DIV CSS 佈局教程網

【前言】

　　從事電子商務的工作一段時間，發現自己對於數據的想法有了很多變化。過去，我們拿著國外的理論，然後站在河邊的岸上，對河中游泳的人們指指點點。今天，當你也跳入河中，就是全然不同的感受。一方面河水冰冷刺骨，另一方面，也開始理解為什麼曾經河中的人們用各種“怪異的姿勢”奮力搏擊。這一篇文章，是我在杭州參加車品覺老師《智論商道，西湖秋學》活動的演講整理，也記錄了我的“河中感受”。

【正文】

　　這是一個很大很難但也是每一個電商人都會問的問題——我該如何優化我業務中的關鍵數字。

　　我也面臨這個問題——這個有數百種，不數萬種各不同相同答案的問題。優化關鍵業務數字，沒有固定的策略，因此也就沒有固定的答案，但卻並非無跡可循，而是有章有法的。甚至，這些方法事實上並不需要你去從頭摸索，前人早已准備了眾多滋養，只需你有心跟隨即可。

　　既如此，就讓我們先看看前人給我們這些滋養是什麼。

關鍵的第一步

　　優化電子商務關鍵數字的第一步是什麼？

　　說來好笑，這個問題的答案是——什麼電子商務的關鍵數字？不過這可是個很嚴肅的答案，當然，也是一個很嚴肅的問題。

　　分析不是為了分析而分析，沒有明確目的的分析，是“無病呻吟”。分析是需要消耗資源的，而且消耗的全部是“沉沒資源”——時間，你不能把分析投入到本來不需要分析的領域去。因此，電子商務關鍵數字優化的第一步恰恰是識別關鍵數字是什麼。

　　對於電子商務關鍵數字的識別，是起始於“KBR”的。KBR是我在Adobe Omniture的時候被洗腦的一個詞，意思是Key Business Requirement。當然，這不過是人頭馬酒瓶裝二鍋頭罷了。KBR沒什麼新意，不過點明了你的分析要從組織的關鍵業務需求開始。

　　但這個思想很重要，本質上，這個思維方法就是我們熟悉的“金字塔思維方法”——事情有一個根本的基點，一切最終要回到這個基點。我們在分析的時候，很多時候是被興趣所指引，發現了麻雀去追麻雀，發現了兔子又去攆兔子，這是分析工作最初吸引新來者的很重要的原因——看起來一切都是非常新奇有趣的。可是商業分析，你不能浪費你的“沉沒成本”，我們不為興趣所指引，我們所做的一切都需要不斷反問自己，是否是圍繞著KBR進行的。

　　KBR意味著組織的“當務之急”。對於電子商務，尤其是國內的電子商務，業務上的當務之急是清晰而明確的——增加銷售，降低成本。不過這不能算KBR，因為它太過於粗放，而且不夠具體。但沿著這個方向，我們會發現大部分電子商務公司在增加銷售和降低成本方面都根本上將聚焦於下面兩個事情——量和率。

　　量，當然，歸根結底是銷售量，不過銷售量顯然決定於流量、注冊量，以及轉化率和回頭率。因此，我們的思維是，要提升銷售，我們需要提升流量和注冊，並且提升轉化和回頭的機會。這和做一個線下商店的關鍵數字指標是類似的——人流量多少，多少人進店買了東西，又有多少人還回來。

　　說一點題外話。我認為國內的電子商務公司，因為它們本身所具有的“股票公司”的特性，利潤率什麼的，反而不是真正他們關心的。區分什麼樣的電子商務公司更在乎利潤率的一個有趣指標是——他們是否獲得了外部投資。當這些公司沒有外部投資，維持在一個較小規模的時候，利潤率是非常重要的；但當投資進入，擴大規模、擠死競爭對手成為主線的時候，利潤率是一個可以犧牲甚至是必須犧牲的指標了。這很有趣，對消費者而言，當一家電商公司剛剛獲得投資的時候，促銷一定是很給力的，這時的商品值得購買。

