在新「经济模式」+新「技术」加持下,互联网企业如雨后春笋般不断涌现。但随着互联网渗透率不断提升,互联网所面临的增量空间逐步收窄,无论是巨头企业还是出场企业,新流量都已成为稀缺资源。与此同时,企业将更多精力投入到现有用户体验、产品内容等方面。可以看到,随着市场竞争加剧与市场环境不稳定,流量与体验成为互联网企业实现业务增长和企业发展的核心要素。
具体到电商行业,伴随着互联网用户增速放缓,传统电商渠道流量红利触顶。电商企业流量竞争开始转变思路,不再依赖于行业宏观层面的用户数增加,而是更多关注视野之外的增量洼地挖掘与针对用户体验的精耕细作。电商平台吸引了用户大量时间与精力,在多领域和场景下介入用户日常生活与消费决策,用户体验价值不断凸显,用户开始要求更多元与严格的体验。
双十一作为互联网行业最早最大的购物盛宴,直播、秒杀、满减、定金,等各种手段层出不穷。但这些背后,用户体验都是重要的组成部分。因此,博睿数据基于阿里云ARMS云拨测产品,出品《双十一电商行业网站用户体验报告》,旨在与众多互联网从业者共同了解面对全球化营销以及大促带来的流量浪涌,电商行业各大玩家如何应对散布在全球不同地区与国家的海量用户,及时发现流量激增带来的用户体验与性能问题。
监测背景:
监测目标:国内及东南亚主流电商站点首页
监测时间:2021年11月10日00:00-12日23:59
监测工具:阿里云ARMS-云拨测,选择国内外主要省市移动、联通、电信接入Last mile节点
指标说明:
整体性能:从页面开始浏览到最后一包数据接收完成之间的时间间隔
首屏用时:从输入URL开始到页面已渲染区域高度大于等于指定高度的时间差,平台默认是600像素高。
可用性:执行监测任务的客户端对目标访问的成功率,可用性=有效监测次数/总监测次数*100%
DNS查询用时:输入的域名转换成IP地址所需的时间
解析错误率:解析域名发生错误数占比,解析错误数/解析域名总数*100%
报告内容-国内电商
从整体趋势上来看,国内电商平台整体性能趋势平稳。整体性能方面,大部分电商均维持在9s以内。其中整体性能最高值13.214s,主要是由于总下载字节数、平均页面体积较大。首屏用时方面,各厂商表现优秀,均在0.5s以内,客户可以快速浏览到页面内容。可用性方面,各厂商均在99.9%以上,行业表现优秀。
三大运营商整体可用性良好,都在99.8%以上。首屏用时在把握0.5s以下,为用户提供了良好的访问体验。
从错误总结可以看到,各电商或多或少均出现了一些错误,电商错误主机、时间比较分散,属于正常网络抖动导致。
网络方面,部分厂商时延耗时较高,平均值超过了50ms,Tracert时延与跃点数也是最高的。大部分厂商均在30ms以内表现良好;丢包率、查询耗时、解析错误率各厂商表现良好。
各电商三大运营商表现来看,DNS查询时间普遍控制在0.02s左右,丢包率控制在0.8%以下。
报告内容-东南亚电商
从时间趋势来看,五家海外电商测试期间的性能趋势表现平稳。首屏用时方面,除了个别厂商,大部分厂商控制在1.8秒以内,为用户提供了较为顺畅的体验。可用性方面,大部分厂商均保持99%以上。
丢包率与DNS查询用时方面,各厂商均表现良好。时延方面,大部分厂商均保持在100ms以内。
落地性能与体验优化的基本原则与流程–基础原则
可以看到各个厂商都在用户体验等方面进行了大量优化。那么,其他行业该如何优化自身的产品呢?在开始优化前,我们需要思考一个问题:如果网站性能与体验问题能在用户感知之前事先发现与修复,在研发交付过程中就进行回避或修正,是否能有效提升产品NPS甚至营收?以及我们是否能接受在那些会深远影响用户规模以及企业营收的问题出现之后再修复?而这就是性能与体验优化的出发点。所以,这里有几个基础原则需要在落地开始前明确:
