满意度打分的样本方差没有明显差异；而T检验的显著性（双尾）概率近似于0，小于0.05，因此拒绝零假设，即两个样本的总体均值存在显著差异，进而我们可以得出完成任务的用户满意度显著地高于未完成任务的用户满意度。

　　通过上面的分析，我们验证了文章一开始提出的假设，即用户的任务完成度对提升用户的整体满意度有显著的影响。那么如何通过提高用户的任务完成度来提升用户满意度呢？

如何提升用户满意度

　　提升用户满意度，我们可能需要做很多事情，从全局到细节，需要处处为用户的体验和感受着想。既然我们已经验证用户的任务完成度对用户满意度会产生显著影响，那么我们可以先从提升用户的任务完成度开始。这里可以参考我之前写的关于如何让用户更容易地找到需要的信息的4篇文章——优化网站信息架构，优化网站内部搜索，优化网站导航设计，优化相关内容推荐。

　　这些优化可以从普遍的层面上提高用户的任务完成度，但显然以上这些还是不够的，因为用户的知识构成存在着差异，用户遇到的问题也会各不相同，所以上篇文章的问卷中当用户未完成任务时填写的为什么没有完成任务的开放性问题就能发挥作用了，我们需要针对各类用户（甚至个别用户）遇到的不同问题分别提供有效的解决方案，这也是为什么很多网站都会设置FAQ甚至在线客服的原因。

　　所以我们首先要满足用户访问网站的最基本的期望——完成他们预期的任务，从该层面上提升用户满意度，下面是我画的一个简单的示意图，就作为文章的结尾吧：

　» 本文采用 BY-NC-SA 协议，转载请注明来源：网站数据分析 » 《提升用户满意度》

相关文章:

1. 比较测试的设定和分析
2. Abandonment Rate的影响因素
3. 基于用户细分的比较分析

　　博客之前的一篇文章——优化网站导航设计，介绍了如何评价网站导航功能及基于分析的优化。但后来才发现其中遗漏了Google Analytics上一个很实用的功能——Navigation Summary，字面上翻译是“导航概要”，但似乎用“页面上下游”（百度统计上的称呼，拿过来先借用下）分析更加贴切。它能够很好地分析网站导航的实现度（说得直观点就是导航功能上的有效点击或操作），下面就来介绍下这个功能。

更好地衡量导航实现度

　　先看一下我的“文章专题推荐”这个导航索引页面的在GA的Navigation Summary报表（该功能在Content模块的Top Content标签下面）：

　　从上图可以看到页面被浏览的次数（图中标注1），有多少的比例的Visits是从站外进入这个页面开始访问网站的（图中标注2），有多少的比例的Visits是从网站内部的页面跳转到这个页面的（图中标注3），有多少的比例的Visits在浏览的该页面后离开了网站（图中标注4），有多少比例的Visits从该页面进入了网站的其他页面（图中标注5，4和5部分现在貌似数据有点问题）；同时列出了网站内部前10名的上游页面（浏览该页面之前用户所在的那个页面，图中标注6）和下游页面（浏览该页面后紧接着浏览的下一个页面，图中标注7），及它们各自所占的百分比。这里需要注意的是有时会在上游页面和下游页面出现与选择页面相同的URI地址，比如你选择首页（/）进行分析，上游页面和下游页面也出现了首页地址（/），这个主要是刷新操作引起的，GA会把页面刷新统计到Pageviews里面。

　　通过上面这个功能，我们就不再需要通过导航页面的离开率（Exit Rate）来粗略估计有多少的Visits留在了网站并可能点击了导航页面的链接。并且通过Navigation Summary我们不仅可以看到有多少Visits从导航页直接离开了，而且可以通过分析导航页的下游页面更加准确地衡量有效点击率，排除那些刷新、返回或者调到其他非导航列表页的操作，将那些导航页面中的链接的点击率（%Clicks）相加，就是该导航页面的有效点击转化（CTR），也就是该导航功能的实现度指标了。以上表为例，排除返回首页（/）、页面刷新（/featured-topics/）及跳转到非导航页面中的页面（/about/、/site-map/等）这些点击，将剩下的实现了导航功能的有效点击率相加就是该导航功能的实现度，可惜GA上的上下游页面都只能显示前10个。

　　上面是对前一篇关于优化导航设计的内容的补充，其实页面的上下游分析是一种很有效的网站分析方法，不仅可以用于分析导航实现度，下面介绍一下它的另外一种应用——相关内容推荐效果分析。