　　當然，電子商務是否還有什麼其他的關鍵數字，取決於這個公司自身的經營特點和業務特性，這裡不再贅述。強調一點，我們關注方法本身，電子商務關鍵數字優化的第一步是真正識別你的業務的關鍵數字。KBR不建議是最大的那個放之四海而皆准的目標（例如Revenue），而應該是這個大目標之下，跟你的大目標達成真正關聯的那幾個可以清晰定量的目標（例如電子商務中的量和率）。你值得花一些時間找到真正的KBR。

建立優化路徑

　　現在，你通過自己的思考或是“老板的指示”知道了KBR是什麼。現在你該怎麼辦呢？

　　我們都知道，任何復雜的問題都可以遵循一定的方法解決，若沒有解決，是因為沒有找到方法。例如哥德巴赫猜想，人們並非是在尋找答案，而是在尋找方法。同樣，KBR不能優化，並非是它不能優化，而是我們可能沒有找到正確的方法，或是沒有去正確執行這些方法。

　　下面是我的方法，你當然也可以建立你自己的方法。有效果的方法就是好方法，這裡沒有標准答案。

　　上圖是我總結的KBR的優化路徑。這個路徑看起來文字眾多，步驟繁瑣，實際上思想非常簡單。你也可以看我下面的文字描述，可能更容易理解：

　　定義KBR——分解影響KBR績效的驅動因素——確定這些驅動因素中哪些是基礎驅動因素，哪些是非基礎驅動因素——嘗試分析基礎驅動因素並著手改進——同樣，嘗試分析非基礎驅動因素並著手改進——測試你的這些改進是否有效並固定有效的改進（優化）——優化不可能是針對所有人群和興趣的，所以最後你要在優化的基礎上進行動態處理（定制化）。

　　還是夠復雜的，再簡單點，用白話！

　　定義KBR——分解影響KBR的那些破事兒——哪些破事兒更具全局影響力？哪些是局部的？——想辦法搞定這些破事兒——真的搞定了嗎？測試看看——靠譜的辦法固定下來——不能用一種辦法搞定，多幾個辦法針對不同情況！

　　我覺得KBR就是被這麼搞定的。只是每個破折號後面的每一步體現了水平。網站分析甚至不是一個技術活，畢竟我們沒搞什麼高深的數學模型，但確實需要缜密的心思，豐富的經驗，敏感的嗅覺，和不斷嘗試的勇氣。

　　當然，你可能還是覺得，上面的這個模型（姑且厚顏無恥點把它稱為模型），畢竟是一個非常抽象的東西，您可能還是沒有太理解，什麼是驅動因素？為什麼有基礎和非基礎？測試如何做？又如何動態化定制化？一連串的問題，待我慢慢道來。

基礎驅動因素和非基礎驅動因素

　　驅動因素真TMD是一個拗口的詞。驅動因素是一個西方詞，不是老祖宗漢語，但我們不得不用它是因為現代科學和管理學都是人家西方人樹立的，咱們中國人也只有成了西方人（加入了別人國家），才似乎有點建樹。不過我們國家蓋樓修路放衛星辦運動會火車比速度行，也不算一無是處。

　　驅動因素是initiative的翻譯，這個詞是形容詞，也可以作為名詞。找不到更好的翻譯，於是俺們國人就把它翻譯成驅動因素了。

　　廢話不多說，你理解它為影響因子也行（kao…，因子這個詞也是人家，是factor的翻譯，唉…），就是會影響KBR績效的那些因素。例如，影響流量這個KBR的因素的驅動因素是資源多少（例如花錢多少）、營銷活動的水准、SEO水平等等。這麼說應該很好理解。

