زمان حضور کاربرا توی صفحات وب‌سایت چقدره؟

• حدودا 5 دقیقه • 916 کلمه

سوال اینه که کاربرای ما چقدر توی صفحات وب‌سایت‌مون می‌مونن؟ این سوالیه که همیشه پرسیده شده و همیشه هم یه جواب داشته: خیلی زیاد نیست. متوسط حضور کاربرا توی یه صفحه کمتر از یک دقیقه است.

وقتی کاربرا به یه صفحه از وب‌سایت سر میزنن، فقط برای خوندن یک چهارم از متن‌های توی این صفحه زمان میزارن. بنابراین اگه نوشته شما خیلی تر وتمیز و متمرکز نباشه، بیشتر حرف‌هایی که می‌زنید به گوش مشتری‌تون نمی‌رسه.

اما با اینکه کاربرای اینترنتی کلا عجول هستن، زمان حضورشون توی یه صفحه خیلی متفاوت و متغیره. بعضی وقتها فورا خارج میشن، اما بعضی وقت‌ها بیشتر از یک دقیقه هم منتظر می‌مونن. بنابراین عدد متوسط حضور خیلی برای آنالیز رفتار اونها مفید نیست. کاربرای ما انسان هستن و می‌تونن رفتارهای بسیار متغیری داشته باشن.

خروج از صفحه و تئوری توزیع وایبول

Chao Liu و همکارانش توی یه تحقیق جدیدی که در مایکروسافت انجام دادن، فهمیدن که رفتار کاربر تابع یه سری قواعد ریاضیه. اومدن داده‌ها رو به وسیله «یکی از افزونه‌هایی که کاربرا روی مرورگرشون نصب می‌کنن» گرفتن و زمان حضور در ۲۰۵,۸۷۳ صفحه مختلف که هرکدوم بیشتر از ۱۰,۰۰۰ بازدید داشتن روبررسی کردن (یعنی یه آزمایش بسیار دقیق به واسطه حدود ۲ میلیارد بازدید).

نتیجه تحقیق این شده: زمان حضور کاربرا توی صفحات وب‌سایت، از تئوری توزیع وایبول پیروی می‌کنه.

من وقتی این رو توضیح میدم ۹۹٪ افراد می‌پرسن که این توزیع وایبول اصلا چی هست؟ وایبول یه مفهوم مهندسی بر مبنای اطمینان پذیریه که تعداد دفعات شکست (failure) یه عنصر از سیستم رو آنالیز می‌کنه. توی این مدل یه چیزی هست به نام تابع خطر که احتمال شکست در یه فرایند سیستم رو تا زمان t مشخص می‌کنه. بر این مبنا سیستم تا قبل از زمان t درسته کار میکرده. بنابراین وقتی یه قطعه یدکی از یه سیستم عوض میشه، آنالیز وایبول مشخص می‌کنه که اون قطعه کی باید دوباره عوض بشه.

حالا ما توی وب مفهوم «شکست عنصر» رو با «خروج از صفحه» جایگزین می‌کنیم. اینجا Chao Liu و همکارانش آماری رو ارائه کردن که نشون میده نتایج تجربه اونها در مشاهده رفتار کاربر با مدل وایبول خیلی خیلی نزدیکه.

اینطور که من تحقیق کردم، دو نوع مختلف از توزیع وایبول وجود داره:

  • پیری مثبت (Positive aging): هرچی یه عنصر توی سیستم بیشتر عمر کرده باشه، احتمال اینکه شکست بخوره بیشتره. توی این حالت تابع خطر در ازای مقادیر بالاتر t افزایش پیدا میکنه. این به صورت حسی منطقی به نظر می‌رسه، چون هرچی یه قطعه‌ایی بیشتر کار کرده باشه، زودتر از دور خارج میشه. پس هر چیزی که بیشتر کار کنه، زدوتر به نقطه شکست نزدیک میشه.
  • پیری منفی (Negative aging): هرچی یه عنصر توی سیستم بیشتر عمر کرده باشه، احتمال اینکه شکست بخوره کمتره. توی این حالت تابع خطر در ازای مقادیر بالاتر t کاهش پیدا میکنه. این موضوع وقتی منطقیه که یه عنصر بخصوص از نظر کیفیت متغیر باشه. عناصر کم کیفیت خیلی زودتر با شکست روبرو میشن، پس وقتی قراره یه عنصری عمر طولانی داشته باشه، باید با کیفیت و قدرت بیشتری تولید بشه.

پیری منفی: هر چی بیشتر بمونید ماندگارترید

تحقیقات نشون دادن که ۹۹٪ از صفحات وب تاثیرشون به صورت پیری منفیه. ما توی علم تعامل انسان و کامپیوتر خیلی این موضوع رو نمی‌دونستیم و به همین دلیله که این رو میشه تقریبا یه دستاورد جدید به حساب آورد.

۱۰ ثانیه اول حضور کاربر نقش تعیین کننده‌ایی در ماندگاری و یا خروجش داره.

حالا چرا پیری منفی؟ دلیلش اینه که صفحات وب در واقع کیفیت‌های متفاوتی دارن. کاربرا هم اینو میدونن و به همین دلیل توی لحظات اولیه حضورشون به شکل بیرحمانه‌ایی مستعد خروج هستن. خیلی کم اتفاق می‌افته که کاربرا توی یه صفحه منتظر بمونن، اما وقتی یه نشونه‌هایی کیفیت رو می‌بینن تصمیم میگیرن بیشتر صبر کنن.

این چارت نشون میده که بر اساس داده‌ها، زمان حضور کاربران در صفحات وب چطور با نوع پیری منفی درمدل وایبول مطابقت پیدا می‌کنه.این چارت نشون میده که بر اساس داده‌ها، زمان حضور کاربران در صفحات وب چطور با نوع پیری منفی درمدل وایبول مطابقت پیدا می‌کنه.بنابراین همونطور که میبینید توی این چارت به وضوح معلومه که ۱۰ ثانیه اول حضور کاربر نقش تعیین کننده‌ایی در ماندگاری و یا خروجش داره. توی این ثانیه‌ها احتمال اینکه کاربر صفحه رو ببنده خیلی زیاده چون تجربه‌های بد اونها در صفحاتی که بد طراحی شدن به صورت پیش فرض بهشون یه موضع تهاجمی و شکاک داده. کاربرا میدونن که بیشتر صفحات وب بی‌مصرف هستن، به همین دلیل رفتارشون جوریه که میخوان از تلف شدن وقتشون جلوگیری کنن.

حالا اگه یه صفحه‌ایی بتونه از این ۱۰ ثانیه خیلی سخت عبور کنه (یعنی زمان قضاوت)، کاربرا باهاش ارتباط بیشتری برقرار می‌کنن. هرچند که هنوزم تا ۲۰ ثانیه اول احتمال خروج بالاست. تقریبا میشه گفت وقتی که کاربرا بیشتر از ۳۰ ثانیه توی یه صفحه می‌مونن، منحنی شروع می‌کنه به تخت شدن.

بنابراین اگه شما بتونید یه کاربری رو متقاعد کنید که حدود نیم دقیقه توی یه صفحه بمونه، این شانس رو دارید که بتونید تا ۲ دقیقه و گاهی هم بیشتر نگهش دارید، که توی وب این یعنی خیلی ;) مثلا همین که شما تا اینجای متن رو خوندید یعنی حداقل حدود ۲ تا ۳ دقیقه توی این صفحه بودید و این خیلیه :)

در این مورد نظری دارید؟
شبکه‌های اجتماعی جای بهتری هستن.