网站的相关内容推荐

　　博客之前的一篇文章——优化网站信息架构中介绍了大部分的网站可能都是基于树形结构来进行购建的，但是原始的树形结构本身存在一个问题就是叶子节点（或者说是网站的内容节点）之间没有直接的联系，也就是用户无法从一个底层的内容页直接跳转到另外一个底层内容页，需要返回首页或者中间导航索引页面才能进入其他的内容页面，从那篇文章的树形架构图中也有体现，底层页面之间没有直接相连的线条。所以很多网站都会在内容的结尾或侧边栏提供相关内容的推荐，比如亚马逊、淘宝等电子商务网站产品页面会有同类别、同价位的产品推荐，或者是用户在购买该产品的同时也购买了的产品推荐，豆瓣上的书籍、音乐、电影页面也提供了相关内容的推荐。

　　这些功能很多都是基于内容相关度的算法来实现的，之前的文章——向上营销、交叉营销与关联推荐介绍过基于用户行为的关联推荐方法。其实很多博客也有类似的功能，即每个文章结尾的相关文章，下图是我的博客的电子商务网站RFM分析这篇文章的相关文章列表：

　　我是用Wordpress的插件——Yet Another Related Posts Plugin来实现这个功能的，按照插件的介绍，它是通过计算文章的标题、正文、标签和分类的相关度选取排名前几的显示到页面上。这个功能很棒，它打通了文章页面之间的通道，也许用户在看完一篇文章之后还想浏览下相关的文章，那么相关内容推荐就提供了很好的途径，用户不需要再回退到内容的检索页面，直接点击就行，帮助用户更加方便、快速地定位到想要寻找的信息上。

相关内容推荐效果分析

　　网站中的相关内容推荐功能很多都是借助机器算法来自动生成的，所以从某种层度上来说，算法一定会存在优劣，我们需要通过分析来评估功能的实现效果，从而不断地对算法进行优化。而基于用户浏览行为的分析是评估功能实现效果的最有效的方法，所以网站分析又有了用武之地了，上面介绍的Google Analytics上的Navigation Summary就是非常适合用来分析相关内容推荐效果的工具。这里还是以电子商务网站RFM分析这篇文章的上下游页面分析为例看看我使用的这个插件的效果到底怎样：

　　从上下游页面的列表中查看那些来源于内容页面和去往其他内容页的比例，其中哪些页面的流入和流出的比例最高，然后再与网站相关内容推荐列表中的排名进行比较，这样就能反应网站功能的相关性与用户眼中的相关性是否一致，从而检验功能的实现效果。

　　如果进行算法调整，那么同样可以用该方法检验算法调整前后的上下游页面转化比例，从而衡量在算法调整后相关内容推荐功能是否真正得到了优化。而我们要做的就是通过不断优化相关内容推荐的算法使网站内容的相关度排名与用户对内容的预期相关性尽量达成一致，这样才会使页面上显示的相关内容就是用户想要寻找的内容，从而满足用户的需求。

　　这里需要注意几个问题：

1. 也许一个内容页面里面会有不止一处的相关推荐模块，或者会有多处出现其他内容页的链接，在GA的报表上提供的是所有流入流出的总和，所以如果只是评测某一推荐模块的效果，需要区分该模块中的链接，也许加URL参数会是一个解决方案。
2. 注意数据的时间区间与网站内容的变化带来的相关内容推荐的变化。Google Analytics上默认的时间区间是前一个月，你可以选择合适的区间来进行分析和比较，注意网站内容的更新对相关内容推荐带来的影响。
3. 有些相关内容间的推荐并不是双向的，比如在购买MP3的页面推荐耳塞，而在购买耳塞的页面可能并不会去推荐MP3，所以有时有必要对上游页面和下游页面分开分析，注意转化的方向性。

　　上面就是我想到的Google Analytics的Navigation Summary功能的两个应用实例，你是不是还想到了更多的应用，欢迎分享你的观点。

　» 本文采用 BY-NC-SA 协议，转载请注明来源：网站数据分析 » 《优化相关内容推荐》

相关文章:

1. 让URL更适合分析
2. 优化网站导航设计
3. 优化网站内部搜索

　　之前已经介绍过为了让用户更容易地找到需要的信息，可以对网站的信息架构和站内搜索进行分析和优化，而另一个能对用户起到很好引导作用的就是网站的导航功能，所以这篇文章主要分析用户对网站导航功能的使用情况，并在此基础上合理地优化网站的导航设计。

网站导航的作用

　　网站导航的最终目的就是帮助用户找到他们需要的信息，如果说得详细点，那么可以概括为下面3个用处：

　　1. 引导用户完成网站各内容页面间的跳转。这个是最常见的，全局导航、局部导航和辅助导航等都是为了引导用户浏览相关的页面；

　　2. 理清网站各内容与链接间的联系。即对网站整理内容的一个索引和理解，这个最常见的应用就是网站地图和内容索引表，展现了整个网站的目录信息，帮助用户快速找到相应的内容；