　　那麼，什麼是基礎驅動因素和非基礎驅動因素呢？這是我自己琢磨的，沒理論根據，但我覺得好使。

　　所謂基礎驅動因素，就是那些當你改變了它（優化了它）就會全局性長時間改變（優化）KBR的那些影響因子；

　　而非基礎驅動因素，就是那些當你改變了它（優化了它）就會局部性一定時間內改變（優化）KBR的那些影響因子。

　　用咱們漢語說，基礎驅動因素就是內功，非基礎驅動因素則是招式。內功常在，招式則要過招時才發生。

　　現在可能你明白了一點我想說什麼。不過，最好的方法是，我們舉一個真正的KBR優化的例子，讓我們看看上面的路徑和驅動因素如何幫助我們優化KBR。

案例：如何優化KBR之轉化率（1）——驅動因素的細分

　　轉化率是我最喜歡談的，因為對它的研究業界已經很多，但我們似乎總未破解它的迷局。

　　按照我們前面提到的KBR優化路徑，我們要找到轉化率這個KBR的驅動因素，並且要把基礎驅動因素和非基礎驅動因素區分開來。然後分別加以分析和優化。

　　我是這麼分解的，如下圖所示：

　　我影響轉化率的基礎驅動因素確定為：

• 關鍵轉化過程
• 導航（分類）
• 搜索
• 信任
• ……

　　非基礎驅動因素確定為：

• 產品頁面
• 登陸頁面
• 活動和流量匹配程度
• 外部流量本身質量
• ……

　　先來看看基礎驅動因素的確定。關鍵轉化過程，是老生常談的了，就是在轉換路徑中各個關鍵環節。這些環節的某一個或多個做不好，對整體銷售轉化的影響都會非常大，也就是我們常說的木桶短板效應。導航和分類，本質上是對用戶遍歷或尋找商品邏輯的有效組織或再組織，不好的導航和分類，讓用戶沒有在合適的位置找到合適的商品，掃興而歸，轉化率受損。搜索，跟導航和分類是類似的，只是人們更容易對它產生更高期待，並更容易在期待落空後放棄。

　　這幾個因素，都全局性的影響到轉化率這一KBR。無論流量質量（人群價值）如何，無論你的活動頁面有多麼吸引人，這些因素做不好，轉化率都會低下。因為這些因素是基礎性的影響。而活動頁面的吸引力則非基礎性的，A活動的頁面不好，那麼在下一次B活動中加以改進，仍有機會，但關鍵轉化路徑中埋有驚人敗筆，卻不是活動設計本身能夠挽救。

　　所以，我把它們作為基礎性驅動因素。基礎性驅動因素還有很多，限於篇幅不再冗舉，朋友們不妨留言列舉。

【閒來無事多讀一點】

　　同轉化率一樣，回頭率也有基礎驅動因素和非基礎驅動因素。在會場有朋友問起這個問題，引發了較長時間的討論。

　　回頭率的基礎驅動因素往往是：

• 細分人群屬性
• 細分人群消費行為
• 競爭商品
• 競爭價格
• 第一次消費體驗
• 轉化率（更高的轉化率會促進回頭率）
• ……

　　非基礎驅動因素是：

• 市場及促銷活動
• 精細化找回營銷
• 外部市場環境（動態變化）
• ……

　　相對於轉化率，回頭率的衡量更具有難度，所受的影響因子也更多。優化它的基本方法必須經過人群的細分，按照消費行為、人群屬性的細分，挖掘哪些屬性、行為的人群的不同流失情況。以辨別流失傾向和人群的關系。另一種細分維度則是按商品品類細分的人群流失情況。哪類商品的購買者更容易發生流失。以辨別競爭商品和價格可能存在的問題。

　　轉化率的非基礎驅動因素則比較明顯，它們都是局部性的，而且時限性相對較短。例如產品頁面，產品頁面的介紹對該產品的轉化率影響很大，但並不影響其他產品，而且產品有明顯的生命周期。登陸頁面同樣，它們會影響活動的轉化效果，但只限於影響自己的活動。流量本身也是動態的，盡管流量永遠存在，但卻並不能保證每天的流量都能匹配landing page，或是保持持續的較高品質。

　　現在，你應該能夠明白基礎驅動因素和非基礎驅動因素了。那麼，我們這麼劃分的意義何在呢？

案例：如何優化KBR之轉化率（2）——驅動因素細分意義何在

　　細分基礎和非基礎驅動因素的意義在於，你能夠知道應該先從哪裡下手。前文說過，分析是需要資源的，最重要的資源是時間，是沉沒成本，你不太能夠分析所有的因素，所以分析的藝術是抓住重點直切主題的藝術。

　　基礎驅動和非基礎驅動二者，在轉化率這個電子商務的KBR上，體現出非常明顯的沒有抓住重點的趨勢。原因無它，我們往往更重視非基礎驅動因素而不願直面基礎驅動因素。招式易學，內功難練。

