图5
每一列都是某一个元素的点击量以及在这些点击之后发生的订单转化的对应数量。从上表中可以看到，如果用户发生了查看评论或是查看图片的行为，那么发生转化的几率要大于点击其他元素的用户。尤其是“查看评论”，它虽然没有获得很好的点击量，但却有最高的转化发生倾向。
数据做到这里，我们可以确定一些事情，但我们也多了一些疑问。为什么评论对转化的促进在这个案例中看起来最显著?什么样的评论都促进转化，还是只有部分更促进转化呢?为什么隐藏报价对转化率的促进要比展开价格对转化率的促进还要大?这些疑问，尤其是与评论内容相关的，我相信你网站分析工具无法直接给你解答。
但没有解答并不意味着我们无法实现优化，下面的内容将会帮助大家用其他方法解决这个问题。
在上面的这个例子中，我们能够通过网站分析工具知道有一些网站元素对转化有更为重大的意义，但我们还无法知道应该如何修改这些元素以进一步促进转化的提升。分析告诉了我们该要努力的方向，但没有给出我们应该做出何种努力的答案。
答案从何而来?
现在，你和我一样，都想问一个问题，我们应该如何获得答案呢?
我们需要依赖两件事情，其一，是这个宇宙赋予我们的伟大财富——我们的经验和直觉;其二，是这些经验和直觉经过验证之后形成的事实。
在上面的例子中，我们知道“查看评论”对转化率有很大的相关性，我们也知道“查看评论”并没有获得很大的关注，因此我们凭着我们的经验和直觉，对这个问题提出我们认为可能会奏效的解决方案：
1. 我们需要把“查看评论”按钮，乃至评论本身放在页面中更显著的位置上，甚至给予更加明确的引导，以获得用户更大的关注;
2. 我们认为“查看评论”之所以能够与转化率极为相关，是因为正面评论的作用，我们需要引导用户发出更多积极正面的评论，以打消其他用户的顾虑。
这两个解决方案会奏效吗?有经验的从业者会说，没问题，但是否真的靠谱，我们谁也不能在做出这些改变前就做出100%有效的承诺，不仅我们不能，所有的星座分析家也都不能。
如果你是分析优化师，最好的“保护”自己和公司的方法是告诉自己的老板——我相信这些措施对于进一步改善我们的转化率具有积极作用，但是保险起见，我们需要做一些测试以确保它们真的奏效，并且这些测试能够告诉我们更多关于用户习惯和想法的关键信息。
本文版权归“网站分析在中国CWA”及其作者宋星，欲转载，请联系作者
如果你这么说，那真的好极了。分析师最大的特点是不会轻易对任何事情下断语，他们看起来似乎有些优柔寡断——你的朋友现在这么评价你了吗?恭喜你，你已经是一个合格的分析师了。
测试
毫无疑问，测试是上帝给我们的最棒的武器。测试不代表着某种正式的东西，如果我们失败了，我们大可以说，这是一次测试而已。于是我们有更大的自由度和更放松的心态——这对找到真正有?卸员仁被崾艿胶芏嗤獠炕肪车挠跋欤??缡奔洹Ｄ憧梢栽诓煌?氖奔浔冉贤?桓鍪挛铮??缫桓鐾?驹?月1日上线了新的首页，你可以比较整个5月和整个6月首页的表现，但问题是，5月和6月有很多不同，例如6月可能会做促销，或者5月的流量来源主要是搜索引擎流量而6月主要是直接流量。其二，比较本身也可能受到样本的影响，尤其是在进行用户可用性测试的时候，我们不大可能随机选取一万个人进行可用性测试，因此我们只能认为某几个我们选取的样本能够代表大多数，但事实上任何个体都不无法真正代表大多数。
网站分析所应用的AB测试能够解决这两个主要问题的原因在于它能够实现对同时发生的随机的总体(而不是样本，除非你要限定样本)的比较。这句话有点拗口，简单说来，就是AB测试能够在同一个时间、基于所有的用户，对两个或者多个不同的比较对象进行对比。
本文版权归“网站分析在中国CWA”及其作者宋星，欲转载，请联系作者
举一个网站分析常见的例子——我们现在觉得首页不那么好了，于是我们让设计部门设计了一个新的首页。新的首页看起来很不错，但我们不知道我们目前网站的用户是否喜欢它。于是我们做AB测试——我们把原来的首页(A页面)和新设计的首页(B页面)同时上线，我们的用户还是输入以前网站的域名，所有的流量渠道也仍然都指向以前的首页(A页面)。但奇妙的是，尽管所有的流量都是进入的A页面，但一部分的用户(一般都是一半的用户)看到的并不是A页面，而是B页面，并且他们将一直看到B页面，而另外一部分用户则还是一直看到A页面，直到测试结束。这部分看到B页面的用户使我们专门选出来的吗?完全不是，他们是完全随机被分配到B页面的。
图7
因此，AB测试做同一页面的不同版本分析真是太好了——它不受时间的影响，因为测试是同时发生的，它也不受样本的影响，因为所有的用户都可以参与测试，而且用户的分配也是完全随机的。
这里顺便描述两个概念，值得被记住——分配到原始的A页面的用户叫做对照组(control group)，分配到B页面的用户叫做曝光组(exposure group)。
AB测试并不是只用于测试两个对象，其实可以测试两个或两个以上的对象，在测试多于两个对象的情况下，对照组就相应增加而已，每个对象分配到的用户比例就相应减少了。
AB测试的原理就是这么简单，但还有一些其他的注意事项和使用方法，在今天的文章中就不多谈了，我们在未来的文章中做相应的专门的介绍。
AB测试确实能够帮助我们解决一些悬而难决的问题。在前面的那个酒店网站的例子中，我们可以通过AB测试决定什么样的图片或者评论更能够增加转化。
产品经理告诉我，他的经验是带有干净浴室的图片更能引起人们对于整个酒店好的感觉(事实上这个经验可以通过网站分析的方法进行验证，即查看那些洗浴间的照片是否会被更多的查看，但由于照片排放位置因素的影响，这个验证稍微有些麻烦)，于是我们把一个酒店的图片分为三类，一类没有洗浴间的照片(A)，另外一类带有普通洗浴间的照片，并未做特别的优化(B)，最后一类是选择性优化拍摄和处理的洗浴间的照片(C)。在此基础上，我们为这个酒店的booking page做了专门的三个版本，除了照片不同，其他完全一样。
推荐阅读
对媒体来说，微博在某种程度上来说似乎是救命稻草，媒体的声音被放得更大。微博是一个新生事物，具体如何做都在摸索。但是，不管如何探索，媒体的微博都应有一定的底线和操守，同时作为一种新兴的媒体渠道，它的考核>>>详细阅读
本文标题：<b>网站分析：电子商务关键数字优化线上部分（下）</b>
地址：http://www.lgo100.com/a/22/20120703/72922.html
网友点评
精彩导读
科技快报
品牌展示