　　3. 定位用户在网站中所处的位置。这个在面包屑导航中得到了充分的体现，它帮助用户识别当前浏览的页面与网站整体内容间关系，及其与网站中其它内容的联系和区分。

网站导航的分析

　　通过分析用户使用网站导航功能的情况，可以来评估网站各导航功能设计上的优劣，这里主要从导航的利用率、实现度、有效性和符合度4个方面进行分析：

利用率

　　网站导航的利用率，即用户使用各类导航功能的情况。最直观的分析方法就是使用点击热图，具体可以参考我之前的文章——网站点击热图，也可以使用页面覆盖图（Overlay），Google Analytics上面默认提供了网站首页的Overlay：

　　从图中可以区分网站首页各区域导航功能的使用情况，包括顶部导航，侧边栏的各导航模块等。如果是独立的导航索引页面，我们可以查看这些页面的浏览次数（Pageviews）、访问量（Visits）等指标来分析它们被使用的情况。比如你通过点击我的博客顶部导航中的“网站地图”进入了分类导航索引页面，会看到该页面的URL地址为http://webdataanalysis.net/site-map/，我们可以在Google Analytics上面通过filter来查看该页面的访问情况：

　　通过比较各导航页面的这些指标我们可以分析得到用户对导航功能的整体使用情况以及各导航的使用比例或使用偏好。

实现度

　　我们需要知道当用户试图使用导航功能时，有多少用户真正点击导航中的链接或者有多少用户进行了下一步操作。所以这里可以分析各导航页面的点击转化率（CTR），即用户在导航页中的点击次数/导航页面被浏览的次数，其实上面页面覆盖图指直接给出了页面中每个可点击对象的点击转化率，你可以将它们汇总就是整个页面的点击转化率，也可以查看导航页面各链接的点击转化率。但Google Analytics上面无法提供一些子页面的覆盖图，只能选择其它的工具或者试图监控导航页面所有的点击事件。

　　另外一种分析导航功能实现度的方法就是通过离开率（Exit Rate）这个指标，如果一个用户进入了导航页面后直接离开了网站，那么导航的功能就没有实现（当然如果用户返回了上层页面或者回到首页，导航功能同样也没有实现，这些操作无法体现在Exit Rate）。比如我的博客的分类目录导航页面，该类页面的URL地址都会包含“/category/”，所以也可以在GA上面直接filter出来所有这类地址，我们看看这些页面的Exit Rate情况，如下图：

　　这里因为缺少导航页面Exit Rate的评判基准，所以我无法判断我的导航页面效果到底如何，有兴趣的朋友可以在下面的评论把你们的网站或博客导航页面的Exit Rate贴上来看看，大家交流比较下。

有效性

　　与网站的内容页面不同，导航页面的目标是让用户更快地找到想要的信息，我们不需要用户过久地停留在导航页，正如Google的口号：We may be the only people in the world who can say our goal is to have people leave our homepage as quickly as possible（让用户尽快离开自己的网站）。

　　所以对于导航页面而言，页面平均停留时间（Avg. Time on Page）越短，则该导航页的质量就越高（当然用户要有点击才行）。页面平均停留时间也是GA中分析页面的基本度量，上图也有显示。

符合度

　　或者称为导航的效果，用户在使用导航功能找到相应的页面后，是否对该页面提供的信息感兴趣，或者说这些是不是他们想找的信息。

　　假设用户在使用导航功能后找到了需要的信息或者完成了预期的任务，那么在行为可能表现为在使用导航后继续在网站停留了一段时间，或者用户最终到达了任务的成功页面或网站的目标页面（如用户完成注册、电子商务网站下单或购物成功等）。所以我们可以使用导航的后续停留时间、任务完成度、目标转化率这些分析度量来衡量导航的实现效果到底如何。

　　总结一下：

1. 用点击热图、Pageviews和Visits来衡量各导航的使用情况，点击或浏览越多，说明该导航的利用率就越高；
2. 用点击转化率（CTR）和离开率（Exit Rate）来衡量导航的实现度，CTR越高、Exit Rate越小，说明导航的实现度越好；
3. 用页面平均停留时间（Avg. Time on Page）来衡量导航的有效性，用户在页面的停留时间越短，说明导航的功能越有效（基于导航已经拥有较好的实现度）；
4. 用户在使用导航后的停留时间及任务完成度、目标转化率可以衡量导航的符合度，用户的任务完成度或目标转化率越高，则导航的符合度越高。

