互联网时代,谁掌握了用户,谁就掌握了资本。这几乎已经成为一个真理。
提升用户体验正在成为诸多互联网业务的重心
根据中国互联网络信息中心(CNNIC)发布的第 47 次《中国互联网发展状况统计报告》显示,截止 2020 年 12 月,我国网民总规模达 9.89亿,较 2020 年3月增长 8540 万,互联网普及率达 70.4%。其中,网络新闻用户规模达 7.31 亿,占网民整体的 80.9%;手机网络新闻用户规模达 7.26 亿,占手机网民的 81.0%。
由此数据不难看出,我国互联网的普及率与网民数量不断提升,同时伴随着智能手机、移动互联网的迅猛发展,人们的工作、生活、消费、娱乐等需求与web应用、移动应用更加紧密贴合,一方面推动了网络交易的繁荣,另一方面也对互联网服务提供商如何快速精准掌握用户体验提出了严峻的挑战。
而随着用户数量的增长、需求的提高,业务规模的扩大、开放程度的提高,应用系统的架构越来越复杂,IT系统经历了从语言到架构、从组织到体系、从Web到移动、从开源到自主研发、从通用体验到个性化服务等等的全面转型,任何一个业务链出问题,都会影响到最终的用户体验。
此外,SmartBear研究曾表明,Amazon加载时间每延长1秒,一年就会减少16亿美元的营收。而“1秒”其实是每一个企业都会面临的问题,影响这“1秒”的用户服务体验因素,可能涉及地域、终端、网络设施、中间件、数据库等这一复杂的全链路,传统APM、NPM等不同维度的IT运维服务产品,可能对这个问题会给出不同的答案。
博睿数据作为国内最早涉足 APM 的公司之一,在IT 运维管理方面积累了多年经验。在APM逐渐被IT运维管理使用的历程中,APM形成两大发展趋势,一是基于无嵌码的主动式模拟监测,一是基于嵌码的被动式真实用户监测。
我们今天要讲的就是博睿数据的无嵌码的主动式模拟监测,也叫无嵌码感知用户体验。
博睿数据主动式产品如何做监测?
无嵌码的主动式模拟监测从字面意义来理解,其定义是无需嵌入相应的代码修改目标应用,只需利用真实设备和环境,模拟终端用户行为使用目标应用,并捕获使用过程中的性能、体验数据,再利用大数据技术、统计学方法等进行用户体验分析的一种监测方式。
博睿数据主动式产品具体产品包括 Bonree Net 、Bonree APP 、Bonree Stock、Bonree Box 等。其中,Bonree Net作为博睿数据的明星产品,主要面向web/wap应用、流媒体播放、网络传输、短信质量等主动式监测场景。
Bonree APP 作为博睿数据于国内首家推出的面向移动Android/iOS应用的主动式监测产品,主要面向移动应用的交互使用和流媒体播放两种监测场景。
博睿数据主动式产品的运行结构大致可分为三个层面:
第一层:通过持续招募互联网终端用户和采购骨干网机房服务,保证主动式监测网络覆盖终端网民侧(Lastmile&Mobile监测点)和互联网骨干节点侧(IDC监测点),形成遍布全国各地及海内外地区的体系化多层次监测体系。同时,博睿数据为确保返回给用户的数据准确、真实、有效,对国内外IP库进行周期性更新,还提供了一套完整的监测点评分管理体系,综合监测点硬件、软件、带宽、历史监测任务的错误率等情况进行综合评分。当监测点分数不能达到标准时,平台将不会选用该监测点进行监测。
第二层:强大的任务调度机制和数据采集技术,可以保证海量的不同监测周期、不同监测频率、不同监测种类的任务,高效、有序的下发至满足任务要求的真实PC和手机设备上,从而完成访问目标网站、运行目标App、传输目标文件、播放目标流媒体、测试目标网络、接收目标短信等一系列监测要求,并实时采集用户体验数据。
