用戶體會規劃中用到的核算學方法

工作中最常用到的核算方法有哪些？依據我自己的經歷給舉些例子。

1.經過一部分用戶樣本預估全體的用戶情況。比方，你的網站用戶有200萬注冊用戶，你要征詢他們關于網站改善的定見，你需求給他們發郵件問卷。但因為種種約束，你不能每個用戶都發，并且你收到的有效問卷只有1500多份。你要明確一下，你收集到得1500多份問卷到底多大程度上能夠帶代表200萬的全體。這時候，你要預估差錯范圍（margin of error）。假如你搜集到的有效有可巧有52%的支持計劃改善，你能說多一半的人都支持么？當然不能，因為你的差錯范圍可能就有2.5%左右。當然差錯的范圍和你選定的置信度相關（Confidence Level），這兒因為時間的約束我就不細說了。

2.依據用戶的行為和特征對用戶進行細分。這兒需求用到聚類的概念，經過相似性的核算，來將行為和特征附近的個別用戶歸為一類。比較常用的歸類算法，比方K-均值法。例如，你做一個B2B的電子商務網站。你會考慮用哪些標準來劃分用戶比較好，如廠家的規劃,產品所屬的行業，仍是他的商業模式（生產廠家、外貿公司、批發商、零售商）等等。

3.網站規劃與商業方針的相關性剖析。網站都會經常做改善，假如你有都有相關的歷史記錄能夠分分出哪些規劃的改善進步的用戶的活躍度或許轉化率。經過相關性剖析，你能夠知道哪些規劃的改善關于用戶的活躍度或許轉化率更大；你還能夠知道哪些規劃元素的改善能夠互相促進商業方針的完成，哪些則不起作用，或許反作用。（當以，這些剖析都基于你已經剔除了運營和推廣活動對你造成的干擾）

4.網站全體用戶體會的衡量。面臨每天幾十上百的網站數據的各種目標，信任有相當一部分人包括老板們都看不懂。據說google的各種目標有2000多個。這些數據目標關于用戶體會的衡量到底有多大意義，也許沒有一個人能夠徹底說清楚。這時候，網站需求一個相似股票大盤指數的目標來衡量網站全體用戶體會，及其變化趨勢。這需求對數據進行長期的盯梢，核算，相關性比較才干完成