文章介紹了一個(gè)數(shù)據(jù)分析工具：漏斗分析，一起來學(xué)習(xí)下。

如何將轉(zhuǎn)化率提升27.5倍？

安迪·瓊斯，是一名數(shù)據(jù)分析師，曾效力于 Facebook、Twitter、Quora。在他的增長(zhǎng)黑客生涯中，曾遇到這樣一個(gè)難題：來自搜索引擎的流量占到網(wǎng)站流量的40%，但其中只有不到0.2%的人轉(zhuǎn)化成注冊(cè)用戶，這意味著每1000個(gè)訪客中有998人最終流失掉了。

為了提高轉(zhuǎn)化率，安迪的團(tuán)隊(duì)足足耗費(fèi)了14個(gè)月的時(shí)間研究著陸頁(yè)的優(yōu)化，這是一段極為漫長(zhǎng)的周期，考驗(yàn)著每個(gè)人的耐性。好在功夫不負(fù)有心人，他們最終成功地將轉(zhuǎn)化率提高到了5.5%以上。換句話說，他們將轉(zhuǎn)化率提升了25倍。

而在提升轉(zhuǎn)化率的過程中，他們使用了一樣相當(dāng)重要的數(shù)據(jù)分析工具：漏斗分析。如你所見，這是數(shù)據(jù)分析工具系列的第3篇：漏斗分析。

漏斗分析

天然的漏斗：用戶路徑圖

在數(shù)據(jù)分析系列的上一篇中，我介紹了用戶路徑圖。這項(xiàng)數(shù)據(jù)分析工具就是抽象用戶在網(wǎng)站或APP中的訪問行為路徑，并用可視化的圖表呈現(xiàn)。如下圖所示：

可以發(fā)現(xiàn)，用戶路徑圖的每條路徑，實(shí)際上就是一個(gè)個(gè)“天然”的漏斗。所以，當(dāng)我們不知道如何設(shè)置漏斗時(shí)，可以先利用用戶路徑圖查看所有的用戶軌跡，并對(duì)異常的用戶軌跡用漏斗進(jìn)行分析。如果對(duì)用戶路徑圖感興趣的朋友歡迎查看我的上篇文章，下面開始介紹漏斗。

何為漏斗？

漏斗，簡(jiǎn)單來講，就是抽象網(wǎng)站或APP中的某個(gè)流程，觀察流程中每一步的轉(zhuǎn)化與流失。鑒于漏斗分析的相關(guān)文章很多，基礎(chǔ)部分不再贅述。下面我會(huì)抽象漏斗的本質(zhì)，并通過一個(gè)詳細(xì)的案例來闡述漏斗的具體用法。

漏斗的三元素

根據(jù)漏斗的定義，我們可以抽象出漏斗的三元素：

• 時(shí)間
• 節(jié)點(diǎn)
• 流量

時(shí)間

這里的時(shí)間，特指漏斗的轉(zhuǎn)化周期，即為完成每一層漏斗所需時(shí)間的集合。通常來講，一個(gè)漏斗的轉(zhuǎn)化周期越短越好，尤其是在某些轉(zhuǎn)化周期較長(zhǎng)的行業(yè)，比如：在線教育行業(yè)，B2B電商行業(yè)。

此外，單獨(dú)查看每一層漏斗的時(shí)間，也能發(fā)現(xiàn)一些問題。舉例來說，如果發(fā)現(xiàn)從某個(gè)渠道導(dǎo)入的流量，在某層漏斗的消耗時(shí)間驚人的一致，這說明該渠道的流量很可能有異常。

節(jié)點(diǎn)

每一層漏斗，就是一個(gè)節(jié)點(diǎn)。而對(duì)于節(jié)點(diǎn)來說，最核心的指標(biāo)就是轉(zhuǎn)化率，公式如下：