第三层:采集到的用户体验数据通过网络传送回平台后,经过大数据引擎的清洗、过滤、提取、聚合等计算,形成丰富的图表和指标体系,从而帮助客户以不同维度分析监测结果,评估用户体验水平。
对于用户体验的评估,博睿数据也有自己的独特见解。
博睿数据认为在性能体验指标方面,用平均值来反映用户体验是不够准确的,个别样本的性能波动影响平均值的计算结果,偏离真实的情况。不同于友商,博睿数据除平均值外,引入中位数和投影值作为性能体验的判断依据,同时也是国内唯一一家可对每日 TB 级的监测数据进行中位数和投影值计算的APM 厂商。
在分析模型方面,区别于友商单一的计算模型,Bonree Net将监测的结果数据通过健康评估体系进行异常数据拆分,基于更先进的问题分析模型,将时间、地域、运营商、主机、域名等基础维度与性能、慢速比、错误类型等数据项一对一或一对多结合,从一个维度的多个数据层面来分析问题的分布于规律性。
同时,对数据进行深度挖掘。即在抓取TCP层以上数据的同时,抓取更底层更丰富的真实测试数据(涉及网络层传输层数据),协助运维人员快速、精准的问题定位;可依据抓包信息延伸使用场景,如内容劫持校验等应用。
为什么他们都在用博睿数据的主动式产品?
正是基于这样的监测理念,博睿数据也赢得了客户的认可和支持。
比如在与某金融机构的合作,金融机构旗下网站及App的日均使用量超过1000万,用户覆盖全国各省市。每年在网站及App的运营维护上支出费用达数千万元。行业竞争激烈,用户经常因为“打开网站或App等待时间过长”、“使用流程太复杂”等用户体验问题转而选用其他厂商的服务。
博睿数据使用Bonree Net和Bonree App,针对该金融机构自身应用与竞品应用,分别录制交互脚本,选取全国不同城市运营商的监测点,设定周期性监测任务,从地域、运营商、时间趋势等多个维度组合对比分析自身应用和竞品,时刻掌握竞品性能与体验差异,帮助金融客户提升用户体验,进一步加深用户粘性,成功该金融机构留存用户。
再比如与某互联网大厂的合作,其App功能强大,日活用户数超过5000万,用户遍布全国各地,每年在App的运营维护上支出费用超过9000万元。但App功能更新频繁,经常收到各地用户投诉“页面加载不出来”、“使用流程体验较差”。
博睿数据使用Bonree App,在该互联网大厂每次新版本App正式发布前,录制脚本,选取全国不同城市运营商的监测点,设定周期性监测任务,按照真实用户使用App时的交互过程,在App正式全面升级前预先获取真实网络性能、视频性能与用户体验数据,为该互联网大厂制定App运营维护策略提供有力的数据支撑。
未来,想做的还有更多
随着企业数字化转型加快,Z 世代对于互联网产品的需求和体验提高,提升用户体验显然正成为各互联网企业的业务重心。
因此,为了顺应不断变化的互联网,博睿数据的主动式产品也要不断进行更新迭代以适应主动式监测移动应用的能力的变化,为企业提供更加高效优质的监测服务。
好文章,需要你的鼓励
智谱AI率先推出了 AutoGLM,试图打造一款能够理解、规划、执行,并最终实现“无人驾驶”操作系统的 AI Agent。
该处理器采用16nm工艺技术设计,拥有 48 个ARM Cortex-A75内核,六通道DDR4 3200 MHz 内存 - 每插槽高达 768 GB(每通道 128 GB)
谷歌DeepMind研究人员则直接把这项技术集成到AI Agent中开发了Talker-Reasoner框架,让其具备“快”、“慢”两种拟人化思考方式。
数据密集型工作负载的激增,导致计算系统需要处理的数据量大幅增加。这种不断拓展的数据环境,迫切需要具备更大容量和更高带宽的