2016 年 10 月 10 日 尼古拉·拉夫林斯基 1993
几乎每天都会发布有关影响网站用户转化率和忠诚度的因素的文章。然而，这些材料中的大多数都是基于普遍接受的建筑工地原则，理论上应该是可行的。

更有趣的是谷歌的 Pat Meenan 和SOASTA的Tammy Everts最近在Velocity 2016会议上发表的一项研究。本研究使用特殊计数器（mPulse 系统）从各种实时电子商务网站收集数据。这些数据包括：操作系统、浏览器、地理位置、会话持续时间、请求标头、页面加载时间、连接速度、页面组成（元素数量、图片等）。使用了超过 1,100,000 次页面加载。

此外所有这些数据都经过清理和标准化以用于机器学习过程

（使用了两种方法：神经网络 阿曼手机号码列表 和随机森林）。构建（训练）后，模型接收到每个因素对转化率的影响系数和跳出率。

转换的所有因素的总体情况如下所示：

soasta_1
以下显示了 6 个最有影响的转换因素。

soasta_2
按重要性排序，这些是：

1.每页的元素数量。

2.每页的图像数量。

3.脚本数量（JavaScript）。

4.页面加载时间（收到文件后）。

5.完整的下载时间。

服务器生成 HTML 文档的时间

正如我们所见，前三个因素与页面的组成有关，我们将更详细地考虑其中的一些因素。以下三个因素与页面加载速度有关。

对于失败，整套指标看起来像这样。

soasta_3
在这里你可以看到，实际上在图中向右移动时重要性下降缓慢，也就是说，大量的技术因素确实影响了故障。
也就是说，如果静态web项目的安 cz 列表 全性是由其中80%提供的。资金和 20% 的组织。措施，那么在动态的情况下，这个比率会发生变化。为了便于现场管理，技术手段没有得到充分利用，这些现场保护的“缺口”恰恰是通过组织措施来弥补的。