在新「經濟模式」+新「技術」加持下，網際網路企業如雨後春筍般不斷湧現。但隨著網際網路滲透率不斷提升，網際網路所面臨的增量空間逐步收窄，無論是巨頭企業還是出場企業，新流量都已成為稀缺資源。與此同時，企業將更多精力投入到現有使用者體驗、產品內容等方面。可以看到， 隨著市場競爭加劇與市場環境不穩定，流量與體驗成為網際網路企業實現業務增長和企業發展的核心要素。
具體到電商行業，伴隨著網際網路使用者增速放緩，傳統電商渠道流量紅利觸頂。電商企業流量競爭開始轉變思路，不再依賴於行業宏觀層面的使用者數增加，而是更多關注視野之外的增量窪地挖掘與針對使用者體驗的精耕細作。電商平臺吸引了使用者大量時間與精力，在多領域和場景下介入使用者日常生活與消費決策，使用者體驗價值不斷凸顯，使用者開始要求更多元與嚴格的體驗。
雙十一作為網際網路行業最早最大的購物盛宴，直播、秒殺、滿減、定金，等各種手段層出不窮。但這些背後，使用者體驗都是重要的組成部分。因此，博睿資料基於阿里雲ARMS雲撥測產品，出品《雙十一電商行業網站使用者體驗報告》，旨在與眾多網際網路從業者共同瞭解面對全球化營銷以及大促帶來的流量浪湧，電商行業各大玩家如何應對散佈在全球不同地區與國家的海量使用者，及時發現流量激增帶來的使用者體驗與效能問題，
（1） 監測背景：
監測目標：國內及東南亞主流電商站點首頁
監測時間：2021年11月10 00:00 -12日 23:59
監測工具：阿里雲ARMS-雲撥測，選擇國內外主要省市移動、聯通、電信接入Last mile節點
（2） 指標說明：
- 整體效能:從頁面開始瀏覽到最後一包資料接收完成之間的時間間隔
- 首屏用時:從輸入URL開始到頁面已渲染區域高度大於等於指定高度的時間差，平臺預設是600畫素高。
- 可用性:執行監測任務的客戶端對目標訪問的成功率，可用性=有效監測次數/總監測次數*100%
- DNS查詢用時:輸入的域名轉換成IP地址所需的時間
- 解析錯誤率:解析域名發生錯誤數佔比，解析錯誤數/解析域名總數*100%
（3） 報告內容-國內電商
從整體趨勢上來看，國內電商平臺整體效能趨勢平穩。整體效能方面，大部分電商均維持在9s以內。其中整體效能最高值13.214s，主要是 由於總下載位元組數、平均頁面體積較大。首屏用時方面，各廠商表現優秀，均在0.5s以內，客戶可以快速瀏覽到頁面內容。可用性方面，各 廠商均在99.9%以上，行業表現優秀。
三大運營商整體可用性良好，都在99.8%以上。首屏用時在把握0.5s以下，為使用者提供了良好的訪問體驗。
從錯誤總結可以看到，各電商或多或少均出現了一些錯誤，電商錯誤主機、時間比較分散，屬於正常網路抖動導致。
網路方面，部分廠商時延耗時較高，平均值超過了50ms，Tracert時延與躍點數也是最高的。 大部分廠商均在30ms以內表現良好;丟包率、查詢耗時、解析錯誤率各廠商表現良好。
各電商三大運營商表現來看，DNS查詢時間普遍控制在0.02s左右，丟包率控制在0.8%以下。
（4） 報告內容-東南亞電商
從時間趨勢來看，五家海外電商測試期間的效能趨勢表現平穩。首屏用時方面，除了個別廠商，大部分廠商控制在1.8秒以內，為使用者提供了較為順暢的體驗。可用性方面，大部分廠商均保持99%以上。
丟包率與DNS查詢用時方面，各廠商均表現良好。時延方面，大部分廠商均保持在100ms以內。
落地效能與體驗最佳化的基本原則與流程 – 基礎原則
可以看到各個廠商都在使用者體驗等方面進行了大量最佳化。那麼，其他行業該如何最佳化自身的產品呢？在開始最佳化前，我們需要思考一個問題：如果網站效能與體驗問題能在使用者感知之前事先發現與修復，在研發交付過程中就進行迴避或修正 ，是否能有效提升產品NPS甚至營收?以及我們是否能接受在那些會深遠影響使用者規模以及企業營收的問題出現之後再修復?而這就是效能 與體驗最佳化的出發點。所以，這裡有幾個基礎原則需要在落地開始前明確:
- 資料驅動原則:最佳化策略需要建立在準確的效能與體驗資料上，確保終端使用者體驗以及最佳化收益可被量化。
- 儘早儘快原則:儘早發現未暴露的問題，減少對使用者體驗的持續影晌。發現問題後，儘快解決主要問題，降低影響程度。
- 最佳收益原則:產品不同生命階段需要平衡效能體驗與產研效能，優先選擇當前時期最簡單、價效比最高的最佳化方案。
- 單元化原則:由於不同元件都會對效能與體驗造成影響，因此需要從前端到後端逐層剝離，相關元件、模組進行單元測試，確定關鍵最佳化目標。
- 持續最佳化原則:效能與體驗最佳化並非一勞永逸的工作，需要產品在迭代的過程中不斷髮現問題最佳化問題，並在這一過程中防止效能與體驗退化。
落地效能與體驗最佳化的基本原則與流程 – 團隊建設
在瞭解基礎原則後，我們就可以開始組建效能與體驗最佳化團隊，該團隊可以是實體架構團隊，也可以是虛擬團隊，但這其中都需要拉通不同 研發職能的同學，這其中包括:
- 產品運營:使用者以及運營角度設計最佳化使用者流程路線，為工程師提供使用者場景解讀，幫助工程師快速理解業務。
- 架構師:透過最佳化系統架構解決效能瓶頸，提升服務執行效率。
- 前端工程師:透過迭代前端邏輯和程式碼，提升前端程式執行效率。對前端效能資料進行收集和分析。針對與競品進行評測，提出針對性 競爭最佳化策略。
- 後端工程師:針對影響效能的元件、模組、介面進行持續迭代。
- 運維工程師:分析系統執行狀況以及資源使用效率情況。對IDC、CDN以及雲服務等基礎資源進行效能測試，確保產品的高效能與高可用。
在構建出效能與體驗最佳化團隊後，可以著手實際落地，在實踐過程中我們需要遵循「監控-分析-最佳化」的迭代迴圈並在每個部分中完成多個 對應動作，從而推動最佳化落地。
落地效能與體驗最佳化的流程
Step 1:透過監測全面評估自身產品及競爭對手在不同使用環境下的效能與使用者體驗的資料表現。
不管是自建，還是第三方工具都不可或缺。分析最佳化的前提是具備足夠資料支撐我們進行分析與決策。透過監控工具去獲取競爭對手的資料，會獲得更具參考價值以及針對性最佳化方案。最後，在最佳化後持續監測去檢查最佳化方案效果。在建立監控後，最佳化團隊不必不急於開展最佳化，掌握資料定位短板是首要任務，體系化效能與體驗監控機制將所有環境下的效能事件採集彙總，在資料基礎上設定最佳化目標。確保在整個最佳化體系初期就建立持續、透明的效能與體驗監控機制。
Step 2 透過分析來評估網頁/應用/網路等部分的效能，為最佳化及資源投入提供依據，並針對故障以及瓶頸進行預警、報警。
- 定位異常及瓶頸:針對性能與體驗資料，需要分析出影響效能的瓶頸位置，哪些方面需深入監測，收集並處理相關資料，以便最佳化方案設計。
- 最佳化方案設計:基於分析資料進行設計相關最佳化方案，並對所需的研發資源以及資源投入進行統籌評估。
定位異常及瓶頸與設計最佳化方案的投入都是圍繞核心產品或者核心功能展開，力爭在同業產品中效能與體驗最優。與此同時，在這一過程中，注重沉澱總結效能分析和最佳化方法，有助於提高最佳化團隊的工作效率，可以讓不同產品線的研發團隊都能從中受益。
Step 3 基於最佳化方案對網路、系統、前端、應用等不同環節、不同層進行最佳化。
- 最佳化方案實施:除了基於最佳化方案的程式碼以及邏輯最佳化外，需要針對可能的關聯問題進行相關預案設計。
- 效果跟蹤反饋:在最佳化方案完成後，需要利用A/B測試、撥測等不同方式，監測真實使用者反饋並進行持續，以便追蹤最佳化效果並挖掘關 聯的瓶頸與異常。
產品最佳化永遠不是一個團隊的事情，因此與對應的產研團隊充分溝通，充分配合是方案落地的大前提。