　　電子商務顯現出非常明顯的對活動的重視，對流量本身的重視，但卻往往疏失關鍵的轉化過程中是否存在明顯短板，是否有更好的用戶指引，並忽略建立初次和長時間的信任。這些都比不上修正下產品頁面，給用戶促銷，以及產品頁面的說服誘導見效快，所以理所應當的被放到次重要的位置上。

　　這是誤區。內功練成，無招勝有招；招式搞定，卻不過是空有花架子。基礎驅動應該放到更高優先級上，至少它應該跟非基礎驅動一並被關注和優化。

　　好了，這些都是淺顯的道理，我就不多啰嗦了。限於時間的關系，我很難找到大段的時間跟大家分享。就先停筆到這裡。未來也許某一天，我不會那麼忙了，我停下來，能夠跟朋友們更多分享。更多的內容，請期待這個文章的後半部分！

著手提升基礎驅動因素

　　我們在前文中，把影響電子商務關鍵數字（KBR數字）的驅動因素區分為兩類：基礎驅動因素和非基礎驅動因素。我們也強調了基礎驅動因素的重要意義，在大干快上的時候，千萬不要忽視了打牢基礎。

　　提升基礎驅動因素，看似抽象，例如我們上回中的例子——“轉化率的基礎驅動”——多少聽起來有些拗口，但操作卻是實在的，具體的。在上回中，我們把影響轉化率的基礎驅動歸結為如下項目，這些項目（item）即是我們需要動手逐個優化的。而這些項目優化的結果好壞，當然對轉化率的好壞起到至關重要的作用。

案例：如何優化KBR之轉化率（3）——關鍵轉化過程優化

　　現在我們開始著手一項一項提升作為KBR的轉化率的基礎驅動因素。這沒有什麼神秘的，這些都是網站分析從業者的基本功，也是網站分析這門學科必學必用的內容。如果要編一本網站分析的教材，這些必然是占有這本教材的主體部分。

　　例如，對於關鍵轉化過程，這是我們大家都很熟悉的，我們找出轉化過程中不佳的環節，然後檢視這個環節中哪裡出現了問題，然後加以改進。

　　左圖中是這樣的一個轉化過程，電子商務網站上一個產品的銷售過程大致是這樣的過程。產品頁可能本身就是登陸頁，但是更多的時候，訪問者看到產品頁之前會先浏覽其他的頁面，比如活動頁面、首頁或是商品的列表頁等等，然後，某個頁面上的某個陳列著的商品引發了購買者的興趣，於是他們才會進入這個產品的具體說明頁（產品頁）。

　　我們都知道，在進入產品頁直到最後完成支付的一系列環節中，任何一個環節出現問題，就會影響最終的轉化。例如下圖中所展示的某種問題：

　　這雖然不是典型的電子商務網站，但“毛病”是一致的，在兩個虛線的方框內的轉化是存在明顯問題的。我們通過Google Analytics的預定義轉化（Goal和Step）功能，或者Omniture SiteCatalyst的轉化丟失報告（Fallout），這些問題能夠很容易地被發現。知道問題在哪裡，事情就多少好辦一點，我們可以用數據做進一步的證明問題出現的原因，或者有時候只是猜測，然後再改進現有的毛病，並進行測試真正解決這些毛病（具體的這些步驟我們後面會詳談，這裡不引申了）。

　　總之，這是一個很稀疏平常的方法論，我想如果有一本網站分析的教材，這應該是基本的方法論了。

　　不過，有時候，事情不是這麼“完美”的。並不是所有的轉化都有明顯的毛病，如果每個環節的丟失率都比較均勻，沒有明顯的短板，你會怎麼辦？或者，換另外一種極端的情況——每個環節都存在明顯的轉化丟失，你應該怎麼著手處理？

　　顯然，優化是永無止境的，沒有明顯短板並不意味著不值得優化，而如果每個環節都存在明顯的轉化丟失，你肯定更會手忙腳亂。這時候，上面的方法論可能不適用了。事情總都是一步步解決的，你不可能同時對所有的環節都進行優化，因此現在有三種可供選擇的方案，你會選擇那種？

