文章越多,倉庫越大?把網站做成會調整貨架的商店

閱讀功能說明

收聽會朗讀正文;速讀會依序顯示短語,速度可調。語言練習可對照現有的不同語言版本。收藏儲存在本瀏覽器中,可從播放器的收藏清單再次開啟。用打磚塊來讀會把正文的文字變成磚塊,邊打邊讀。

分享這篇文章
文章越多,倉庫越大?把網站做成會調整貨架的商店
AI生成的示意圖

文章從100篇增加到300篇、1000篇,並不代表媒體體驗自然變好了。

最糟的情況只是倉庫變大。

好文章被埋在後方紙箱,入口永遠擺著同樣的熱門內容,不主動搜尋就很難知道其他文章存在。

所以更好的思維模型是:

網站不是儲藏室,而是一家商店。

首頁是門面,主題是專區,搜尋是店員,文章卡片是貨架標籤,相關文章指向下一排貨架。看看客人走到哪裡,好的商品沒人發現,就換個擺法。

理想的商店不會故意把顧客困在離出口最遠的地方。

需要答案的人可以快速找到;想逛的人可以慢慢探索;離開後仍有值得回來的理由;系統還能學習哪些內容沒被找到,讓陳列越來越合理。

這就是 發現 → 閱讀 → 產生下一個興趣 → 再訪 → 自動改善 的循環。

1. 比起停留多久,更要看有沒有找到想要的

把PV與停留時間直接當目標很危險。

有人30秒得到一句正確答案後離開,數字上也許看起來很弱,但體驗可能非常成功。

另一個人找不到答案,在五頁之間來回,貢獻五個PV,卻可能只是迷路五次。

原文章參考的Google HEART方法,也把是否滿意、是否常用、有無新使用者、是否再回來、是否完成目的分開看。先決定要幫人做到什麼,再選擇能看出結果的反應與數字。[1]

所以在慶祝「每次造訪頁數增加」之前,先區分:

  • 是否完成目的
  • 是否有有趣發現
  • 是否找到有用的下一步
  • 是否願意再回來

值得增加的是 有價值的發現次數。

PV如果因此成長很好;如果把PV本身當成毒品,最後就會蓋出沒有出口的購物中心。

2. 發現——人追的不是連結數量,而是資訊氣味

原文章參考的資訊搜尋研究認為,人會根據眼前的線索,判斷哪裡可能有自己想要的資訊,再決定往哪裡找。[2]

在Web上,這些線索形成資訊氣味。

只寫「工作」「AI」「生活」的卡片只能告訴讀者分類。

「如何在不破壞關係的情況下拒絕請求」則能預測點擊後的價值。

因此,發現品質取決於標題、描述、主題、當下情境與預期收益是否一致,而不是連結越多越好。

原文章參考的Google指南也建議重要頁面應該從站內其他頁面得到可抓取的連結,錨文字要具體且相關;同時也說不存在每頁理想連結數的魔法數字。[3]

希望所有文章都能被發現,不代表要把所有商品堆到收銀台前。

3. 閱讀——不要把所有文章塞進同一模板

「5秒給結論」對某些內容很好,但對所有內容都這樣做會毀掉閱讀。

故障排除、手續、價格比較、設定指南通常適合先給答案。

體驗、觀察、文化、旅行與敘事分析的價值,則可能就在過程本身。

按內容類型定義讀者任務:

  • 找答案:盡早給出答案、條件和做法。
  • 做選擇:說明差別,以及各自的好處和麻煩。
  • 想明白原因:一步步解釋為什麼會這樣。
  • 讀故事:保留事情經過、意外和發現。
  • 錯了會出問題:交代依據、適用情況和還不清楚的地方。

原文章參考的Google讀者優先指引同樣重視真正對受眾有用、能幫助達成目標並留下滿意體驗的內容,而不是為操縱排名而製作的內容。[4]

格式應從人的目的出發,不是從SEO迷信出發。

4. 下一個興趣——先回答,再顯示一個原本沒想到的問題

相關文章最好的工作不是索取「再一個PV」。

它應該在目前問題解決後,讓讀者看到還沒來得及說出口的下一個問題。

Loewenstein的資訊缺口理論認為,當人意識到自己不知道什麼時,知識缺口可能產生好奇心。[5]

因此不要藏答案。

先回答。

再提供三個方向:

  • 更深入
  • 準備下一個可能出現的問題
  • 到鄰近主題繞一下

這與點擊誘餌相反。

不是「答案在下一頁」,而是「答案就在這裡;知道它之後,下一個問題出現了」。

推薦研究也指出,如果一直推薦已經熱門的內容,再把這些反應餵回系統,流行度偏差可能自我放大,整體多樣性下降。[6]

所以,除了目前相關的文章,也給新文章、好但少有人看見的文章和鄰近主題一點位置,別讓同幾篇永遠占著前排。

從沒展示過的文章未必沒人喜歡,可能只是沒得到過機會。

5. 再訪——不要強迫回來,而要留下值得繼續的東西

想讓讀者回來,不必一開始就發通知、彈出註冊視窗。

原文章參考的自我決定理論認為,自己能選擇、覺得做得到、與人有連結,對內心生出的動力很重要。[7] 這並不證明照著做就會增加網站回訪,但可以提供一些想法。

  • 興趣由讀者自己選,也能修改或刪除,不強迫註冊。
  • 讀完以後,真的更明白、更會選擇,或能做一件事。
  • 看得出誰在寫、為什麼寫,各篇文章的態度不亂變。

