0
| 本文作者： 張溪夢 | 2016-08-24 16:56 |
雷鋒網按：本文作者曾少勤，GrowingIO商務分析師。
本文將和大家分享轉化分析的必要性和重要性、運營和產品如何做轉化分析、如何拆解轉化步驟、用戶轉化中流失的四大原因和對應方案。
| 為什么要做轉化分析？
對于一款產品來說，如何讓用戶更好地轉化，是用戶能否留存下來產生價值的關鍵因素。
對于運營來說，廣開源路尋找目標用戶，甚至還要選擇一些付費渠道（如下圖）進行投放，以獲得更好的效果。這里就要我們來評估衡量渠道帶量的效果，不僅要知道數量，還要知道質量；否則就會產生為什么每天都有用戶增長但效益還是不好的問題。
不同渠道來的用戶質量不同，也會影響到他們在產品內的轉化，這時產品經理就要思考了，除此之外，也要想怎樣讓用戶更好地使用我的產品，更好地提高產品轉化。這里會遇到很多實際問題，比如說：
為啥運營天天在導流，但產品的用戶量還是上不去？
怎樣讓產品轉化（服務/產品購買）更好？
這個新功能上線效果怎么樣？
兩個產品方案，哪個好？
因此，轉化的效果是和每一個運營和產品經理息息相關的，我們做的很多事情，歸根結底都是為了獲得更好的產品轉化。但是，轉化不是一個一步到位的事情，每個環節的優化都可能帶來更好的結果。
以交易類產品流程的用戶行為為例：流量從各個渠道過來，到達我們的落地頁，感興趣的用戶開始瀏覽頁面，甚至開始走購買流程，直到最后購買成功，在這個過程中，市場、產品經理和運營要充分利用工具獲得更好的轉化。
接下來我們就按照轉化的流程進行拆解：首先，保證流量的來源是好的，如果流量的來源是有問題的，就很難轉化下去,比如來的用戶根本不是目標用戶，我們看到用戶來了，但是他轉化不下去。其次保證用戶在產品內的轉化流暢，不因為模塊設置、BUG等問題無法繼續下去，成為流失用戶。
在最開始衡量渠道導流能力的時候，我們可能更多看的是流量的數量。接下來我們可以看到更多的數據指標，包括跳出率，停留時長，瀏覽頁面來衡量流量的情況。但是，這些指標都是輔助性指標，可能一個渠道的跳出率并不低，但是你不能保證這個渠道的轉化一定是好的。所以，我們需要將流量來源與轉化數據關聯在一起，這是精細化運營的基礎。
1.渠道轉化分析
這里的轉化可以是產品轉化，比如注冊，也可以是下單支付成功，還可以是用來判斷分析渠道質量的一些用戶行為：收藏了商品、點贊、查看了評論等等。用戶在產品內的行為越多，轉化越多，就越可能留存下來。這時，我們就需要一些數據來進行評估。
2.區分惡意流量
渠道流量的監控過程中，還會涉及到運營深惡痛絕的惡意流量，怎樣將劣質流量和優質流量區分開來，因為惡意流量總會有一些特征，比如某一部分人在一個時間里集中訪問、硬件設備比較固定、使用特定的瀏覽器等等。
去年有一些 APP 商通過分析數據發現，如果某個渠道出現了一批大量 iPhone5C 的訪問用戶，可能就有問題了，因為為了更加以假亂真，有的刷量商會用真機刷量作弊，但是考慮到成本，就多選擇了相對廉價的 iPhone5C，以至于這個機型出現的頻率就變得很高。惡意流量總是有跡可循的，這時我們應該怎樣排查？
下面這張圖是各個渠道轉化的情況，渠道3 第一步的轉化效率很低，這時有可能會有問題。
我們把渠道3的用戶拿出來，用其他維度進行切分，比如按照地區、瀏覽器等進行區分，分別看不同瀏覽器的轉化情況時，發現了某個瀏覽器的轉化率也異常低。
找到可能有問題的瀏覽器后，我們做了瀏覽器版本的分布，發現這個渠道來的用戶使用的瀏覽器版本中，某些舊瀏覽器版本暴增。
第三步：通過時間維度進行確認
