APP中的6种常见数据加载

1

全屏加载

全屏加载也叫白屏加载，就是整个屏幕白屏进行数据加载，一般会有菊花转或进度条配合，常用于手机网页的加载中，例如列表页进入详情页，详情等。（可考虑融入趣味性较强的小动画，增强愉悦感，从用户心理上去缩短等待时间。

优点：能保证内容的整体性，全部加载完才能够系统化的阅读。

缺点：有非常强烈的等待感，3s以上会产生焦躁情绪，所以在地铁等信号   不好的地方，使用手机网    页获取内容实在是比较灾难的一件事情。

2分布加载

分布加载就是分步骤的加载网页，优先加载占网络资源较小的元素，包括优先加载，懒加载，预加载，渐进加载。

a优先加载

如果一个页面有有文字，可以先把文字都加载出来，保证用户可以有内容可读，然后再加载比较费流量的。但是活动页什么的，千万不能把重要信息全部放在上，导致加载不出来。这种加载形式更加适用于内容阅读型的APP。

懒加载主要是针对前端页面比较大而设计出来的一种方式，假如一个网页很大，又含有很多、视频内容，那么想一次性加载就会等待很久，懒加载就是只有在屏幕显示范围内的资源，被用户看到的内容才会真正去加载。

   预加载就是提前加载，比如启动APP时，当显示启动画面时，就可以预先把首页内容加载出来，这样可以减少用户加载内容时的等待时间，还有一个很典型的使用场景就是浏览视频网站或者购物网站，当我们快要滑到页面底部时，下面已经几乎加载完成了，这就是预加载的好处，在使用上感觉更加流畅。

渐进加载

在 PC 端用浏览器看的时候，经常是先看到一张模糊图，然后再渐渐的变得清晰，这种效果就叫做渐进式加载。

优点：可以帮助用户快速阅读内容，了解信息。

缺点：也许会丢失掉重要的关键信息，无法建立信息获取的闭环。

3整页加载

当当前页与下一页是整页切换的时候，可以考虑采用整页加载的形式，但是要保证每个页面的数据量不是特别的大。一般适用于宫格模式、全屏模式、网状详情页模式。

优点：能保证每个页面的完整性，体验比较整体。

缺点：不好保证整页的加载效率，且有可能影响浏览的流畅度。

4自动加载

当你浏览信息时，不停的向上滑动，新的内容会不停的从底部出现，这种方式称为自动加载。关于自动加载，要注意每次加载多少条内容，或者多少屏的内容，我无聊的数了数今日头条每次会自动加载60条新闻。

优点：把用户代入无尽浏览模式，让用户一直向下滚动，不需要手动点击下一页。

缺点：没有尽头，容易迷失，不方便快速索引定位到某个内容。

5智能加载

这个加载模式我经常使用到，假如是在WIFI情况下，使用QQ浏览器去看视频，那么它会自动加载视频播放，而使用4G的流量去访问视频页面的话，会有一个d窗来确认是否要播放，以免耗费大量流量造成用户扣费。智能加载模式就是根据用户使用场景来改变加载形式的。

例如今日头条在WiFi模式下，大图展示，当处于非WiFi模式下时，展示小缩略图，当用户觉得某张图有足够的吸引力时，点击小缩略图加载大图，帮助用 户节省流量。再比如爱奇艺在非WiFi的模式下播放视频时，会提示用户继续播放会产生流量费用，这类设计就比较人性化，也容易让用户产生好感，建户忠诚 度。（用户知道你是在为他着想，毕竟流量还是挺贵的！）

优点：根据具体场景来控制流量和加载速度。

缺点：不一定真实有效的命中用户需求，所以还是需要给予用户一定的查看详情的入口，或者是设置项。

6离线加载

当用户没网的时候，往往很多功能都不能用了，内容也无法加载出来，导致APP变得根本不可用，这时候就要考虑预加载 离线缓存的设计了。首先在有网 的时候把数据提前加载下来，缓存到本地，当没网的时候，直接加载已经缓存下来的内容。一般会提供给用户选择，是否开启有WiFi的情况下预加载功能，或者 是否开始WiFi下全部离线缓存的功能。这样便可在一定程度上减少地铁上信号时好时差而无法正常使用产品所带来的困扰了。但考虑到手机空间，要设计合适的离线机制。并配合一定的清理缓存的机制。适用于小说阅读、新闻阅读、视频类APP。

优点：解决了没网获取数据的问题，且节约了流量，保证了流畅。

 缺点：占用本地存储空间，而且有时候预加载的内容根本没有用到。

三、4种减少等待感的设计

1使用模态加载

尽量使用非模态的加载方式，在加载的过程不打断用户，不需要等待加载完就可以做别的事情的，而不用傻傻等待数据加载完成，大大降低了等待的焦躁感，提升用户体验流畅度。

模态加载：app在触发加载后，出现模态提示层，防止用户在加载过程中进行其他 *** 作，导致当前加载出错。如果采用模态加载，会因为网络原因或内容过多导致长时间处于加载状态，建议提供一个“取消”的 *** 作。同时在安卓中的后退按钮能关闭模态提示。

