用户体会规划中用到的核算学方法

工作中最常用到的核算方法有哪些？依据我自己的经历给举些例子。

1.经过一部分用户样本预估全体的用户情况。比方，你的网站用户有200万注册用户，你要征询他们关于网站改善的定见，你需求给他们发邮件问卷。但因为种种约束，你不能每个用户都发，并且你收到的有效问卷只有1500多份。你要明确一下，你收集到得1500多份问卷到底多大程度上能够带代表200万的全体。这时候，你要预估差错范围（margin of error）。假如你搜集到的有效有可巧有52%的支持计划改善，你能说多一半的人都支持么？当然不能，因为你的差错范围可能就有2.5%左右。当然差错的范围和你选定的置信度相关（Confidence Level），这儿因为时间的约束我就不细说了。

2.依据用户的行为和特征对用户进行细分。这儿需求用到聚类的概念，经过相似性的核算，来将行为和特征附近的个别用户归为一类。比较常用的归类算法，比方K-均值法。例如，你做一个B2B的电子商务网站。你会考虑用哪些标准来划分用户比较好，如厂家的规划,产品所属的行业，仍是他的商业模式（生产厂家、外贸公司、批发商、零售商）等等。

3.网站规划与商业方针的相关性剖析。网站都会经常做改善，假如你有都有相关的历史记录能够分分出哪些规划的改善进步的用户的活跃度或许转化率。经过相关性剖析，你能够知道哪些规划的改善关于用户的活跃度或许转化率更大；你还能够知道哪些规划元素的改善能够互相促进商业方针的完成，哪些则不起作用，或许反作用。（当以，这些剖析都基于你已经剔除了运营和推广活动对你造成的干扰）

4.网站全体用户体会的衡量。面临每天几十上百的网站数据的各种目标，信任有相当一部分人包括老板们都看不懂。据说google的各种目标有2000多个。这些数据目标关于用户体会的衡量到底有多大意义，也许没有一个人能够彻底说清楚。这时候，网站需求一个相似股票大盘指数的目标来衡量网站全体用户体会，及其变化趋势。这需求对数据进行长期的盯梢，核算，相关性比较才干完成