导航设计的优化

　　基于对以上4个方面的分析，我们可以对网站进行针对性的优化。

a) 提高有效导航的利用率，将用户最常用或效果最佳的导航放在最醒目的位置；

　　结合上面的分析，将那些利用率高，效果好的导航功能放到醒目的位置，让用户更方便地使用这些功能。

b) 去除无效导航或者无人使用的导航，精简网站设计；

　　导航功能并不是越多越好，只要提供够用、有效的导航就行，结合上面的利用率和实现度，将那些没人使用或点击转化较差的导航功能进行精简。

c) 提高导航描述与对应内容的关联度，不要误导用户，赢得用户的信任并保持用户对网站的兴趣；

　　不要试图去做标题党，如果一个导航页面拥有了较好的利用率和实现度，那么千万不要辜负用户的期望，为他们提供相符的高质量的内容，这样才能真正地留住用户。

d) 优化导航页面内容的组织和展示。

　　如果有效性不高，用户经常需要在导航页中逗留一段时间才能找到自己想要去的地方，那么也许导航页就失去了其最根本的价值。如何更好地展示导航的内容可能是一个复杂的问题，涉及信息设计、分类、排序等多方面，或者有些网站设计师能想出一些别出心裁的展示方式来吸引用户的眼球，这里直接上张图吧：

　　好了，我对网站导航的分析优化说完了，你是否还有更多高见，欢迎在下面评论分享。

　» 本文采用 BY-NC-SA 协议，转载请注明来源：网站数据分析 » 《优化网站导航设计》

相关文章:

1. 网站页面度量与细分
2. 网站分析的基本度量
3. 优化相关内容推荐

　　关于如何让用户更容易地找到需要的信息，上一篇文章中介绍了使用优化网站信息架构的方式，这篇文章主要介绍的是通过优化站内搜索的方式来帮助用户找到需要的信息。

　　站内搜索已经成为目前几乎所有网站必不可少的一块功能，尤其在内容丰富的网站中，当用户有目的地寻找目标内容但又无法直接从首页或导航页中直接找到时，这时用户就会求助于站内搜索。

分析站内搜索的意义

　　分析站内搜索最常见的就是分析用户的搜索短语或者关键词，通过关键词了解用户的需求，但是某些基于搜索后的用户操作和行为分析分析往往更有价值；站内搜索的意义主要包括以下几点：

细化用户需求

　　用户在站内搜索的关键词往往与站外搜索有较大区别，比如用户可能会通过Google搜索“ThinkPad笔记本”，但当用户进入某个销售笔记本电脑的电子商务网站时，他们通过站内搜索的往往就是诸如“ThinkPad X200”，所以从站内搜索分析得到的关键词往往更能体现用户更细节层面的需求。

发现用户最关注的内容

　　这是一种最直观的分析结果意义的体现，即通过查看站内搜索关键词的排名或者热门程度来了解用户在你的网站上最关注于哪些信息，往往这些排名靠前的关键词所涉及的内容就是网站的核心价值，因为用户期望看到更多的关于这些方面的内容。

寻找用户的潜在需求

　　很明显，站内搜索并非每次都会有结果，用户的需求是多样的，而网站的内容是有限的。如果用户通过站内搜索未找到结果或者没有后续操作，或者一直翻页直到离开，那么就说明用户没有找到他们需要的信息。而这些没有结果或没有操作的关键词就变成了用户可能的潜在需求，也许你该考虑下是不是该提供一些相关的内容来充实你的网站。

站内搜索的分析度量

　　那么为了体现以上的几个意义，应该如何分析站内搜索？也许站内搜索不仅是搜索短语或者关键词的排名，我们应该同时关注用户搜索行为的后续操作，也就是用户是不是真正通过站内搜索找到了他们需要的信息，所以在分析站内搜索的时候我们需要关注一些相关的度量。先看看Google Analytics上站内搜索的分析度量：

搜索访问次数（Visits with Search）

　　这个很好理解，就是使用了站内搜索的访问数（Visits）。

唯一搜索总次数（Total Unique Searches）

　　这个应该理解为每个Session搜索唯一关键词的总次数之和，同一个session中多次搜索同一个搜索关键词只会被记为一次，可以被用于根据搜索短语的细分度量。

结果页面浏览数/搜索次数（Results Pageviews/Search）

　　也就是平均每次搜索后浏览搜索结果列表页面数。

搜索退出率（Search Exits）

　　搜索退出，即搜索后立即退出了网站，搜索操作是用户该次浏览的最后一个操作；那么搜索退出率就是搜索退出访问数/总搜索访问数。

搜索改进率（Search Refinements）

　　当用户完成一次搜索后又进行了另一次的搜索，我们就可以定义后一步搜索是改进搜索；那么搜索改进率就是改进搜索的次数/总的搜索次数。

搜索后平均停留时间（Time after Search）

　　每次搜索后用户在网站的停留时间（如果一个访问有多次搜索，则前几次搜索都是每相邻两次搜索的间隔时间，最后一次搜索是从搜索到用户离开网站的时间）的总和/搜索访问数。

搜索后平均浏览页面数（Search Depth）

　　每次搜索后用户浏览的页面数（如果一个访问有多次搜索，则前几次搜索都是每相邻两次搜索间浏览的页面数，最后一次搜索是从搜索到用户离开网站前浏览的页面数）的总和/搜索访问数。

