APP性能的魔法数字

本文探讨了APP性能的重要性和几个关键的性能指标,如100毫秒、300毫秒、1秒及2秒等,这些指标直接影响用户体验和留存率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对于大多数的APP产品经理而言,APP性能是最高优先级的,但是他们并不知道为什么性能如此重要,更不用说如何理解这些性能指标了。这篇文章介绍了APP性能魔法数字的三个问题what,why以及how。

 

对不同的人,性能意味着不同的事情。我们来讨论速度。从开始启动应用程序到完整加载并展示需要多长时间?从点击菜单到展示菜单内容需要多长时间?从发帖到显示在feed中需要多长时间?这是重要的。如果服务器响应速度较慢,或者大量的图片需要时间才能加载,用户不会理解这些。用户不在乎APP是否必须先检查网络获取最新消息,然后才能显示给他们。 用户期望应用程序快速响应,他们关心的是他们看到的。

 

用户没看到的东西不重要

 

APP是为人而设计的。用户每一刻都在等待一个应用程序的回应,他们考虑退出应用程序,或者只是离开到别的地方。对于APP团队,好消息是如果延迟足够小,人是察觉不到延迟的。很少人能察觉到小于100毫秒的延迟。很多最佳APP可以在30毫秒内完成超过90%的操作。



 很少人能察觉到小于100毫秒的延迟

 

大多数人什么情况下会注意到“滞后”呢,300毫秒。大概80%的人会注意到延迟的时间是超过1/3秒。如果您的APP在某些方面需要200ms或更少的时间,那么您可能无法期望在这些方面上的性能优化能获益匪浅。如果您的APP在某些方面需要比300ms更长的时间才能加载,那么您的用户会注意到。虽然没有官方数据,但是APP需要花越长时间加载,用户放弃APP的可能性会越高,并可能带来负面评价,甚至切换使用其它竞品。

 

一个流行的咖啡APP Twinprime的一项研究显示,去年有超过一半的用户放弃了移动交易。 37%的被遗弃交易是由于应用程序的性能问题,即一年的APP性能问题,可能会浪费90亿美元的潜在交易。

 

性能会影响你的底线。 移动应用的统计数据很少,但是我们可以通过网页的性能调查来了解一些想法。 如果我们有很好的手机统计资料,我们会发现手机用户的耐心比PC用户要更少(来自Kissmetrics的数据)

 

网站加载时间超过3秒时,40%的人会放弃

页面响应时间每延迟1秒,可能导致转化率降低7%

 

性能问题在哪里? 除了APP本身,还有许多性能问题来源,从慢内容服务器到移动网络,通常比您想象的要多。 如果您的APP中的某个操作需要网络连接,则最好是在用户请求之前在后台预加载数据,这样他们就不会受到网络的影响。 这里有一个典型的实际例子。



网络耗时接近1秒,显然用户会注意到。这里的教训是不要实时得去请求网络。大多数APP都有做不必要的实时网络请求,而没有进行预加载。如果你的APP需要进行网络请求,请确保服务器速度很快,你只用请求一次,请求内容会被缓存,并且用很少的时间加载数据更新UI。同样的,如果你的APP启动速度慢,用户将会放弃你的APP。我们一直在讨论程序中的操作性能,但启动时间呢?用户对APP启动时间有更多的耐心和理解,但是如果缓慢的话,他们会放弃你的APP。约有60%的用户期望应用在不到2秒内启动。 如果你的APP需要更长时间加载,即使它有一个漂亮的闪屏来试图隐藏延迟,用户也将放弃你的APP。

 

所以,关于APP性能的魔法数字有哪些需要关注呢?100毫秒, 300毫秒, 1秒 以及 2 秒:



 

 

原文:https://www.linkedin.com/pulse/magic-numbers-app-performance-jason-arbon

 

资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值