【作者 | GrowingIO】

【編輯 | 蒸糕】

 

在互聯網產品和運營的分析領域中轉化分析是最為核心和關鍵的場景以電商網站購物為例一次成功的購買行為依次涉及搜索、瀏覽、加入購物車、修改訂單、結算、支付等多個環節任何一個環節的問題都可能導致用戶最終購買行為的失敗。在精細化運營的背景下如何做好轉化分析儼然成為一門學問。

 

什么是轉化當用戶向您業務價值點方向進行了一次操作就產生了一次轉化。這里的業務價值點包括但不限于完成注冊、完善用戶信息、完成一次購買等等。每一次大的轉化都包含若干個小的轉化環節我們一般使用轉化漏斗來展示這一過程。

 

一、基礎分析轉化的每一步都需要打磨

 

轉化分析的基礎階段主要是轉化步驟的分析和轉化率趨勢的監測。下圖是轉化漏斗既有轉化總體效果和每一步的轉化率也有每一步轉化率隨時間的變化趨勢。

GrowingIO的轉化漏斗圖

 

以注冊流程為例“總轉化率 9.54%” 這個信息對我們優化注冊流、提升轉化率沒有太大幫助。但是借助上面的漏斗圖我們不難發現從第一步到第二步的轉化率才18.5%明顯低于前后兩個環節。發現了問題所在我們就可以針對性地優化注冊流最大效率地提升注冊轉化率。

 

同時對每一個轉化率進行實時監測可以幫助我們及時發現產品中的突發問題。

 

轉化率趨勢

 

某日該注冊環節第二步轉化率大幅度下降而該環節正是填寫手機驗證碼的環節 。經過檢查發現短信驗證碼的代理商因為欠費而自動停止了短信驗證服務于是及時充值服務恢復正常。

 

 

二、進階分析對比不同維度的轉化情況

 

用戶體驗受到眾多因素的影響進而直接影響到轉化率。要想更好地提升轉化率需要對不同維度的因素進行考慮包括但不限于用戶的操作系統、瀏覽器類型、訪問來源、操作平臺、訪問來源等等。

 

GrowingIO 多維度轉化分析

 

以用戶的瀏覽器為例我們對不同瀏覽器的轉化率進行一一對比發現 Safari 瀏覽器的轉化率低于總體。工程師研究后發現原因是該網站采用了新的 Java 架構不適應 Safari 框架導致該環境下用戶體驗非常差注冊轉化率非常低。

 

不僅限于瀏覽器用戶的操作系統、PC端還是移動端、訪問來源等等常見因素都可能影響到轉化率。越高級的產品或者運營人員應該考慮的更加精細不斷從細節來打磨產品才能不斷提升轉化率。

 

三、高階分析多維度交叉分析支持產品不斷迭代

 

發現問題的過程往往需要拆分很多次這時你需要一個支持多重維度交叉分析的漏斗。

 

某電商網站使用 GrowingIO 漏斗衡量交易轉化時發現APP 上的用戶量高于網站但轉化率卻低于網頁端。

 

多維度交叉分析

 

具體步驟上可以看出用戶提交訂單之后到支付環節的轉化率明顯低于網頁端值得注意的是提交了訂單的用戶購買意愿非常強烈是很有潛力喚回的一批用戶。但是他們卻選擇了返回到上一步而不是去支付。

 

對比網站和 APP 在支付頁面的信息結構發現APP 上的支付頁面缺少了訂單商品的詳細描述、收貨人地址和聯系方式等信息導致很多用戶返回到上一步確認同時帶給了用戶猶豫從而導致轉化率下降。

 

于是產品經理參考網站的信息結構補充了詳細信息同時在支付環節進行流失用戶召回。

 

優化后轉化率大幅度提升

 

從漏斗的趨勢圖中監測支付環節優化后的效果APP 端提交訂單到支付環節的轉化率明顯提升甚至略高于網站轉化率整體轉化率也被拉高。同時在漏斗中選擇進行召回的用戶作為目標用戶觀測召回后的轉化率變化以此來評估本次喚回活動的效果。

 

這么細微的轉化問題僅靠直覺是很難發現它需要產品或者運營人員高度的數據敏銳感、嫻熟的業務技能這也是轉化分析高級階段的表現發現問題后進行產品優化然后回到漏斗中監控優化效果產品在不斷的迭代中穩步增長。

 

轉化分析進階之路思維與工具

 

提升轉化率既需要有數據驅動的意識也需要熟練掌握一定的數據分析工具。

 

首先數據分析工具是精益化運營必備的目前市面上流行的漏斗分析工具有 Google Analystics、Mixpanel、GrowingIO 等等。“ 工欲善其事必先利其器 ” 說的就是這回事

 

其次需要有強烈的數據驅動意識對業務嫻熟于心。轉化率不僅是一個數據指標其本質是用戶體驗的真實反映。當我們對用戶體驗分析的維度不斷增加對我們產品和用戶行為的思考不斷深入的時候我們也就在轉化分析的路上不斷進階。