　　A. 你會先從轉化的前端開始解決問題，然後逐步深入到轉化的後端環節；

　　B. 你會先從轉化的後端開始解決問題，然後往前推，解決轉化前端出現的問題；

　　C. 你會決定——這玩意兒好不了了，破罐子破摔吧。

　　選項C當然是開玩笑，如果你真的在乎這個網站的話，你不會這麼聽之任之的。但有時候，我們確實存在恨鐵不成鋼的沮喪，而且確實有些網站只能回爐重造。

　　A和B，我們往往是按照A實踐，但我會選擇B。

　　這或許沒有對錯，但我更傾向於B。

　　原因在於，越深入到轉化的後端，就越可能是“基礎驅動因素”，而轉化的前端，則更多時候，是“非基礎驅動因素”。我同樣認為，有時候，把前端解決好了，會有很直接快速的效益顯現，但我還是固執地認為，後端就是更重要些。沒有對錯，只是我的感覺。

　　這個感覺來源於對問題定位和解決的難度會因為這個問題是出現在前端還是後端而不同。看看下面這個例子——我們對轉化的前端和後端分別進行優化，前端我們優化登陸頁二跳率，從40%升高到50%，後端我們優化支付轉化率，從40%提升到50%。其他條件不變的情況下，這二者優化對整體轉化提升的貢獻是一樣的。可是，往往我們的分析和技術團隊資源是有限的，我們如何選擇？

　　我傾向於選擇優化支付轉化率。有兩個原因。第一個原因，很明確，支付轉化率是基礎驅動因素，它的好壞影響全局。而登陸頁數量眾多，而且登陸頁是會不斷發生變化的，並非是基礎驅動因素。

　　第二個原因，是因為對前端的優化相對而言更困難。轉化越靠前端，影響其轉化的因素越多，越分散，解決起來越是費勁。比如，影響二跳率的因素涉及到頁面的設計、call to action、用戶導引、流量質量、商品吸引力等等，這些都不是很快很輕易能夠解決的。當然，明顯無知小白錯誤（例如不匹配之類）的除外。

　　影響整體轉化率的另一個基礎因素是轉化結構。這一點我在幾次演講中都有提到，但沒有聽過我演講的朋友可能並不熟悉。

　　如下面三個轉化的結果圖所示：

　　正常轉化是左邊的圖，有洩漏點（如同我們上面講的那個航口售票網站）是中間這個，而不正常結構的轉化（最右邊這個），則是在轉化過程中，很奇怪的沒有按照預訂的轉化路徑，而是發生循環，或是“四處亂竄”。通過“全路徑報告”（這個報告在Google Analytics中沒有，但是Omniture SiteCatalytics提供），我們可以發現這類奇怪的轉化結構。這種結構對轉化效率有重大影響。下圖中，第八條主要路徑（Top 8路徑）發生了循環，而且循環發生在購物轉化過程中。

興趣閱讀：轉化結構失誤的真實案例

　　轉化結構失誤是否真的存在？答案是肯定的。一個真實的案例是某一家航空公司的電子客票銷售過程中，發生了顯著的流程循環。

　　我們看到，在用戶選擇好航班，點擊下一步之後，超過40%的訪問者又會回到上一步，即回到選擇航班的頁面。

　　這種狀況的發生極為嚴重的影響了整體轉化率，訂票轉化率低至不足3%，但這個網站的同行們卻平均有接近10%的整體轉化率。

　　發生這種現象的原因很快被找到，當用戶在航班選擇頁面挑選好某個航班後，相應的價格並不會顯示在這個頁面中，而是需要你點擊“check price”按鈕，進入到下一個頁面中，才能看到你剛才選擇的航班的票價。這是一個顯然不會讓人愉快的設計，而這個設計，也顯然造成了轉化過程中的循環——當人們看到機票價格並不是自己期望價格的時候，不得不回到上一頁去選擇新的航班，然後再點擊“check price”查看新的價格。總之，這樣的設計真的是糟透了。