回來時,可以看到收藏的文章、最近讀過的文章、沒讀完的地方、所選主題的新文章,以及自然接著以前內容的問題。

理想不是「不回來就虧」,而是回來能從上次讀到的地方,再往前走一點。

6. 選項並不是越少越好

UX領域常把「選項太多可能讓人困難」說成絕對法則。

研究沒有那麼簡單。

Scheibehenne等人彙整了50項研究、63個條件、5036名參與者的結果。選擇變多後更難做決定的影響,平均接近零,但各研究結果差異很大。[8]

因此研究並沒有給出「相關文章只能3個」「分類最多7個」這類萬用數字。

真正重要的是差異是否可理解、有沒有分組、是否有符合目的的入口、比較軸是否清楚、是否必須現在就做決定。

100篇文章平鋪會像地獄;按意圖整理則可能成為資產。

7. 自動改善——只學點擊,貨架會越來越單調

自動改善之前,先說清楚每個數字到底數的是什麼。加入AI是後面的事。

每篇文章分別記錄:展示了什麼、放在哪裡、是否點擊、讀完後是否繼續、是否收藏或標記有用、是否再回來。一次都沒展示的文章也要找出來。

文章ID、語言、正文版本、推薦方式的版本要一起留著。昨天舊文章的反應與今天修改後文章的反應混在一起,就不知道哪裡變好了。

發布 → 展示 → 看反應 → 彙整 → 想原因 → 改一點 → 再確認。

別只追求點擊率。聳動標題、極端話題與本來就熱門的文章,很容易在這場比賽裡獲勝。

也要看讀者是否完成目的、喜歡推薦、再次回來;埋在後面的文章有沒有機會,話題是否太單一,頁面是否快速、好讀。

自動化不能停在「點擊多了,我們贏了」。要邊改邊看,店裡是不是永遠只展示同一排貨架。

8. SEO與UX不是敵人,但如果Google是唯一顧客,商店會壞掉

原文章參考的Google指南,也以有用的原創內容、讀者實際使用的詞,以及搜尋引擎能沿著走的連結為基礎。[4][3]

頁面打開快、操作順手很重要,但速度本身不能決定搜尋排名。[9] 當時參考的web.dev指南給出的良好標準,按第75百分位來看如下:不是只挑幾個很快的造訪,而是至少75%的造訪應在範圍內。

  • LCP:主要內容出現不超過2.5秒。
  • INP:操作後頁面回應不超過200毫秒。
  • CLS:表示頁面意外位移程度的值不超過0.1。[9]

多語言網站要說明哪些頁面是彼此的語言或地區版本。原指南介紹了用hreflang指定這種關係的方法。[10]

原文章參考的AI搜尋指南也重視原創、有用的內容,而非到處都有的翻版。[11]

好標題、文章之間有意義的連結、快速顯示、來源、清楚的更新、合適的語言URL,以及自己的體驗或分析,不僅方便搜尋引擎,也方便讀者。

9. 用商店來看,整個系統會突然變清楚

把網站當成商店,各部分的工作就看得清楚了。

  • 首頁:店面,告訴人現在有什麼有趣的。
  • 主題:專區,把目的相近的文章放一起。
  • 搜尋:店員,聽讀者的話找目的地。
  • 文章:商品,單獨閱讀也有價值。
  • 相關文章:下一排貨架,帶人深入、解決下個問題或逛別處。
  • 收藏與歷史:留好的東西與購物筆記。
  • 熱門排行:銷售紀錄,但展示次數不等於被選次數。
  • 造訪紀錄:看看客人走過哪裡。
  • 製作文章:後場。
  • 檢查文章錯誤:驗貨。
  • 發布:上架。
  • 更新推薦:重新擺貨。
  • 讓搜尋的人找到網站:招牌與地圖。
  • 多語言:不是另開一家店,而是能用不同語言逛同一家店。

這樣,就不用每天手動移動每篇文章了。決定要開怎樣的店,再檢查自動擺貨有沒有出怪事,才是經營者的工作。

10. 完成形不是困住讀者,而是讓網站自己學習

理想循環如下:

  1. 從搜尋、主題、外部連結、推薦任何入口都能理解價值。
  2. 單篇文章就能解決目前問題。
  3. 回答後出現自然的下一個問題。
  4. 只有想繼續的人往下走。
  5. 回訪者能迅速接續。
  6. 記錄哪些文章展示過、被點擊、讀後繼續看、再次造訪,以及哪些從沒展示過。
  7. 慢慢調整推薦與貨架,別只偏向已經熱門的文章。
  8. 每次變更後重新檢查品質、速度、搜尋、語言與發布狀態。
  9. 變差就恢復之前的擺法。
  10. 不只改善文章,也提高好文章被發現的機率。

強大的網站不是把讀者困得更久,而是讓他們更快抵達需要的內容,偶然遇見自己原本不知道會喜歡的東西,並在下次回來時變聰明一點。

別只擴大倉庫。

開始做會學習的貨架。

原文參考資料


參考資料(11筆)

  1. 衡量網站好不好用的研究 research.google
  2. 尋找資訊的行為研究 doi.org
  3. 可存取連結指南 developers.google.com
  4. 有用內容指南 developers.google.com
  5. 好奇心研究 cmu.edu
  6. 推薦放大熱門偏向的研究 arxiv.org
  7. 自主選擇與動力的研究 selfdeterminationtheory.org
  8. 選項數量與選擇困難的研究 scheibehenne.com
  9. 頁面體驗與載入速度指南: ; https://web.dev/articles/vitals developers.google.com
  10. 不同語言頁面指南 developers.google.com
  11. 原文引用的AI搜尋資料 developers.google.com

如果這篇文章對你有幫助,可以支持本站。 支持本站

今天讀這篇

每一篇都回答讀完本文後常有的下一個問題。

瀏覽全部文章

尋找其他文章

所有文章

Mendoi-chan

本站經營者

Mendoi-chan

把工作與日常生活中的麻煩整理成清楚的結構與下一步行動。