2 情感化的加载动画

用户等待加载的过程是相当痛苦的，因为他迫切的想看到页面内容，通过设计一些呆萌可爱的加载动画，让用户在等待的过程中享受动画的愉悦感，让产品情感化，在心理层面上去减少用户的急躁感。

3

进度条加载

如果是时间较长的加载过程，最好能清晰的告知过程进度，让用户有更加明确的知情权，和加载的时间预期。一个非常经典的体验设问，同样是3s的加载时 间，匀速的进度条、先慢后快的进度条、先快后慢的进度条，哪个让用户感觉上最快经过科学的实验证实，先慢后快的进度条是让用户心理感受上最快的设计。这是因为用户最容易记住最后一瞬间的感觉，如果最后一瞬间，感知到了快，就觉得顺畅了。

4

尽量提前加载

尽可能的利用预加载或有WiFi的情况下离线缓存的方式，把内容提前加载下来，这样能做到最大限度的降低加载给用户带来的卡顿感。如果能判断出来用户下一步要做的事情，提前帮用户加载相应的内容，肯定是最符合需求场景的事情。当我开始读第一页的时候，第二页第三页就开始陆续缓存下来了

5启动页加载

这个主要是APP启动时的一个页面，由于APP启动需要时间，因此可以加入一个启动页来自然过渡，而且很多启动页是广告，这样也可以带来一些收益，这个页面一般可以点击跳过。

移动互联网的场景多种多样，我们在设计的时候需要考虑各种各样的场景，例如WiFi下、非WiFi下、无网络、又或者说电梯里、地铁上等等。但是咋们的目的也只有一个：优化用户体验，提高商业价值。所以无论设计什么功能模块都应该多考虑一下用户的使用场景。

如何降低用户的焦虑感？

由于存在网速不快，网络异常，服务器异常等情况，让用户等待的情况是必不可少的。但是我们都知道，等待会产生焦虑感，分分钟让用户卸载你的产品，那么我们可以通过哪些手段来降低或缓解用户的焦虑感？

第一：优化App的加载算法，使得App与服务器数据传输的时间减短。 这个需要开发人员的精益求精了。这个是从根本上解决了问题，因为直接减少了加载数据的时间，也就减少了用户需要等待的时间。

第二：采用预加载和智能加载的方式。 拿阅读App打比方，当用户在看第一页的时候，App在后台加载完后面的几页，等用户翻到第二页的时候就不需要等待加载了，因为App已经帮用户提前加载好了。这种加载机制对用户体验特别好，但是存在一个问题，就是要预测用户行为，加载其他数据，这样会消耗不少流量，所以建议在WiFi网络环境下采取这种预加载机制，而在蜂窝网络状态下则不采用预加载机制。这个要和开发人员讨论沟通，确保预加载机制完美运行。

第三：异步处理。 这一点做得好的App莫过于Instagram，不知道你有没有发现，用Instagram的时候会觉得特别流畅，即使在网络不好的情况下。这是为什么？因为在网络不好的情况下，你给好友点了赞，Instagram并不会提示你网络不好， *** 作失败，而是提示你点赞成功了，其实它只是将你点赞的 *** 作记录了下来，等网络一好就将点赞的行为上传到服务器，从而完成点赞行为。这就是让产品自己去解决问题，而不是把问题抛给用户。

第四：设计有趣的loading动画，如上文介绍的美团APP奔跑的小人，这是提升产品情感的重要手段。

最近在做商城导购类app，在首版基础功能实现后，用户基本上可以通过app完成购买流程的闭环。

接下来软件想要再提升一个层次，就需要提升用户浏览的体验和内容推荐的效率。既然要“提升”，势必要做许多功能，功能做完后，是否真的“提升”了，只有数据能告诉我们真相。于是乎，花了半晌对数据统计做了个总结。

抛出了几个问题：1、要统计哪些数据？2、该怎么统计？

想要回答这个问题，就需要想一下数据在哪些工作环节会起到作用。在这里，我将数据的作用分为几方面：

既然是导购类app，自然少不了各种导购商品的推荐，每个导购位置是对用户的浏览购买起着积极的作用，推荐的东西是否合乎用户的胃口，需要数据去佐证；又比如小明和小红都是运营人员，但小明的月工资比小红多一千，