　　現在，這個網站已經改掉了這個設計。但最初的毛病，在今天卻成為一個很好的反面案例。

案例：如何優化KBR之轉化率（4）——導航優化

　　我們解決了關鍵轉化過程的問題，現在我們開始關注第二個基礎驅動因素：導航。

　　導航優化也是網站分析學科中必學的課程，而且這一塊也相對有成熟的方法論。

　　對於導航，我們關注幾件事情：

　　首先，導航被過多的使用並不意味著是一件好事。可能你的商品並不容易被人輕易地找到，或者，人們總是容易找不到自己想要的商品，而不斷嘗試通過導航解決問題。

　　其次，導航被很少使用也是不合理的，這意味著你的用戶沒有訪問深度。

　　然後，導航區域本身的設置是否合理？是否有一些導航的入口根本不值得放在導航區域，而另外一些則應該添補進來？

　　對於第一、二個問題，我們如下解決：

• 導航利用率的評價

　　導航利用率用來衡量網站導航被整體使用的情況，並進而推算用戶是否過度或者過少使用了導航。當然，我們看到的一般現象是過度使用導航。

　　導航利用率通過網站中導航的總點擊密度來表現，公式為：，分母為什麼要減去bounce掉的PV，原因在於我們衡量這個值只有對非bounce的visitor才是有意義的。有時為了簡單起見，有時候我也用公式：，但這個公式的意義顯然不是很精確，減去首頁PV意味著摒棄了首頁的影響，這在首頁最為最主要的landing page的時候說得過去，但並不科學。

　　上面兩個公式計算的結果，如果數字越大，表明導航區域被使用的概率就越高。一般而言，對於第一個公式，我認為這個比例不超過40%是合理的，如果超過這個數字，說明用戶在導航中轉來轉去，並沒有實現你希望他們去做的事情——找到他們喜歡的商品並購買它。

　　現在，你一定會提出一個問題——總PV和Bounce掉的PV是容易拿到的，但導航區域的點擊數如何獲得？我的方法很簡單，對所有的導航位置的鏈接URL，均會加上一個參數後綴，以區別它是用作導航的鏈接。例如，某一個入口處於首頁的導航區域，鏈接到銷售Prada的專題頁面上，這個入口鏈接本來是http://www.chinawebanalytics.cn/prada.html，但是，因為它處於導航位置，因此我為它增加一個專門的參數“?from=nav”，這個鏈接也因此變為http://www.chinawebanalytics.cn/prada.html?from=nav。在GA中，這個URL會被記為一個不同的頁面，但並不影響用戶使用網頁。這樣，導航區域的點擊數量就被轉化為導航入口被點擊之後所打開的相應頁面的PV數，這樣這個值就能夠比較准確的獲得了。

　　當然，這個方法又引起了另一個問題，即同樣頁面因為增加了?from=這樣的參數而造成了duplicate pages，從而影響SEO的權重。但這個問題實際上是很容易解決的。在robots.txt文檔中添加Disallow: /*?*

　　可以屏蔽所有帶動態參數的鏈接，如果只屏蔽帶?from=的，Disallow: /*?from=*即可。感謝我的同事Jay Huang在這個領域的專業貢獻。

　　對於第三個問題，我們常用的方法如下。

• 導航區域本身的合理性

　　導航區域的合理性指導航入口的設置是合理的。這些入口應該是用戶常用，並且分類清晰，有邏輯性，更重要的，是用戶能夠輕易找到，且不會被隨意忽視，起不到導航的作用。

　　下圖顯示了兩個導航區域的用戶點擊情況。兩個導航區域中，都有一些很少被點擊的入口，尤其是上一個導航的help，contact us，agents等。而在下面的導航區域中，our trips，your booking又有太多的點擊，甚至人們幾乎就是沖著這兩個入口來的。因此這些導航有優化的空間。

 

　　總體上，我們認為導航的點擊不太可能平均分布，但是，如果有過於密集的點擊入口，或者過少的點擊入口，你應該考慮優化。過於密集，意味著這個頁面上該路徑或者該功能的進入方式太過單一，可以考慮增加一些輔助入口。過少的點擊，意味著這個入口出現在導航區域中的價值值得重新掂量。

　　另一個案例是走秀網歷史頁面的導航也存在問題，有一大片區域幾乎無人問津，這一區域只有一個宿命，就是消失。

• 導航路徑合理性

　　導航路徑合理性也是對導航的重要的評價。方法直接，用網站分析工具的路徑功能即可。好的導航功能有清晰的符合邏輯的路徑，不好的導航則可能出現很多不符合預期的路徑，以及出現更多的循環。不再贅述。