正常的訪問時間應該是M型的，上午和晚上會有兩個高峰時段，但是半夜是流量最低的時候，而渠道3用戶的訪問時間24小時不間斷，甚至在凌晨和半夜也很高，于是我們基本上可以鎖定這個渠道是有問題的了。
因此我們需要打通流量轉化數據，做渠道評估，用GrowingIO這樣的數據分析工具，去定位發現問題。
當用戶通過各個渠道過來，進入到產品內后，我們就開始拆解產品內的轉化步驟，尋找優化的空間。
拆解轉化步驟有兩種方法：
1.縱向按照過程拆解，研究注冊完成的數量，購買成功的成單量；
2.橫向按照維度和人群拆解，轉化的結果與預期有出入，這時進行橫向拆解，對比分析。
我們之前會聽到很多用戶問這樣的問題，我這個轉化率在行業里是高呢還是低呢？我有沒有優化的空間呢？其實我們不是非要benchmark數據，一方面很多這樣的數據是公司機密，另一方面第三方的測算方式不一定和你的一樣。
沒有行業的數據，你自己的轉化數據就包含了很多的信息，可以從時間維度（分析每天的轉化情況，分析活動和平時的轉化情況）、平臺維度（iOS 和 Android的情況）等其他數據維度分析，就可以找到很多的優化空間。
不同的轉化步驟的流失原因也各不相同，有的是因為吸引力不夠，有時是使用過程中遇到了問題。
雖然流失原因各不相同，但是主要的流失原因有這樣四大類：
需求不匹配
產品功能/服務/商品不合預期
交互體驗不好
“神秘”原因
接下來我們就來一一分析這些用戶流失的運營，并結合案例探索解決的方案。
需求不匹配分多種情況，一種是產品能激發用戶需求，但是用戶沒有看到；另一種是產品就是沒有滿足用戶的追求。
如果我們的產品能激發用戶的需求，但是用戶卻沒有看到。這時候我們需要讓用戶在合適的位置看到合適的內容。我們可以通過重點位置數據統計和熱圖分析網站上用戶的點擊行為，找到黃金位置，把最合適的內容。
如果用戶的需求未被滿足，那么就有必要分析一下這部分需求。事實上，有過搜索不到結果經歷的用戶比你想象得多。我們可以通過統計網站搜索無結果頁的搜索詞信息，可以知道用戶未被滿足的具體需求。同時與搜索框搜索次數進行對比，衡量是否針對這部分需求做專門的內容、服務、產品建設。
碰到產品的功能、服務或者商品不符合用戶預期的情況，可以分析產品內的各種幫助用戶轉化的功能是不是沒有起到正向作用。這時可以把做過某一個操作的用戶分群，比如電商平臺把看過商品評論頁的用戶做出分群，來驗證評論是不是對最終的轉化有促進作用。
如下圖，看過評論的用戶注冊完成的轉化率（下圖右側）是53.1%，是高于總體的；如果反而比總體低，那評論這里的一些設置就可能出現了問題。
常見的情況是設備或瀏覽器不適配，在分瀏覽器或設備的維度區分的時候，轉化率很低，及時發現定位和修復問題。
排查后發現上述都沒有問題時，就需要查看用戶的原始訪問軌跡，有的用戶走完了大部分的轉化路徑，但是最后一步就是放棄了，如果這樣的用戶很多，就需要結合具體的產品去看。
對于客單價過高，用戶在這一步猶豫的情況，這時我們需要推一把用戶。需要打通用戶行為和用戶ID，然后進一步有針對性地運營；比如說對這些用戶發一些代金券或者優惠券，刺激轉化。
轉化分析是一項系統的工作，涉及產品和運營的各個方面。提升轉化的前提是對轉化步驟進行充分拆解，從流量的源頭開始評估轉化效果，借助多維度數據對問題進行定位。
雷鋒網注：本文作者曾少勤畢業于北京大學，先后就職于秒針、百度、GrowingIO，有豐富的數據分析經驗。原文發于GrowingIO技術博客，授權雷鋒網發布。轉載請聯系我們授權，并保留出處和作者，不得刪減內容。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
