数据分析告诉你,转化才是王道数据分析告诉你,转化才是王道.pdf

数据分析告诉你 ，转化才是王道 有关流量的分析之后 ，本篇聊一聊关于转化的分析 ，上一篇中也讲到的 ， 章内容给大家一 个借鉴参考 ，有各种不足或错误 ，欢迎评论交流。 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 ： 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 2. 追踪转化率变化 ，用于异常定位和策略调整效果验证 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 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 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 ： 1. 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 ； 2. 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 ； 3. 到了付款的时候发现居然不支持支付宝 ，无奈取消付款 ； 4 . 下单后被告知没货 ； 5. 页面好卡 ，怒而弃之 ； 6. 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