数据驱动原则:优化策略需要建立在准确的性能与体验数据上,确保最终用户体验以及优化收益可被量化。
尽早尽快原则:尽早发现未暴露的问题,减少对用户体验的持续影晌。发现问题后,尽快解决主要问题,降低影响程度。
最佳收益原则:产品不同生命阶段需要平衡性能体验与产研效能,优先选择当前时期最简单、性价比最高的优化方案。
单元化原则:由于不同组件都会对性能与体验造成影响,因此需要从前端到后端逐层剥离,相关组件、模块进行单元测试,确定关键优化目标。
持续优化原则:性能与体验优化并非一劳永逸的工作,需要产品在迭代的过程中不断发现问题优化问题,并在这一过程中防止性能与体验退化。
落地性能与体验优化的基本原则与流程–团队建设
在了解基础原则后,我们就可以开始组建性能与体验优化团队,该团队可以是实体架构团队,也可以是虚拟团队,但这其中都需要拉通不同研发职能的同学,这其中包括:
产品运营:用户以及运营角度设计优化用户流程路线,为工程师提供用户场景解读,帮助工程师快速理解业务。
架构师:通过优化系统架构解决性能瓶颈,提升服务执行效率。
前端工程师:通过迭代前端逻辑和代码,提升前端程序执行效率。对前端性能数据进行收集和分析。针对与竞品进行评测,提出针对性竞争优化策略。
后端工程师:针对影响性能的组件、模块、接口进行持续迭代。
运维工程师:分析系统运行状况以及资源使用效率情况。对IDC、CDN以及云服务等基础资源进行性能测试,确保产品的高性能与高可用。
在构建出性能与体验优化团队后,可以着手实际落地,在实践过程中我们需要遵循「监控-分析-优化」的迭代循环并在每个部分中完成多个对应动作,从而推动优化落地。
落地性能与体验优化的流程
Step 1:通过监测全面评估自身产品及竞争对手在不同使用环境下的性能与用户体验的数据表现。
不管是自建,还是第三方工具都不可或缺。分析优化的前提是具备足够数据支撑我们进行分析与决策。通过监控工具去获取竞争对手的数据,会获得更具参考价值以及针对性优化方案。最后,在优化后持续监测去检查优化方案效果。在建立监控后,优化团队不必不急于开展优化,掌握数据定位短板是首要任务,体系化性能与体验监控机制将所有环境下的性能事件采集汇总,在数据基础上设定优化目标。确保在整个优化体系初期就建立持续、透明的性能与体验监控机制。
Step 2通过分析来评估网页/应用/网络等部分的性能,为优化及资源投入提供依据,并针对故障以及瓶颈进行预警、报警。
定位异常及瓶颈:针对性能与体验数据,需要分析出影响性能的瓶颈位置,哪些方面需深入监测,收集并处理相关数据,以便优化方案设计。
优化方案设计:基于分析数据进行设计相关优化方案,并对所需的研发资源以及资源投入进行统筹评估。
定位异常及瓶颈与设计优化方案的投入都是围绕核心产品或者核心功能展开,力争在同业产品中性能与体验最优。与此同时,在这一过程中,注重沉淀总结性能分析和优化方法,有助于提高优化团队的工作效率,可以让不同产品线的研发团队都能从中受益。
Step 3基于优化方案对网络、系统、前端、应用等不同环节、不同层进行优化。
优化方案实施:除了基于优化方案的代码以及逻辑优化外,需要针对可能的关联问题进行相关预案设计。
效果跟踪反馈:在优化方案完成后,需要利用A/B测试、拨测等不同方式,监测真实用户反馈并进行持续,以便追踪优化效果并挖掘关联的瓶颈与异常。
产品优化永远不是一个团队的事情,因此与对应的产研团队充分沟通,充分配合是方案落地的大前提。