案例：如何優化KBR之轉化率（5）——站內搜索

　　如果我們繼續探尋優化轉化率的足跡，我們在基礎驅動因素的道路上將必然碰到站內搜索。站內搜索與導航對用戶體驗的影響本質上是相似的，對於部分電子商務網站，這種影響甚至是決定性的。

引申閱讀：電子商務網站的用戶體驗不一致性

　　電子商務網站的類型不同，造成了電子商務必然對用戶體驗具有不同的作用。同樣一個電子商務網站，對某一類用戶有很好的用戶體驗，對另外一部分則不盡然。

　　進一步說，這是人類購物天性使然。

　　我們購物有兩種情況，一種情況是帶著某種明確的目的進行購買活動，另外一種則是隨便逛逛之後的應激性購買。相對而言，男性更傾向於第一種情況，而女性則後者居多。

　　電子商務網站往往都是兩者兼顧，但相對而言還是有所偏向。由於網站定位、品類和商品特點、面向的人群不同，電子商務網站仍可以區分為偏向於服務於明確目的的購買，和偏向於服務於興趣激發的購買。

　　前者，例如改良前的京東商城，或者淘寶（你會發現在淘寶上隨便逛逛真的很困難，你的購買欲不會提升）。後者例如走秀網。這兩類電子商務網站，用戶目的的不同，用戶體驗優化的要點也不一樣。第一種情況，很顯然搜索功能必須非常強大；第二種情況，導航和商品陳設則需要非常考究。當然，並不是說對第一種情況導航不重要或是第二種情況搜索不重要，但側重確實是有不同的。

　　站內搜索的優化同樣有固定的套路，在Avinash的第二本書《Web Analytics 2.0》中有詳細闡述。我好像已經忘記了一些他的原文，所以我就講我在實踐中用到的。

　　我在很久之前那次擁擠的分享中專門做了如何通過站內搜索優化網站的內容，當時，我的觀點很明確，沒有任何用戶行為比用戶直接搜索關鍵詞透露的信息更有價值。今天，這個觀點仍然沒有過時，尤其是在你資源有限無法跟用戶直接對話的情況下。

　　對搜索的關注如我左圖所示。

　　搜索利用率跟導航點擊密度是相似的，公式也很簡單：。搜索利用率高的網站，更偏向於目的購買型，搜索利用率低的網站，則可能屬於興趣應激購買型，或是——搜索實在做的太差了。

　　除了搜索利用率需要我們自己計算外，其他的幾個關鍵點都可以通過網站分析工具直接獲得。例如，對於高search bounce和refinement的搜索詞，Google Analytics提供很不錯的報告，如下所示：

　　而0搜索結果頁面則更是非常重要的報告（這個報告Google Analytics似乎沒有），在Omniture的SiteCatalyst工具中，有專門的報告提供：

　　在上面的報告中，搜索詞“handicom”是返回0結果最多的，如果你是SONY，你一定會知道該怎麼辦了。如果我們挽救了這些搜索handicom的用戶，而且滿足了他們想要了解handycam的本意，那麼我們的轉化率一定會受益菲淺。

　　高搜索結果返回頁面是那些承載著搜索結果期望的頁面，這些頁面是否能滿足（或者至少是部分滿足）搜索者的預期，也同樣影響轉化率。

　　例如，上面的報表中，對於handycam這個搜索詞而言，用戶更多會點擊搜索結果中的首頁。這意味著，首頁最好要滿足這些人的需求，否則他們可能認為，這個網站並不能讓他們更多了解這個產品，更不用說讓他們購買這個產品了。

　　上面的這些案例，只是想要說明如何在辨識出基礎驅動因素之後，通過研究基礎驅動因素的績效來為改進和優化創造可能。我相信這些行動是意義的。不過，上面的這些案例都是分析，並不是優化建議本身，更不是帶來的優化結果。在我們上面的KBR優化路徑中，你還需要做其他一些重要的事情以保證你所采取的行動是卓有成效的。這些，我將在這個系列的最後一篇文章中闡述，包括如何通過測試尋找真正的優化方法，以及如何更高級的滿足用戶的轉化預期。