小红不服去找主管：“为啥做着一样的事儿，我还天天加班，但小红拿的比我多呢？”，

主管淡定地打开后台：“小红上个月运营商品的销售额比你多2万，服了么？”。

对于运营数据来说，主要是要表达清楚一件事：安排在软件内部和外部的那些推荐位，各自产生了多少收入。即“推荐位”和“收入”之间的关系。

几乎所有的app都要统计行为数据，这个数据是主要提供给app的设计人员看的。在导购类app中，行为数据可以这样举个栗子：

产品汪：“我们这版优化了搜索界面的体验”，

老板：“优化后有效果吗？”，

产品汪：“有啊！”，

老板：“怎么看效果？”，

产品汪：“用户在搜索页面产生购买的次数 / 用户进入搜索页面的次数 的值变大了！”，

老板：“说人话！”，

产品汪：“就是用户搜索后购买的概率变大了！”，

老板：“干得漂亮，年终奖给你多发一张**”。

对于行为数据来说，要表现的是设计的功能、布局、流程是否能提升了用户新增、留存、点击率、购买量，最终实质还是“功能设计”与“收入”之间的关系。

这是内容类app特有的一种数据统计需求。在旧社会，人们通过报纸来获取新闻信息，由于时代的限制每天发生的新闻数量、不同媒体竞争的压力远不如现在，哪个年代每个人看着同样的报纸、同样的版面的同样的新闻，人们不觉得有什么不好，主要也没有其他的什么选择，只能看报纸。

在信息化如此发达的时代，传统的那一套显然不够用了，大家每天都很忙的！那么多新闻看都看不完，就需要我们通过“智能处理”，帮助用户去筛选新闻，这个用户到底是关系楼下猪肉是否涨价了，还是关心NASA发射的航天飞机是否爆炸了？需要提供数据，再通过算法智能分析，去了解每个用户喜欢什么。

推荐是把内容（例如商品）推荐给人，所以推荐数据是要表达“人”和“商品”之间的关系。

不同作用的数据统计的方式有所不同，所以针对具体需求具体分析。

对于运营数据来说，app内部有很多推荐位和推荐方式，甚至可以将内容分享到微信等社交网络，同样会产生点击等数据。也就是说，用户可以从很多我们无法预知的地方点击、浏览、购买。

所以，我们无法依赖“推荐位”本身给我们提供统计的帮助。

虽然推荐位有不确定性，但既然用户能浏览到内容、看到商品，那商品本身一定是确定存在的，所以我们 可以在商品信息中添加额外的信息来表示这条商品信息“是从哪来的” 。

运营在创建推广的位置后，需要给这个位置配置推广的商品内容，这些商品是指上是按照服务端提供的商品查询、搜索接口查到的，只需在向服务端提交查询请求时，带上推荐位的标识和运营人员身份的标识等字段，服务端就可以把推荐位和运营身份的信息放入到商品信息中，返回给APP或推广位。之后用户点击、购买了该商品，就能知道是什么推荐位购买的了，也可以知道哪个运营人员安排了这个推荐位。

大繁至简，以不变应万变，通过这个思路，哪怕用户将这些内容分享到社交平台，同样可以统计到点击和购买来自于哪里。

上面说到，行为数据主要是反映“功能设计”和“收入”之间的关系，然后影响收入的因素有很多方面，例如用户在购买的过程中 *** 作是否流畅、给用户推荐的东西用户是否喜欢、设计的某项功能是否带动了用户间的传播进而提升了新增，这些都会影响收入。

这些的思路和方式都略有不同，不过中心思想是清晰的：根据每项功能设定特有的统计方式，并且数据是简单可靠的，目的是明确的，不贪大求全，追求一项统计反应很多功能的情况。

在这里，统计哪些行为数据要比怎么统计它 重要一些。

推荐主要是说人和商品内容之间的关系，这里不关心用户是从哪找到这个商品的，是搜索到的还是好友介绍的，都没关系，只关心这个用户“有多喜欢”这个商品，“多喜欢”在程序中是用数值来表达的，例如极度喜欢用100来表示，完全不care用0来表示，0-100之间的数字就是喜欢的程度。作为统计来说，就是要给推荐系统搜集这样的数据标本，以供系统分析。，喜欢的数值是20，收藏的数值50，购买是100。把这些数据交给推荐系统，至于商品和商品之间的关系、人和人之间的关系的计算，那是推荐系统的事儿，统计部分不需要理会这些。

由于这是第一次做推荐数据支持，目前的想法可能有些简单，如果后面有新的体会再补上。

我在使用得到APP的过程中，把其中 知识新闻 的来源做了收藏、整理，供大家参考（有商业、心理、科学、教育等）。最后有我总结的关于怎么取一个知识新闻的 标题 ？

巴菲特答问北大学生

计划经济？马云和刘强东都错了

PC上建立热点，再抓包即可

Wireshark（前称Ethereal）是一个网络封包分析软件。网络封包分析软件的功能是撷取网络封包，并尽可能显示出最为详细的网络封包资料。Wireshark使用WinPCAP作为接口，直接与网卡进行数据报文交换。

以上就是关于APP中的6种常见数据加载全部的内容，包括:APP中的6种常见数据加载、浅谈内容类APP数据统计、得到APP的知识新闻从哪来等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！