轉(zhuǎn)化率 = 通過該層的流量/到達(dá)該層的流量

整個(gè)漏斗的轉(zhuǎn)化率以及每一層的轉(zhuǎn)化率，可以幫助我們明確優(yōu)化的方向：找到轉(zhuǎn)化率低的節(jié)點(diǎn)，想辦法提升它。

流量

流量，也就是人群。不同人群在同一個(gè)漏斗下的表現(xiàn)情況一定是不一樣的，比如淘寶的購(gòu)物漏斗，男人和女人的轉(zhuǎn)化率不一樣，年輕人和老人的轉(zhuǎn)化率也不一樣。

通過人群分類，我們可以快速查看特定人群的轉(zhuǎn)化率，更能清晰定位問題。

漏斗分析實(shí)戰(zhàn)案例

現(xiàn)實(shí)的世界，并非是簡(jiǎn)單的數(shù)據(jù)邏輯結(jié)構(gòu)，很多結(jié)果都是多種原因綜合導(dǎo)致的。站在多種角度去分析同一個(gè)問題，往往可以得到一個(gè)更全面準(zhǔn)確的答案。

下面我們將結(jié)合漏斗的三元素來做一個(gè)深度案例分析，通過運(yùn)用數(shù)據(jù)分析的經(jīng)典方法“拆分”與“對(duì)比”，定位問題，給出解決方案。

問題：購(gòu)買的轉(zhuǎn)化率過低

一家電商網(wǎng)站，從瀏覽寶貝詳情到付款的轉(zhuǎn)化率僅有3.6%。創(chuàng)建購(gòu)買流程的漏斗，如圖所示：

1.發(fā)現(xiàn)問題節(jié)點(diǎn)

我們可以看到，加入購(gòu)物車之前的轉(zhuǎn)化率都較高，但在購(gòu)物付款的流程中，轉(zhuǎn)化率急劇降低至8%，這里可能就是需要改進(jìn)的地方。

tip：轉(zhuǎn)化率低的節(jié)點(diǎn)，通常就是問題節(jié)點(diǎn)。

2.問題分析

確定問題節(jié)點(diǎn)為“確認(rèn)訂單頁(yè)面”后，開始分析該頁(yè)面的數(shù)據(jù)。研究單一頁(yè)面，可以使用的分析工具包括：

• 熱圖分析：查看該頁(yè)面用戶的互動(dòng)行為
• 事件分析：查看該頁(yè)面的各項(xiàng)數(shù)據(jù)統(tǒng)計(jì)指標(biāo)，例如停留時(shí)長(zhǎng)，事件數(shù)……

在這里我們運(yùn)用事件分析對(duì)問題進(jìn)行分析，如果對(duì)熱圖分析感興趣的同學(xué)可以查看我的系列文章熱圖。

用戶在訂單確認(rèn)頁(yè)停留的時(shí)間長(zhǎng)達(dá)105秒，這與我們平時(shí)的認(rèn)知不符可以發(fā)現(xiàn)的問題如下：

用戶在訂單確認(rèn)頁(yè)的事件數(shù)為2985，我們需要進(jìn)一步了解用戶在這個(gè)頁(yè)面上做了什么

3.問題拆分

1.用戶在訂單確認(rèn)頁(yè)停留時(shí)長(zhǎng)過長(zhǎng)

我們發(fā)現(xiàn)自己漏掉了漏斗的一個(gè)層級(jí)，”訂單確認(rèn)頁(yè)->成交頁(yè)“應(yīng)該更正為“訂單確認(rèn)頁(yè)->選擇付款方式頁(yè)->成交頁(yè)“。重新創(chuàng)建漏斗如下：