　　站内搜索的分析度量可能还有很多，还需要关注搜索关键短语的排名情况（Top Key Phrases），或者搜索结果列表的页面覆盖图（search results page overlay），这个可以更好地帮你了解搜索关键词在结果页面的曝光和点击情况。

评估站内搜索的效率

　　有了上述的度量，我们就可以分析和评价站内搜索的效率。

站内搜索利用率

　　这个比较容易评价，只要将用到搜索的访问数/网站的总访问数，就是站内搜索的利用率。

站内搜索的有效性

　　这是对站内搜索来说比较重要的一个分析，即站内搜索到底有没有很好地实现它的功能。主要通过搜索退出率、搜索改进率和平均浏览搜索结果页面数这3个度量来评价，退出率和改进率越低，同时平均浏览搜索结果页面数越少，那么说明站内搜索越有效，效率越高。

站内搜索的效果

　　主要通过搜索后平均停留时间和平均浏览页面数来评价站内搜索的效果，但这些因素往往不是站内搜索功能呢个本身所能控制的，站内搜索只是帮助用户更好地匹配搜索关键词跟网站内容的关系，帮助用户找到相关的内容，至于之后用户对内容的兴趣如何还得看网站本身的内容质量。

站内搜索的价值

　　当评估价值时，不得不提到的几个网站分析度量：转化率（Conversion Rate）， 任务完成度（Task Completion）， 目标达到率（Reach Object）。

　　对于电子商务网站而言，这个评价较为简单，因为电子商务网站的目标比较单一——利润，所以只要分析用户每次搜索的订单转化率、交易完成率，及每次搜索所能获取的收益等就可以用于评估内部搜索对于网站的价值，当然你还能根据搜索的关键词进行细分，看看哪些关键词为你带来的最大的收益。

　　如果网站没有明确而单一的目标，那么评价内部搜索的价值就会有些困难，但是如果你在Google Analytics上设置的网站目标，那么问题就会简单得多，Google Analytics会根据你设置的目标帮你计算出每次搜索到达目标的次数，目标的转化率及平均每次搜索的目标价值（如果你为每个目标设置了价值指数的话）。

优化站内搜索

　　通过分析站内搜索，我们可以根据以上各度量的结果对网站的搜索功能进行针对性的优化。

优化结果排序

　　当网站的平均浏览搜索结果页面数偏高时，我们需要关注下是不是站内搜索的结果排序存在问题。我们可以看到很多网站的搜索结果提供了排序选择功能，这里看一下Wordpress网站的插件搜索页面：

　　这里提供了5中搜索结果排序方式可供选择：相关性、最高评分、最新发布、最近更新和最热门插件，但发现即使提供了这么多种排序方式，我有时还是搜索不到自己想要的插件，也许我会想要对结果进行相关性和最高评分的组合排序。

　　但优化结果排序最关键的还是对默认排序的优化，用户在点击搜索按钮之后都会愿意看到结果列表中显示的是最符合搜索预期的内容，也就是他最感兴趣的内容，那么对于他找到自己想要的信息当然是最有力的。所以，尽量减少用户的多余操作（自己选择合适的排序方式），一开始就帮用户做到最好。

优化信息设计

　　信息设计是指对信息的分类、整理和罗列的过程，对于一个内容丰富、分类繁多的网站而言，提供系统清晰的信息设计，可以让信息的检索事半功倍。

　　我们分析搜索改进度量的时候，如果发现用户的搜索改进一般都是在区分信息的分类或者改进关键词的细节表述，那么这时候可以考虑为用户提供搜索结果筛选的功能，如太平洋上面提供了极为丰富的信息筛选功能：

同义词与结果推荐

　　用户在输入搜索关键词的时候有时会拼写错误，或者用户可能输入的是模糊定义的短语，这些可以直接分析站内搜索关键词及搜索改进等来确认你的网站用户是不是普遍存在这类行为，所以我们需要为用户提供一些关键词的改进建议及结果的推荐，下面是我在淘宝中输入“诺记亚”进行搜索时它为我提供的搜索建议：

　　所以，站内搜索可以说是一个比较复杂的功能，尤其是想把它优化的更好的时候，所以很多大的公司有专门的团队来研究和改进站内搜索功能。建议在优化站内搜索的时候考虑使用网站分析的方法让优化的工作具有更加明确的目标和方面，同时通过比较优化前后网站分析中相应的度量，可以为优化的效果提供有力的量化参考指标。

　» 本文采用 BY-NC-SA 协议，转载请注明来源：网站数据分析 » 《优化网站内部搜索》

相关文章:

1. 优化网站导航设计
2. 网站分析的基本度量
3. 关于Bounce Rate定义的疑问

　　最近突然想写个专题类的文章，关于如何让用户更方便快捷地在网站上寻找到他们需要的信息，当然不能脱离博客的主题——网站数据分析，所以这里主要介绍的是如何通过网站分析来优化网站，实现用户对信息的快速获取，首先介绍的是网站的信息架构。

　　关于信息架构，网站设计的同学才是专家，我在这里只是班门弄斧，根据大学里面阅读的信息架构类文献资料的一些残存的记忆，再加上这几天临时抱佛脚的简单温习，在这里表述一下我的一点拙见。

信息架构的定义

　　根据维基百科的定义，信息架构（Information Architecture，简称IA）是在信息环境中，影响系统组织、导览、及分类标签的组合结构。它是基于信息架构方法论，并运用计算机技术管理和组织信息的一个专门学科。信息架构并非一开始就应用于网站设计，其起源于情报科学，最初应该是用于图书馆等地方的信息组织和信息检索的。

　　《用户体验的要素——以用户为中心的WEB设计》这本书中对信息架构的定义基于网站设计：信息架构着重于设计组织分类和导航的结构，从而让用户可以提高效率、有效地浏览网站的内容。

　　具体的就不再多说的，可能各有各的理解，这里直接来看一个实例——Wordpress的信息架构模式：

　　当然，上面这个图只能展示一个大体的网站信息架构，中间的类目层也许不止一层，会有大类、子类、子子类……底层可以是文章也可能是页面或者一些其他的具体内容。而网站的内部关系也往往因为全局或局部导航、网站内链和内容关联等功能的存在而复杂的多，图上的箭头也会密集很多，但我们无需罗列所有内容间的关系，关键是在理清基本的结构。

信息架构的类型

　　还是参考《用户体验的要素——以用户为中心的WEB设计》中对信息架构的几个分类：

层次结构（Hierarchical Structure）

　　也叫树形结构，是最常见的网站信息架构模式，上面举例的Wordpress的信息架构就是典型的层次结构。树形结构中箭头的方向不一定是自上而下的，也可能是自下而上或者是双向的，而内容层之间也会因为一些关联链接的存在而存在同层次间的指向箭头。

矩阵结构（Matrix Structure）

　　矩阵结构比较注重“维”的概念，即从多维的角度来检索信息，如时间、地域、内容分类等，典型的应用就是内容管理系统（CMS）网站或者电子商务类网站，比如你浏览豆瓣的电影时可以筛选：2010年—美国—科幻，也许这个时候《钢铁侠2》就呈现在你面前了。

线性结构（Sequential Structure）

　　看到线性结构也许你马上会想到面包屑，它将网站中最重要的一个信息架构路线展现了出来，即使它无法为你提供你在网站上的平面坐标，但至少它显示了你现在正处于关键线路的哪个点上；当然，网站的一些关键路径一般也是按照线性结构涉及的，比如用户注册流程或电子商务网站的购买流程等。

网站分析与信息架构

　　根据网站业务模式的不同，可以选择适合自己网站的信息架构的模式，无论是上面的哪种信息架构模式，只要设计和运用合理，用户便能够在你的网站上以最方便的形式、最快的速度找到他们需要的信息。

　　但当我浏览某些网站时，有时真的会让我感觉到“找不到北”，结果就是直接关闭该页面，如果不希望让已经进入了你的网站的用户轻易地离开，网站信息架构的好坏将直接影响网站的用户体验。所以我们需要通过一些方法来检验网站的信息架构是否满足用户的信息检索的需求。

1.尝试整理出类似上面例子中的网站信息架构图

　　这个是最简单最直观的方法，如果你的网站信息架构足够清晰，那么画出这样的图对你来说也绝非难事；而当网站的应用比较复杂、内容比较宽泛，那么可能要整理出网站的整体信息架构就会相对困难，但我相信一个设计优秀的网站只要稍加整理，大体的信息架构图还是画得出来的；而当你绞尽脑汁就是理不清你的网站的信息架构的头绪的时候，那么说明你的网站需要优化了。

2.通过网站分析的方法验证信息架构的合理性

　　本文的副标题是“让用户更容易地找到需要的信息”，所以我们需要分析用户是否能够在你的网站上方便快捷地找到他们需要的信息，这里推荐一种方法——寻找网站中的迷失用户（Lost Visits）。

　　在一个合理的信息架构下，大多数的用户是不会在你的网站上迷路的；反之，混乱的信息架构会导致大量的用户迷失方向，就像是进入了一个巨大的迷宫。那么如何寻找这些迷失用户？我们可以先分析下这类用户的行为，最明显特征的就是：连续点击好几个页面，每个页面都只是初步浏览（因为没有找到他们需要的信息）就转到另外的页面或直接离开了。所以我们可以借助网站分析中的两个度量：

