本文主要内容包括:
- 构建数据驱动的假设
- 利用“问题描述,解决方案,评估指标” 框架创建强有力的假设
- 确定有效假设的组成部分
强有力的假设是数据驱动优化的核心。假设陈述有助于将访客行为数据和见解转化为优化建议。用假设来驱动有意义的试验。每个假设都是一个想要测试的想法;每个被确认或拒绝的想法都会告诉我们访客的期望和行为,并为迭代优化过程提供反馈。一致的、以假设为驱动的测试有助于优化对公司目标产生影响的计划。在云眼AB测试学院的课程中我们将了解关于撰写有效假设的更多信息。
比如,我们注意到购买过程中放弃率较高。我们假设转化漏斗中的链接让访问者感到分心,因此要测试移除它们。已完成的购买记录不仅显示出转化的提升,也证实了我们对访客和网站体验的假设和理解。使用这些见解有助于确定接下来要优化的内容,以及理由和如何衡量结果。
假设驱动的优化为公司长期获益提供以下支持:
- 建立持续调查的机制
- 了解用户的痛点
- 发现并优先考虑测试的潜在好处
- 建立共同的语言,以便构思和研究
- 将试验与公司的挑战关联
而不使用假设可能会将资源浪费在不能对业务产生影响的不重要的试验上。
什么是假设?
假设是在运行试验之前创建的预测。常见的格式是:
如果[原因],那么[效果],因为[原理]。
在体验优化领域,强有力的假设包括三个部分:问题陈述,解决方案和评估指标。
下面我们详细地讨论假设的每个组成部分。
问题
在定义假设时,从一个有意义的问题开始:您希望解决访客体验中的问题或痛点。
使用定性和定量资料来验证您的问题。通常在思考用户体验时,可能会陷入凭空猜想。使用数据来确认您试图解决的问题非常重要。
从访客的角度解释问题。这样做可以帮助我们更深入地了解问题并产生可以找到根本原因的假设。
对于问题验证,请尝试以下格式:
问题定义:用户在我们的搜索结果页面上看不到过滤器。数据验证:在搜索产品时,只有不到15%的用户使用过滤器,这明显低于行业标准。
解决方案
接下来,提出解决方案。描述更改,以便阅读假设的人可以理解更改,而无需看截图。然后,添加一个理论基础,为什么该解决方案是解决该问题的理想方案。
建议的解决方案:将过滤器移到结果的左侧。
理由:这是过滤器最常见的地方;用户更可能在那里注意到他们。
评估指标
最后,预测您的假设与关键业务指标的关联,包含判定试验成功或失败的指标,并以此来确定用于跟踪试验成功的具体指标。
主要指标:使用过滤器的用户比例会增加
成功的样子是什么:移动到产品页面的用户比例会增加;购买率会增加。
有效假设的例子
例1 | |
问题 | 用户发现主页上的特色产品无关紧要。只有12%的用户点击它们。11位用户中有9位表示他们从未在主页上找到有趣的产品。 |
解决方案 | 设置特色产品的算法以显示用户近期访问过类别的产品。如果用户访问该类别,他们已表示对这些类型的产品感兴趣。 |
评估指标 | 点击特色产品的用户百分比和将产品添加到购物车的用户百分比会增加。 |
为什么这个假设有效? |
|
例2 | |
问题 | 用户不理解我们金融服务(“现金服务”)选项卡上的名称,正如可用性访谈中用户所提到到的。因此,有85%的用户在进入页面后就会退出。 |
解决方案 | 为这些地方尝试不同的名称,例如:“金融服务”,“专业服务”或“现金”。 |
评估指标 | 着陆页上该选项卡有更多点击次数和更少的退出率。 |
为什么这个假设有效? |
|
最佳实践
投入到发现中,完善的假设和凭空猜测之间的关键区别是数据。深入分析现有的数据来源,并通过您的网站仔细观察访客浏览过程,包括直接数据源,如云眼的访客分析、行为分析等数据,以及间接数据源,如竞争对手分析。
使用与公司目标紧密相关的数据,确保专注于具有重大影响的领域,而不是孤立地进行UX更改。您公司如何定义网络推广或营销上的成功?数据源可以帮助验证问题和解决方案的基本原理。避免简单地凭直觉做出假设。
创建一个可测试的假设
为了有效地测试假设,请确定度量标准以便跟踪并定义明确的成功和失败标准。
例如,您假设从结帐页面删除面包屑导航将有助于访客留在渠道中并增加转化次数。原始和变化之间的区别在于面包屑的存在与否。这种变化的影响可以通过转化次数来衡量。
从观察发现中学习
假设驱动的测试会让你观察访客的行为。这些观察所得会产生关于访客和网站体验的其他问题 – 并推动迭代学习过程。
理想情况下,循环遵循以下步骤:
- 收集关于访客行为和行业的数据,并依据对该数据的见解来提问
- 根据对数据的见解来制定假设
- 根据假设设计和实施试验
- 分析结果来决定假设是否被证实或被证伪
- 创建并记录结论
- 使用结论来创建新问题
关联到您公司的问题
从问题开始,而不是解决方案。如果某个解决方案无法提供期望的结果,请使用问题陈述来探索新的潜在解决方案并进行迭代。这种做法能使我们专注于阻碍实现公司目标的问题。