以是这里先提出一个假设：让用户更容易地找到必要的信息进而资助用户完成预期的任务，可以大概有效地提拔用户得意度。

　　用户得意度的影响因素

　　我们没干系先来看一下用户得意度是怎么定义的，根据美国主顾得意度指数模型(ACSI, American Customer Satisfaction Index)的形貌，用户得意度是用户对产品或办事的预期与实际继承的产品或办事的以为间的差距，差距越小，得意度越高。对付以信息办事为主的网站而言，用户访问网站的预期便是找到本身必要的信息，完成既定的任务(探求信息、购物、娱乐等)，那么怎样衡量用户实际继承到的网站办事的质量水平，进而推测它们之间存在的差距?对付用户对网站实际的以为，可以从以下3方面体现：

　　用户是否完成预期任务(网站是否及格)

　　完成任务进程中良好的体验(大概网站能打八九非常了)

　　以为创意或意外的功劳(得到附加分的机遇)

　　以是，包管用户完成预期的任务是网站质量的及格线，也可以看作是网站的生命线。那么任务完成度对付用户得意度是否有这么紧张的影响呢?我们必要对以上的假设举行验证。

　　任务完成度与用户得意度

　　为了验证任务完成度是否对用户的得意度有显著的影响，我们在统计用户任务完成环境的同时，必要网络用户对网站的得意度，以是上篇文章问卷观察中对用户得意度的打分题中收罗到的数据就有了用武之地。我们可以议决比力完成任务的用户与未完成任务的用户对得意度的打分是否存在显著性差别的要领来验证任务完成度对用户得意度的影响是否显著。

　　这里可以利用两组独立样本T查验的要领，把问卷观察中收罗到的样本数据分为两组，一组是未完成任务的用户的得意度打分，另一组是完成任务用户的得意度打分，我们可以认为这两组数据都是类似的切合正态散布，进而比力这两组样本的总体均值是否存在显著差异。(大概你认为这个结果是显而易见的，这个验证美满是枝节横生，那就当我是多此一举，无聊叮咛时间吧。 )

　　首先提出零假设：

　　H0 ： μ1 = μ2

　　再将网络到的样本数据议决SPSS或Excel的数据分析成果举行双样本均值T查验，进程就不细致叙述了，不然预计许多用户立马会离开网站乃至直接关闭欣赏器了。
从SPSS的分析结果中可以看出，完成任务与未完成任务用户的得意度打分均值(上面一张表Mean值)可以看出，完成用户的得意度均值明显大于未完成用户。从下面那张表的95%置信区间的查验结果可以看到，F查验的显著性概率为0.847>0.05，以是我们可以认为完成任务用户与未完成任务用户的得意度打分的样本方差没有明显差异;而T查验的显著性(双尾)概率类似于0，小于0.05，因此拒绝零假设，即两个样本的总体均值存在显著差异，进而我们可以得出完成任务的用户得意度显著地高于未完成任务的用户得意度。

　　议决上面的分析，我们验证了文章一开始提出的假设，即用户的任务完成度对提拔用户的团体得意度有显著的影响。那么怎样议决提高用户的任务完成度来提拔用户得意度呢?

　　怎样提拔用户得意度

　　提拔用户得意度，我们大概必要做许多事情，从全局到细节，必要到处为用户的体验和以为着想。既然我们已经历证用户的任务完成度对用户得意度会孕育产生显著影响，那么我们可以先从提拔用户的任务完成度开始。这里可以参考我之前写的关于怎样让用户更容易地找到必要的信息的4篇文章——优化网站信息架构，优化网站内部搜刮，优化网站导航计划，优化相干内容保举。

　　这些优化可以从广泛的层面上提高用户的任务完成度，但显然以上这些还是不够的，因为用户的知识构成存在着差异，用户遇到的问题也会各不雷同，以是上篇文章的问卷中当用户未完成任务时填写的为什么没有完成任务的开放性问题就能发挥作用了，我们必要针对种种用户(乃至个别用户)遇到的差异问题分别提供有效的办理方案，这也是为什么许多网站都市设置FAQ乃至在线客服的缘故原由。

哈尔滨网络公司,哈尔滨网站建设