从基础到高阶，产品和运营应该这样做转化分析

作者 | GrowingIO增长团队，集工程、产品、市场、分析多重角色于一身，负责拉新和用户活跃，用数据驱动业务增长。

来源 | GrowingIO《产品经理数据分析手册》，原文发于 GrowingIO 博客和公众号，授权转载 / 发布。

在互联网产品和运营的分析领域中，转化分析是最为核心和关键的场景。以电商网站购物为例，一次成功的购买行为依次涉及搜索、浏览、加入购物车、修改订单、结算、支付等多个环节，任何一个环节的问题都可能导致用户最终购买行为的失败。在精益化运营的背景下，如何做好转化分析俨然成为一门学问。

什么是转化？当用户向您业务价值点方向进行了一次操作，就产生了一次转化。这里的业务价值点包括但不限于完成注册、下载、购买等行为。每一次大的转化都包含若干个小的转化环节，我们普遍使用转化漏斗（Funnel）来展示这一过程。

一、基础分析：转化的每一步都需要打磨

转化分析的基础阶段，要衡量总转化率、每一步转化率及其随时间的变化趋势。下图是经典的转化漏斗，展示了总体转化率、每一步的流量和转化率。

以注册流程为例，“总转化率 9.54%” 这个信息对我们优化注册流、提升转化率没有太大帮助。但是借助上面的漏斗图，我们不难发现：从第一步到第二步的转化率才18.5%，明显低于前后两个环节。发现了问题所在，我们就可以针对性地优化注册流，最大效率地提升注册转化率。

同时，对每一个转化率进行实时监测，可以帮助我们及时发现产品中的突发问题。

某日，该注册流总转化率异常下降。如上图所示，漏斗分析发现是第1步转化率骤跌导致的，而该环节正是填写手机验证码的环节。产品经理检查发现，短信验证码的代理商因为欠费而自动停止了短信验证服务。充值完成后，注册流程恢复正常，转化率也慢慢恢复到正常水平。

用户体验受到众多因素的影响，进而直接影响到转化率。要想更好地提升转化率，需要对不同维度的因素进行考虑，包括但不限于用户的：操作系统、浏览器类型、访问来源、操作平台、访问来源等等。

以用户的浏览器为例，我们对不同浏览器的转化率进行一一对比，发现 Chrome 浏览器的转化率高达 12.9%；而 IE 浏览器的转化率不足 8%。工程师研究后发现，原因是该网站采用了新的 Java 架构，不适应 IE 框架，导致 IE 浏览器环境下用户体验非常差，注册转化率非常低。

不仅限于浏览器，用户的操作系统、PC 端还是移动端、访问来源等等常见因素都可能影响到转化率。越高级的产品或者运营人员，应该考虑的更加精细，不断从细节来打磨产品，才能不断提升转化率。

发现问题的过程往往需要拆分很多次，这时你需要一个支持多重维度交叉分析的漏斗。

一个电商网站在用漏斗衡量交易转化时发现，App 上的用户量高于网站，但总体转化率却很低，问题出在哪里呢？

我们把两个漏斗放在一起交叉对比，不难发现移动端用户提交订单到支付环节的转化率明显低于网页端，正是这个环节拉低了移动端整体转化率。值得注意的是，提交了订单的用户购买意愿非常强烈，是很有潜力唤回的一批用户。

经过用户行为洞察发现，这些用户很多选择了返回到上一步，而不是去支付。对比网站和 App 在支付页面的信息结构发现，App 上的支付页面缺少了订单商品的详细描述、收货人地址和联系方式等信息；这样就给用户带来了犹豫，使很多用户返回到上一步确认，从而导致转化率下降。

于是，产品经理参考网站的信息结构，补充了 App 支付页面的订单信息，同时在支付环节进行流失用户召回。

从漏斗的趋势图中监测支付环节优化后的效果，App 端提交订单到支付环节的转化率明显提升，甚至略高于网站转化率，整体转化率也被拉高。同时，在漏斗中选择进行召回的用户作为目标用户，观测召回后的转化率变化，以此来评估本次唤回活动的效果。

这么细微的转化问题，仅靠直觉是很难发现；它需要产品或者运营人员高度的数据敏锐感、娴熟的业务技能，这也是转化分析高级阶段的表现。

提升转化率，既需要有数据驱动的意识，也需要熟练掌握一定的数据分析工具。

今天 GrowingIO 进行了漏斗的大版本更新，这是一款非常强大的漏斗，可以支持上面所有的转化分析场景。

通过基于用户行为的 GrowingIO 的漏斗，你可以知道到用户从哪个落地页进入产品，又是在哪一个转化过程中流失掉，切分维度和用户人群，定位流失原因，然后提出这类用户流失原因的假设，通过运营行为发起召回。

我们每次提到产品优化，都是为了更好的转化率，每一步转化效果的提高都促进了最终转化率的提升。转化很重要，更重要的是，你应该拥有一个更好的漏斗。

原创文章，作者：爱运营，如若转载，请注明出处：https://www.iyunying.org/yunying/cpyy/110563.html