　　浏览页面数（Depth of Visit）：一次访问中用户总的浏览页面数；

　　页面平均停留时间（Avg. Time on Page）：一次浏览中用户在每个页面的平均停留时间，即该次访问总停留时间（Time on Site）/该次访问页面数（Depth of Visit）。

　　我们可以用户细分的方法把那些浏览页面数较多，但页面平均停留时间较短的用户浏览看作是迷失用户，具体的数值可以根据网站自身的特点进行定义，比如我定义我的博客中浏览页面数大于等于4，而页面平均停留时间小于等于15秒的Visits为迷失用户的浏览行为，我们可以借助Google Analytics中的高级群组（Advanced Segment）来区分出这类用户，关于如何使用Google Analytics的高级群组功能，可以参考蓝鲸的文章——Google Analytics功能篇—高级群组，如下图：

　　当然，你可能会说这种用户区分的方法不准确，这类用户不一定就是迷失用户，也有可能他们确实找到并浏览了具体内容，但因为内容不够吸引人或者其他原因而马上离开了该页面。所以这里用高级群组划分出来的这类Visits的数量不能看作是迷失用户的一个绝对数值，我们只能认为里面的大部分Visits都是迷失用户，而不排除存在某些另类。所以更合理的方法是通过计算这类Visits占网站总Visits的比例情况来分析网站的信息架构到底是否合理，我们可以在Google Analytics上面选取网站的All Visits和Lost Visits进行比例和趋势的比较，如下图：

　　网站中迷失用户浏览的所占比例只需通过Lost Visits/All Visits就可以计算得到，但这个时候你还是无法根据这个计算结果来评判网站的信息架构到底是好是坏，因为还缺少一个基准线（Benchmark）或者说是评判标准。在Google Analytics上面的Visitors标签下，提供了“Sites of similar size”的基准比较（Benchmarking），你可以选择与你的网站相似类型的网站作为基准线进行数据比较，这的确是个很好的参考，因为通过比较能够更加明确你的网站在同类型网站中的优势和劣势，为网站优化指明方向。GA借助其强大的数据平台可以为我们提供基准线，但也许对于上面这个例子会显得无能为力，这个时候需要我们理性地自己去选择一个合适的基准线，比如我的博客目前类目和内容都还比较少，那么我可能会定义我的网站的迷失用户比例应该控制在1%以下；但如果对于一个应用和内容比较复杂的网站，那么基准线显然会需要定得更高一点。一旦某段时间的数据越过了基准线，就需要关注一下网站的信息架构是不是在趋于混乱了，是不是该进行一下整理和优化了。

　　总之，一个好的信息架构能够帮助用户更容易地找到他们需要的信息，从而有效地提升网站的用户体验，所以，尝试着去优化下你的网站的信息架构。如果你有更好的方法能够有效地检验网站的信息架构的优劣，或者能够明确地分析得到网站信息架构的哪些细节上存在缺陷，希望能与我交流，我期待网站分析方法在优化网站信息架构方面的更多的应用。

　» 本文采用 BY-NC-SA 协议，转载请注明来源：网站数据分析 » 《优化网站信息架构》

相关文章:

1. 网站实景访问调研
2. 优化网站内部搜索
3. 关于Bounce Rate定义的疑问

　　前几天有个朋友问我一些网站分析方面的问题，我引导他阅读我的博客，并且明确地告诉他我的博客的某篇文章中有他需要的内容，于是让我印象深刻的一幕发生了：

1. 我的朋友打开了我的博客首页，首先他注意到了首页罗列了一些文章，于是他开始浏览首页文章的内容，但发现前几篇的文章概要显示这些都不是他要找寻的目标，于是他开始滚动鼠标开始下拉，可能有点失去耐心，越到下面鼠标拖动的速度越快，直到他只关注文章的标题（但某些内容不一定能直观地体现在标题上），于是结果可想而知，第一步以失败告终；



2. 首页的文章中没有找到想要的内容，于是我的朋友开始将目光转向网站的顶部导航，但不幸的是当时顶部导航只有“首页”、“关于”和“网站地图”3项，他只是将鼠标移上去，却始终没有点击，至少他认为这三项中没有他需要寻找的线索。当时他就开始抱怨“到底在哪里呀？”为了不至于让“用户”流失，我提醒了一句“网站地图里面可能有。”但这时的他可能沉浸在自己的思路里面，也可能没注意，或者他不太理解“网站地图”的含义，还是一个劲自己去摸索……
3. 于是，我的朋友开始注意到侧边栏，一般侧边栏也是用于全局导航和局部导航的。但看到侧边栏不是一排毫无主次之分的列表，就是一推看似混乱的标签云，失去耐心的他已经无法静下来去细看了，于是还是Failed。
4. 最后的出路就是站内搜索，当然他最终通过站内搜索找到了他想到的内容，但却经历了一段坎坷的过程，试想如果我没有明确告诉他这里有他要的信息，对于普通用户来说他们真会有如此的耐心吗？

