关于任务完成度的定义

欢迎来到艾泽拉斯大陆……如果你玩过魔兽世界,也许你在里面完成过无数个任务;当用户在访问网站时,其实他们也在试图完成某些特定的任务。也许大家都比较熟悉网站目标(Goal),因为很多网站分析工具都提供了基于目标的分析,网站目标更多地是从网站的角度去定义的,比如电子商务网站的目标就是促成有效的交易;而用户任务(Task)则是从用户的角度去定义的,用户会有自己的目标,比如用户上电子商务网站可能只是为了查询某些商品的信息,询价,或者只是单纯的逛逛。所以每个用户带着自己的任务访问网站,这些任务可能各不相同,这无疑给分析带来了一定的难度。

关于任务完成度的定义

其实跟前面一篇文章——用Engagement衡量用户活跃度中的Engagement度量类似,用户任务也是一个非标准度量,而且根据网站的不同和用户访问目的的不同而显得千差万别。但用户任务完成度(Task Completion)与Engagement也存在着差异,Engagement定义的是用户的行为或动作,只要发生我们就认为用户参与了;而任务完成度定义的是结果,只有当用户的某个需求被实现时(如购买成功、获取到了相关信息、通过网站解决了某个问题……)才能认为用户完成了任务。 用户的Engagement不会直接影响网站目标,那么用户的任务完成度是否会对网站目标有直接影响呢?如果说网站目标(Goals)是从网站的角度衡量网站的商业目的(Business Objectives)是否实现的话,那么任务完成度(Task Completion)则是从用户的角度衡量用户的期望(User Expectation)是否达到。所以只有当网站目标与用户的任务一致时,我们才能认为用户任务完成度会对网站目标产生直接影响,因为两者衡量的都是结果,所以这种直接的影响有些时候甚至是可以划等号的。 既然用户访问网站的目的各不相同,每个人都带着各自的任务,那么我们如何获悉用户访问网站到底是来做什么的呢?

如何获取用户的任务信息

用户任务是一个非标准度量,并且是由用户自己决定的,我们似乎无法从点击流日志的用户行为分析中辨认用户到底是以什么样目的访问网站,我们需要直接向用户寻求答案。 前几天在Justin Cutroni的博客Analytics Talk看到了一个有意思的在线问卷调查,其实就是简单的2-3个问题,关于你为何来到这个网站,你完成了预期的任务吗,以及你对这次网站浏览的满意度如何,最后再加上一个可以自由填写的反馈,Justin Cutroni使用的是http://www.4qsurvey.com/这个网站提供的在线问卷服务,好像蓝鲸的博客也提供了在线问卷,他使用的是http://polldaddy.com/,还有一个提供反馈的功能http://www.kampyle.com/。其实这些都是收集用户信息的好办法,通过调查问卷(Survey)的方式让用户来告诉你答案。 如果我们需要分析用户的任务完成度,可以设计一个简单的在线问卷,提供在线问卷调查的网站很多,国内的国外的、免费的收费的,其实操作都比较简单,但首先我们需要注意一下几个问题:

什么时候向用户提供调查问卷?如果是分析任务完成情况,那么很明显要在用户离开网站的时候;以何种方式提供问卷?比较常见的是弹出窗口或跳转链接,但无论用什么方式建议都先礼貌地问下用户是否愿意填写问卷;在用户完成问卷时不要忘记感谢用户的支持,或者让用户留下邮箱以告知他们调查分析的结果,这些都是他们应得的,当然也可以借机推广你的网站;问卷的设计,这是个复杂的问题,完全可以写本书了,这里只是提供用户任务完成分析的问卷设计,我的建议是如果不是一次全面系统的网站分析问卷调查,那么尽量减少问卷中的问题数量,而且尽量要一开始就告诉用户问卷的长度及可能占用他们多少时间。其实如果只是分析用户任务完成度,3个问题就足够了:

分析用户的任务完成度

基于从问卷调查中获得的数据,我们可以借用一些图表来分析用户的任务完成情况。 首先,必须明确用户任务也是基于用户在网站上的一次访问(Visit)。一般用户一次访问只是为了完成一个任务,所以对于大部分网站而言,更偏向于衡量一次访问的任务是否完成而不是完成的百分比。所以这里的任务完成度(Task Completion) 的定义并不是每次访问用户完成任务的程度,而是所有的用户访问中完成任务的访问占所有访问的比重

,即

任务完成度 = 完成任务的访问数 / 总访问数

可以基于任务类型进行细分,以电子商务网站为例,假如问卷中的任务选项包括:

购买商品查询商品信息售前售后咨询其它

根据问卷采集的数据可以得到下图: 基于任务类型的细分,可以分析每类任务的用户访问量所占比例(左侧饼图),以及每类任务的完成情况(右侧柱状图,总高度为每类任务的总访问量,,蓝色区块的高度为完成任务的访问数,可以看出每个任务类型中完成的访问数所占比重)。如果网站中进行的是长期的问卷调查,同样可以对每类任务的完成度进行趋势分析,如下图: 趋势分析可以有效地掌握用户在网站中完成任务的变化情况,进而衡量网站在运营优化上面取得的成果。 接下来该由你来做些什么了,你可以尝试用你的方法寻找更恰当的图表来展示和分析数据。

