数据分析告诉你，转化才是王道
转化
在完成引流的工作后，下一步需要考虑的就是转化了，一个崭新的用户一路走来到完成交易，中间需要经历浏览页面（下载app）->注册成为用户->登陆->添加购物车->下单->付款->完成交易（这段过程，在不同的公司中可能不同，例如家装互联网公司完成交易的过程就会分为交定、签约、开工、竣工等）。每一环节中都会有用户流失，提高各个环节的转化率，一直是互联网公司运营的最核心的工作之一。转化率的提升，意味着更低的成本，更高的利润。
分析目标：了解各环节转化情况，分析其异常或不合理情况，进行调整，以提升各环节的转化率。
分析角度：
- 观察各环节转化率，分析其合理性，针对转化率异常环节进行调整
- 追踪转化率变化，用于异常定位和策略调整效果验证
- 观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略
- 分析各环节转化周期，分析用户习惯，为制定运营策略提供依据
分析方法：关于转化率的各种名词也特别多，有静默转化率、登陆转化率、咨询转化率、付款转化率等等，然而并不需要考虑这些词，只要关注用户从接触应用到成交中的几个环节就好。我们依然使用图表的形式来从各个角度对转化数据进行展示分析。
1.观察各环节转化率，分析其合理性，针对转化率异常环节进行调整
如上图所示，传统漏斗图只能显示一条路径的转化率情况，稍加修改后，可实现对比功能，例如上图所示的新老用户的转化率的对比。可以根据实际情况中在该图中加入更多环节，例如注册、收藏、开工、竣工等。
从上图中，我们可以发现这样一个问题，下单到付款中的转化率过低，正常来说，用户只要下单，付款的比例是比较大的。对于这个异常，我们来做下猜测：对于我来说，下单之后没有付款的原因有以下几个：
- 又看了下其他家的商品或服务，发现了更好的，就取消了付款；
- 付款前习惯性的问下相关的人进行确认，然后发现计划有变，所以取消付款；
- 到了付款的时候发现居然不支持支付宝，无奈取消付款；
- 下单后被告知没货；
- 页面好卡，怒而弃之；
- 余额不足。。。
总体上可以分为两类：用户本身原因，系统设计原因。上图中这么出现付款率这么低的情况，基本上可以确定是系统原因。然而具体是哪块的设计出了问题，可以进一步细化追踪。
如上图所示，点击相应阶段，联动出下面各渠道与各业务的转化率明细，可以看出，各渠道的转化率差别较大，其中pc端转化率明显偏低，而各业务之间的转化率差别不大，基本可以确定，是pc端存在问题，导致转化率偏低。
上图中将转化率与各阶段端访问数量放在一个页面中，便于对整体情况的把控，为调整运营策略提供参考作用。
上图中的付款转化率低的太明显，只要不瞎都能看出这转化率出了问题，但是往往转化率的问题并没有这样的明显，那怎样定位自己的转化率是否合理，哪个阶段的转化率有提升空间呢？继续看下面这张图：
上图是通过多角度对比来分析业务转化率的健康状况，包括与自己同期对比、行业中与自己相似产品对比、行业中优秀的产品对比。对比各环节转化率的不同，产生数据上的冲击，所有落后的节点，都是可以提升的空间。或许对于很多业务来说，行业数据与对手数据并不是很好获取到（一般电商是可以通过京东数据罗盘或阿里的数据魔方获取到行业数据），那么就减少对比的维度，或者选择可替代的数据来对比，例如相近行业数据、目标值等等，尽量知彼，一定知己。另外加一句，很多公司都有手段获取到你认为它应该没有的数据，大家各显神通，办法还是有的。
2.追踪转化率变化，用于异常定位和策略调整效果验证
除流量外，转化率也是需要追踪的，将时间的维度拉开，分析各阶段转化率随着时间的波动，也是很有看点的。
如上图所示，在4月17日到21日中间，转化率出现下滑趋势，通过渠道转化率与业务转化率两个图表的联动，可以追踪定位导致转化率下滑的渠道或业务。常见的原因，公司运营部门投入了某个渠道进行推广，新的渠道带来了新的流量，而该渠道所引入的用户质量却偏低，拉低了整体的转化率。
还能看到的是，在4月22号之后，转化率开始抬头，并且维持了较高转化率，不管这次转化率的提升是活动营销导致的，还是产品改进导致的，或者是运营调整导致的，这都是一个响当当的业绩，也可以梳理这次工作的要点，作为成功经验来为公司下一波发力做准备。
3.观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略
现在互联网的推广渠道特别多，前面几个图表中，我将渠道定义为pc端、app、微信之类其实并不严谨，对于这些大类渠道的分析，需要从产品层面去考虑，每一点的优化与分析，最终都落实到产品优化上，才体现价值。而深入这些大类渠道进行细分，例如营销短息、百度竞价、广告站点等，就会有运营层面来考虑的问题，在上一篇(转化率)中也提到，渠道的价值，单独看流量或转化率都是不够的，需要综合来考虑。如下图所示：
气泡图在传统图表中信息量涵盖相对是比较大的，上面这张图x轴和y轴分别表示流量和转化率，y轴可以根据分析内容不同切换成点击率、注册率、架构率、下单率等等，气泡大小表示的为渠道ROI。从上图中可以看出，在右上象限中的渠道价值是比较大的，再综合考虑ROI，还可以看出渠道性价比情况。
气泡图信息量较大，可将上图一拆二如下图：
这种四象限分析对比分析方法用于某个时间段内或者针对某个营销事件的分析，只能看到点，若要进行更深层次的分析，还要结合渠道的发展趋势一起看。可以采用下图方式(散点图与趋势图形成联动，渠道综合价值与趋势相结合。
4.分析各环节转化周期，分析用户习惯，为制定运营策略提供依据
这种场景通用性并不是很强，会和公司业务相关联，有些业务的交易是分成多个阶段来完成，这种情况可以对转化周期进行分析。
上图中可以看出，该业务的付款与成交一般在前四周完成，而第五周开始趋于稳定。知道以上信息后，可针对第五周未付款或完成交易的用户进行询问，提高转化率。另外可制定四周内完成交易有奖励等活动来缩短成交周期，因为图中可以看出，绝大部分用户四周时间足够完成服务检查、订单确认等工作。
转化率是所有订单导向的互联网公司非常关注的指标，以上的介绍只是浅层的、简单的分析，更多的偏向于结果展示。对转化率的影响因素非常多，深入分析抓住问题的根本，还需要一些挖掘方法相配合，很多公司也有专人或团队来负责分析工作。在公司完成用户的拉新和转化之后，也该关心用户的存留问题了，大部分互联网公司，是有相当一部分的订单是由老客户产生的。关于存留数据分析，后面会进行介绍。
本文由 @jiago王 原创发布于产品经理。未经许可，禁止转载。
关键字：产品运营, 数据分析, 用户习惯, 转化
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
