Categories


Tags


选择太多很可能意味着不选择

再谈谈从用户的角度考虑网站设计和推广。

最近在研究中国虚拟主机服务提供商网站的时候,发现一个在英文网站中比较少见到的现象,就是这些提供商所提供的服务种类有点太多了。

在大部分中国虚拟主机服务商的网站上,都能看到诸如智强A型,B型,C型,至尊D型,E型,F型等等。有的套餐提供CGI,PHP,数据库,有的不提供。有的套餐不提供Email服务,有的就提供。

当然好的一方面是,可能不同的用户需求都能得到满足。但我的疑惑是,用户会不会经常被搞的头昏脑胀?因为光要搞明白这些套餐之间的区别,就要费一番精神。

这就牵扯到心理学,市场营销,经济学等方面的问题,选择多是不是一件好事?

我们的社会发展趋势是从没有选择,到有选择,到更多的选择。想想我们以前打电话有什么选择吗?我还记得多年前装部电话,竟然要等上半年,还要交5000元的初装费。再看看现在,显而易见,选择越来越多,给用户的方便也越来越多。

但现在在很多领域又出现了选择过多的忧虑。如果在你的网站上给用户的选择过多,就有可能意味着客户不胜其烦,干脆就不选择了。

从心理学和经济学的角度来看,选择过多隐含着一些风险。比如机会成本会提高,用户会忧虑错误选择带来的后果,选择过多会直接带来服务满意度的下降。

一般来说,只有两种情况才不会造成选择过多带来的损坏:

1)用户非常清楚自己想要什么。用上面虚拟主机服务的例子,如果你的客户非常清楚他现在和今后是否需要编程和数据库,也非常清楚他是只需要网页,还是需要网页和电子邮件。他也非常清楚他需要多少空间。那么你把各种选择提供给他,是一件好事。

问题是,大部分客户对他们想要什么非常清楚吗?

2)各种选择只有一个特性的差别。假如说一种鞋子的设计,颜色,质地等等全一样,只是尺码不一样,对用户来说这也不难选择。但是当各种不同颜色,质地,设计,尺码,价钱,产地,品牌,所有因素加起来的时候,用户就有可能无所适从了。

在网站设计上也同样,设计者应该非常清楚,有没有必要给用户提供这么多选择。如果没有必要,为什么要搞得那么复杂?

当然也有确实必要的时候,比如网上书店,你不可能只卖几本书。这时你就要考虑怎样给用户提供一个好的界面,让他挑选商品。亚马逊书店就是一个很好的例子,他们提供不同的商品部门,给你提供相关产品链接,提供其他用户的评论等等。这些都会帮助用户从大量的选择中找到自己所要的商品。

似乎中文网站现在比较少注意到这个问题,除了前面提到的虚拟主机行业外,很多其他中文网站也都是试图提供太多的内容,主页上密密麻麻铺天盖地的链接和新闻,让人不知道该看哪儿才好。

如果用户在你的网站上无所适从,显然网站销售流程需要改进。

来源:SEO每天一贴 Zac 昝辉


Public @ 2021-03-23 15:40:47

新手运营如何做广告位投放

作为一名新手运营,你可以按照以下步骤来进行广告位投放: 1. 确定目标受众:首先,你需要明确你的产品或服务的目标受众是谁。了解他们的年龄、性别、地理位置、兴趣等信息,以便选择适合的广告位和渠道。 2. 研究广告平台:了解各个广告平台的特点和优势,比如Google Ads、Facebook Ads等。根据你的目标受众和预算,选择适合的平台进行广告投放。 3. 设定广告预算:根据你的经济能力和市

Public @ 2023-07-23 02:51:10

关于提升留存率,你需要知道这些

摘要:本篇将给大家介绍一下存留数据的分析。关于存留,更关注的的是产品行为,对存留的影响一般是产品的体验、质量、核心功能等,对存留分析的目的一般也是落地在产品上。通过对产品功能的调整、优化,来提高存留率。本篇将给大家介绍一下存留数据的分析,这里先理一理日活、存留、复购、流失这几个概念。日活:每天活跃的用户量,这个相对好理解,但有一些公司不会关注活跃数量,只关注订单量分布以及下单用户量分布。存留:注册

Public @ 2010-04-08 15:57:37

关于提升留存率,你需要知道这些

摘要:本篇将给大家介绍一下存留数据的分析。关于存留,更关注的的是产品行为,对存留的影响一般是产品的体验、质量、核心功能等,对存留分析的目的一般也是落地在产品上。通过对产品功能的调整、优化,来提高存留率。本篇将给大家介绍一下存留数据的分析,这里先理一理日活、存留、复购、流失这几个概念。日活:每天活跃的用户量,这个相对好理解,但有一些公司不会关注活跃数量,只关注订单量分布以及下单用户量分布。存留:注册

Public @ 2010-04-08 15:57:37

互联网数据化运营管理:流量篇

摘要:互联网行业中,哪些数据需要分析,怎样分析,分析的价值是什么。本文将从收入相关的数据分析、成本相关的数据分析、风险(为了持续发展)相关的数据分析、综合管理篇来阐述。现在的工作会接触到很多互联网公司做bi分析的朋友,想就着这个机会,把自己所见到、学到的整理一下与大家分享,同时也希望通过分享来增加与相通兴趣的朋友的交流。文章中存在的各种不足或者错误,欢迎大家评论。关于数据化管理的文章书籍已经非常多

Public @ 2010-04-14 15:57:36

更多您感兴趣的搜索

0.526261s