» 本文采用 BY-NC-SA 协议,转载请注明来源:网站数据分析 » 《用户任务完成度分析》

时间: 2024-12-02 01:09:56

关于任务完成度的定义的相关文章

软件设计的复杂度

什么是软件设计的复杂度 软件技术发展的使命之一就是控制复杂度(Complexity).从高级语言的产生,到结构化编程,再到面向对象编程.组件化编程等等.关于复杂度的定义并不一致,想要详细了解的可以读读The Many Faces of Complexity in Software Design. 英文中Complex和Complicated有着微妙的不同.但总结起来,软件复杂度偏负面意义,包括两个要点: - 难以理解 (难以维护和扩展.) - 无法预测行为 复杂度是随着软件规模不断扩大而必然产生

圈复杂度评价及工具

转载请注明出处:http://blog.csdn.net/horkychen 圈复杂度用来评价代码复杂度,以函数为单位,数值越大表示代码的逻辑分支越多,理解起来也更复杂.圈复杂度可以成为编码及重构的重要参考指标,以指导撰写可读性高的代码.有关圈复杂度的定义,可以自行搜索.<代码大全>有如下的定义: 计算子程序中决策点数量的技术 (代码大全2,19章P458) 1.由1计数,一直往下通过程序. 2.一旦遇到以下关键字,或者其同类的词,就加1:   if, while, repeat, for,

四种聚类方法的比较

聚类分析是一种重要的人类行为,早在孩提时代,一个人就通过不断改进下意识中的聚类模式来学会如何区分猫狗.动物植物.目前在许多领域都得到了广泛的研究和成功的应用,如用于模式识别.数据分析.图像处理.市场研究.客户分割.Web文档分类等[1]. 聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大.即聚类后同一类的数据尽可能聚集到一起,不同数据尽量分离. 聚类技术[2]正在蓬勃发展,对此有贡献的

SQLSERVER数据仓库的构建与分析

server|sqlserver|数据     SQLSERVER数据仓库的构建与分析   (一)基本概念:     1.多维数据集:多维数据集是联机分析处理 (OLAP) 中的主要对象,是一项可对数据仓库中的数据进行快速访问的技术.多维数据集是一个数据集合,通常从数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构.     2.维度:是多维数据集的结构性特性.它们是事实数据表中用来描述数据的分类的有组织层次结构(级别).这些分类和级别描述了一些相似的成员集合,用户将基于这些

使用Fw MX插件 3D Primitives

Fireworks中一直缺乏三维造型的功能,现在让我们看看通过扩展插件,Fireworks可以做出什么三维效果: 这是迄今为止我看到的功能最为强大的Fireworks插件,虽然它的造型能力还有限,运算速度也未优化,不过已经可以使我们对Fireworks的扩展能力耳目一新了,此插件的详细中文使用说明见:http://www.bitgenius.com/tutorial/fw/3DPrimitives/index.htm插件下载地址 (如此地址不能访问时,可从本地下载)此网站上还有几个很好的插件大家

SQL Server涉及到的数据仓库基本概念

server|概念|数据 1.多维数据集:多维数据集是联机分析处理 (OLAP) 中的主要对象,是一项可对数据仓库中的数据进行快速访问的技术.多维数据集是一个数据集合,通常从数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构.2.维度:是多维数据集的结构性特性.它们是事实数据表中用来描述数据的分类的有组织层次结构(级别).这些分类和级别描述了一些相似的成员集合,用户将基于这些成员集合进行分析.3.度量值:在多维数据集中,度量值是一组值,这些值基于多维数据集的事实数据表中的一列

PR值与关键词排名 不要丢了西瓜捡了芝麻

11月8号,就在昨晚谷歌又一次更新了PR值.对于此举,不少人认为是谷歌对于实时搜索而做成的一次调整,因为距离上一次更新时间不过1个月左右,不过,也可以看出谷歌基本上已经恢复了更新频率.但这不是我今天想要讨论的主题,PR值反映一个网站的综合权重,当然越高越好,但对于关键词排名来说,并不说你网站PR值高了,就会有好的排名,更有甚PR值涨了,但排名却下降了!我自己的一个网站石家庄易诚网络,就是这样,这次更新,PR值涨到3了,可以说给我一定的惊喜,因为网站到现在也就半年时间,但关键词基本上还维持在原来的

SQL Server数据仓库相关概念及构建流程

本文给出了SQL Server数据仓库的基本概念,并利用实例构建过程进行分析,供大家参考! 基本概念: 1.多维数据集:多维数据集是联机分析处理 (OLAP) 中的主要对象,是一项可对数据仓库中的数据进行快速访问的技术.多维数据集是一个数据集合,通常从数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构. 2.维度:是多维数据集的结构性特性.它们是事实数据表中用来描述数据的分类的有组织层次结构(级别).这些分类和级别描述了一些相似的成员集合,用户将基于这些成员集合进行分析. 3

如何在SQL Server中构建数据仓库

[导读]本文介绍如何在SQL Server中构建简单的数据仓库,并分析相关的问题. 基本概念: 1.多维数据集:多维数据集是联机分析处理 (OLAP) 中的主要对象,是一项可对数据仓库中的数据进行快速访问的技术.多维数据集是一个数据集合,通常从数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构. 2.维度:是多维数据集的结构性特性.它们是事实数据表中用来描述数据的分类的有组织层次结构(级别).这些分类和级别描述了一些相似的成员集合,用户将基于这些成员集合进行分析. 3.度量值