　　看到这些，我就意识到我的博客确实是应该做些改变了。从上面的测试过程中（我的朋友当了回临时的小白鼠，不好意思呀！）可以看到用户在我的博客中寻找信息的途径可能依次是：首页最新文章列表–>顶部导航栏–>侧边导航栏–>站内搜索（不知道你的网站用户是不是也是这样的），那么必须要对前几个途径做些调整和优化，以防止用户由于找不到想要的信息而流失，我是这样做的：

　　a. 既然用户只关注首页文章列表中的前几篇文章，也就是最新发表的几篇文章（这个可以从网站点击热图上也可以看出有这个趋势），用户不习惯于经常地去进行下拉操作。那为何不把以前值得推荐和分享的文章放到首页醒目的位置进行展示呢？

　　b. 根据用户的浏览习惯，用户偏向于使用网站的顶部导航，那么我就在顶部导航条上加些通俗易懂的标题：

　　c. 侧边栏的内容，也许我的博客主题默认的侧边栏视觉上千篇一律（其实个人感觉标签云的显示方式还是很漂亮的，但无论从网站的Overlay还是点击热图的点击统计情况看，标签云上的关键词无法吸引过多的点击，所以有时个人感觉良好的页面设计不一定能吸引用户，一定要从用户的角度去观察和分析），那么我就把分类目录的字体和颜色进行改变，让其更能引人注意：

　　上面我的博客中出现的问题，经过网站交互设计师的审视，他们可能可以用专业的眼光来解释问题所在，并用比我上面更加完美的处理方案来解决类似的问题，无论是优化交互流程、信息架构还是导航设计。但我是那方面的门外汉，所以在这里，我想用网站分析的角度来阐述下上面的问题，即网站定性分析方法中的网站实景访问调研（Site visits, also called follow-me-homes studies），下面就简单介绍一下：

　　网站实景访问调研，是指用户调研人员去网站用户的原始环境（用户的生活或办公环境，如家中或者办公室这类真实环境中），观察用户在网站中完成任务的情况。与网站可用性实验最大的不同在于，网站实景访问调研完全在真实的环境中进行，因此用户会受到外部环境的干扰，如访客、电话、临时状况等，但观察到的结果也能更加真实地反映用户与网站交互的流程。

　　还是参考Avinash Kaushik的《Web Analytics》一书中的内容，网站实景访问调研的操作步骤可以分3步进行：

1. 准备工作

　　与用户约个时间，告诉他们不需要对他们日常的环境作任何改变，只需要按平日一样浏览网站并回答几个问题即可；准备调研的资料和笔记，分配调研的任务，设定测试的任务、问题等。

2. 引导用户完成调研

• 分配给用户需要完成的任务，任务必须是明确的，并告诉他们只需要按照日常的方式访问网站；
• 仔细观察用户的一举一动，包括他们在遇到问题时的表情及情绪，尽量抓住用户的每个细节，这对后期的分析将会很有利，必要时可以采用视频的方式记录全过程；
• 尽量不要向用户提供任何提示，即使用户可能会遭遇到一些不小的麻烦；
• 可以在结束的时候向用户提几个问题，但过程以观察为主，遵循80/20原则，80%的时间用于观察，20%的时间来提问；
• 最后，在调研结束时不要忘记对用户说声“谢谢”。

3. 分析结果与优化

　　这时，你已经掌握了用户与网站交互的最真实的记录，当然要趁热打铁，马上讨论和分析这次调研的成果。用户在完成任务时遇到了哪些问题，他们又试图通过何种方式去解决这些问题。当然再找到问题之后最关键的还是优化和解决的方案。

　　网站实景访问调研，遵循了“用户为中心”的理念，对于了解用户的使用习惯，发现用户可能遇到的问题，及如何更好地满足用户的需求都具有十分重要的意义。但网站实景访问调研也十分的费时费力，同时无法获取过多的用户样本，所以对于反映问题的普遍性方面存在一定的不足。

　　如果你有足够的资源，你可以做些这方面的尝试，相信结果不会让你失望的。当然，上面我的朋友的案例只是一个举例的介绍，实际的操作过程需要严谨很多，我的博客在交互设计和用户体验上也许还存在着各种不够合理的地方，欢迎各位专业人士提出宝贵的改进建议。

　» 本文采用 BY-NC-SA 协议，转载请注明来源：网站数据分析 » 《网站实景访问调研》

相关文章:

1. 优化网站信息架构
2. 优化网站导航设计
3. userfly—网站可用性测试工具