可以發(fā)現(xiàn)，實(shí)際上轉(zhuǎn)化率較低的節(jié)點(diǎn)為選擇付款頁(yè)，轉(zhuǎn)化率為9%。

2.用戶在相關(guān)頁(yè)面上的具體事件：

確認(rèn)付款的事件數(shù)為1350，側(cè)面印證了訂單確認(rèn)頁(yè)的轉(zhuǎn)化率比較正常。

成功付款的事件數(shù)為210，側(cè)面印證了選擇付款頁(yè)的轉(zhuǎn)化率較低。

通過對(duì)問題拆分，我們重新定位問題節(jié)點(diǎn)為選擇付款頁(yè)。

tip：對(duì)問題進(jìn)行拆分，可以幫助我們深入理解問題。

4.數(shù)據(jù)對(duì)比

之前我們提過：不同人群在同一個(gè)漏斗下的表現(xiàn)情況一定是不一樣的。我們可以將到達(dá)選擇付款頁(yè)的用戶分為兩類：

通過幾個(gè)人群的對(duì)比，我們發(fā)現(xiàn)“付款失敗”組的人群離線環(huán)境陡增約14%。另外，其3G、2G網(wǎng)絡(luò)的比例要高于成功付款人群（5.68% vs 1.36%），且設(shè)備品牌中，相對(duì)機(jī)型較小眾、低端。

實(shí)際測(cè)試品牌1和品牌2的幾個(gè)機(jī)型，針對(duì)選擇付款方式頁(yè)面的頁(yè)面體驗(yàn)，存在以下問題：

1. 機(jī)型適配性較差，開發(fā)時(shí)主要考慮的是現(xiàn)有主流機(jī)型適配，對(duì)小眾機(jī)型的關(guān)注度較低；
2. 頁(yè)面卡頓嚴(yán)重，長(zhǎng)達(dá)50秒以上的空白頁(yè)面，嚴(yán)重消耗了用戶耐心。

于是我們做出以下改善：

1. 緊急修復(fù)版本，在小眾機(jī)型的主要推廣渠道上升級(jí)了版本適配性的App；
2. 頁(yè)面加載量?jī)?yōu)化，包括切割、壓縮、刪減圖片，框架優(yōu)化，預(yù)加載等策略，惡劣網(wǎng)絡(luò)下加載速度提升至約15秒；
3. 加載等待頁(yè)面設(shè)計(jì)，增加了動(dòng)畫的等待頁(yè)面，給用戶賣個(gè)萌，增加用戶等待的耐心。

5.效果驗(yàn)證

頁(yè)面優(yōu)化后，我們的漏斗轉(zhuǎn)化流程有明顯改善：

我們針對(duì)這群“付款失敗”用戶群所做的改善，為轉(zhuǎn)化漏斗提高了14%的轉(zhuǎn)化效率，這是非常大的一個(gè)收益。

另外，我們?cè)诤罄m(xù)的漏斗改進(jìn)中，還嘗試結(jié)合了頁(yè)面點(diǎn)擊/頁(yè)面流轉(zhuǎn)的分析，刪去了付款頁(yè)面中不必要的信息、按鈕，增加新的付款方式，保證了付款流程的順暢性，對(duì)于提升漏斗也有一定的作用。

寫在最后

漏斗分析，僅僅是幫助我們分析問題的工具，重要的是要培養(yǎng)數(shù)據(jù)分析的思想：

• 通過交叉對(duì)比，找出數(shù)據(jù)的差異，定位異常數(shù)據(jù)
• 通過細(xì)致拆分，把復(fù)雜的、多因子的事件分析拆分為獨(dú)立的、單因子的歸因分析

漏斗分析到這里就結(jié)束了，下一篇，我會(huì)帶來留存分析。歡迎關(guān)注我的數(shù)據(jù)分析工具系列，我會(huì)講述如何改善用戶體驗(yàn)，提升轉(zhuǎn)化，幫助你更好地運(yùn)用數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品運(yùn)營(yíng)。

相關(guān)閱讀

數(shù)據(jù)分析卡片（一）：熱圖

數(shù)據(jù)分析卡片（二）：用戶路徑圖

作者：曹思龍，微信公眾號(hào)：及策云課堂。Admaster產(chǎn)品經(jīng)理，畢業(yè)于北京郵電大學(xué)，知乎專欄作者

本文由 @曹思龍 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。