互聯(lián)網(wǎng)從業(yè)者對轉(zhuǎn)化率這個指標(biāo)肯定不陌生，我們經(jīng)常會關(guān)注到轉(zhuǎn)化率，如注冊轉(zhuǎn)化率、購買轉(zhuǎn)化率等。這些轉(zhuǎn)化率指標(biāo)跟我們的網(wǎng)站運營息息相關(guān)：注冊轉(zhuǎn)化率可以衡量我們網(wǎng)站獲取用戶的能力;購買轉(zhuǎn)化率可以衡量我們網(wǎng)站營收的能力，直接影響我們的營收。

 

假如有兩個類似的電商網(wǎng)站，他們的流量規(guī)模差不多。如果其中一個網(wǎng)站的購買轉(zhuǎn)化率比較高的話，那么他的營收一般來說是更高的。

一、影響轉(zhuǎn)化率的三大因素

今天的課程主要針對線上交易類網(wǎng)站，包括但不限于O2O、P2P、內(nèi)容社區(qū)等網(wǎng)站。眾所周知，影響轉(zhuǎn)化的因素很多，不可能一一列舉。根據(jù)以往的工作經(jīng)驗，我們可以從三大角度去分析：流量渠道、用戶營銷和網(wǎng)站/APP體驗。

 

  這三大因素其實是外部(渠道流量)、內(nèi)部(用戶營銷)和內(nèi)部(網(wǎng)站/APP體驗)的關(guān)系。渠道流量是我們從網(wǎng)站外部獲取的。用戶營銷是我們對于我們現(xiàn)有網(wǎng)站已經(jīng)獲得的或者是已有的用戶，進(jìn)行的一系列運營和營銷工作。網(wǎng)站/APP體驗是可以通過內(nèi)部產(chǎn)品、設(shè)計、工程等部門來優(yōu)化的，也屬于內(nèi)部因素。

 

二、流量渠道

 

  第一個因素是渠道流量，主要分優(yōu)選渠道和量化分配兩步驟來解析如何提升轉(zhuǎn)化率。

 

什么是“優(yōu)選渠道”?

我們在營銷或者運營的時候會選擇多個渠道，在這些渠道中有好的渠道，也有差的渠道。渠道質(zhì)量直接體現(xiàn)在轉(zhuǎn)化率上，最終影響網(wǎng)站的營收。“優(yōu)化渠道”即我們應(yīng)該盡量選擇質(zhì)量好的渠道，放棄差的渠道，將一定的投放預(yù)算發(fā)揮其最大效果。

什么是”量化分配”?

在完成了第一步渠道優(yōu)選后，假如你得到了10個質(zhì)量比較好的渠道。那么這個時候，問題來了：在預(yù)算一定的情況下，10個渠道該如何進(jìn)行資源的分配?以往，我們更多的是憑借經(jīng)驗或者業(yè)務(wù)上的理解，非常主觀的進(jìn)行渠道資源分配。如今，我們更加傾向從量化或者數(shù)學(xué)的角度，結(jié)合業(yè)務(wù)的理解，然后去考慮如何精準(zhǔn)進(jìn)行不同渠道的資源分配。

 

  案例：某電商網(wǎng)站購買轉(zhuǎn)化率

 

這是一個電商網(wǎng)站的全站購買轉(zhuǎn)化率情況，我用GrowingIO的【漏斗分析】功能得到該網(wǎng)站每一步的購買轉(zhuǎn)化情況，用戶從首頁到列表頁，再到詳情頁，再到購物車，指導(dǎo)最終的支付成功。同時在紅色方框內(nèi)，有一個總的購買轉(zhuǎn)化率——1.5%，實際上并不是很高。

在【漏斗分析】中選擇【維度對比】，比較不同渠道過來的用戶的轉(zhuǎn)化功能。如下圖，紅色方框內(nèi)顯示的是訪問來源1和訪問來源2的每一步轉(zhuǎn)化率比較。

 

  我們可以看到，訪問來源1和訪問來源2，這兩個渠道，他們的總體轉(zhuǎn)化率都是非常低的。同時發(fā)現(xiàn)訪問來源1，這一塊的這個流量，卻非常大。那么這時候，依靠我們業(yè)務(wù)的這個判斷，可能會有兩種情況：

 

第一種情況：這個渠道它本身質(zhì)量比較差。

第二種情況：可能它是一個輔助渠道。這個渠道的投入，可能并不是很多，但是這個量卻特別大。

針對這兩種情況，我們應(yīng)該分類解決問題。如果說這個渠道質(zhì)量本來就比較差，但是量很大，我們能否考慮去優(yōu)化這個渠道的投放，比如廣告內(nèi)容、關(guān)鍵字、落地頁設(shè)計等等 ，并且觀察一段時間。 假如說這個渠道質(zhì)量并不差，但是只是一個輔助渠道，那么這個時候我們可以采取觀望策略，觀看其發(fā)展趨勢以便后期優(yōu)化。

當(dāng)我們篩選完渠道后，剩下10個比較優(yōu)質(zhì)的渠道，那么這10個渠道該如何分配資源呢?下面是用GrowingIO監(jiān)測到的該網(wǎng)站從不同渠道來的流量情況：

 

  結(jié)合業(yè)務(wù)經(jīng)驗，我們會知道搜索引擎渠道(如百度SEO和SEM)的客戶匹配精度是比較好的，我們應(yīng)該多投放一點。但是具體投放多少呢?我們需要通過數(shù)學(xué)方法來量化不同渠道和總體的轉(zhuǎn)化率之間的關(guān)系，取最優(yōu)解。

 

 

  最上面的式子 轉(zhuǎn)化率=F(渠道1_PV，渠道2_PV，•••，渠道n_PV)說的是最終的轉(zhuǎn)化率是各個渠道流量的函數(shù)結(jié)果，就是說我們要先確定轉(zhuǎn)化率和各個渠道流量之間的一個函數(shù)關(guān)系。那么如何來確定這個函數(shù)關(guān)系呢，這個大家可以結(jié)合業(yè)務(wù)實際或者行業(yè)經(jīng)驗。

 

方法一：線性模型

比較簡單易懂的就是線性模型，渠道流量和最終的轉(zhuǎn)化固定比例，在圖表上就是一條直線。當(dāng)然，這是一種非常極端的情況。

方法二：時間序列

還有一種情況的話，它會呈現(xiàn)出一種季節(jié)周期波動的一種關(guān)系。可能在Q1、Q2，他們是一個上升的一個趨勢，可能到了Q3、Q4就下降了。

同時他之前的那個轉(zhuǎn)化率，跟我們現(xiàn)在的轉(zhuǎn)化率也會有一個關(guān)系。這里面轉(zhuǎn)化率t，指的就是我們現(xiàn)在的轉(zhuǎn)化率。在時間序列公司中轉(zhuǎn)化率t-1，這個t-1這個轉(zhuǎn)化率指的是上一個周期的轉(zhuǎn)化率。

找好渠道流量和總轉(zhuǎn)化率之間的關(guān)系后，我們接下來就要去求解這個大F的值，這個大F，就是我們的轉(zhuǎn)化率。同時，它有一個限定條件是我們的總花費M。

最終優(yōu)化問題的解，是一個優(yōu)化后的投放組合是一組系數(shù)，在數(shù)學(xué)上來講就是一種系數(shù)，但實際業(yè)務(wù)上來講的話，它是不同的一個投放的一個組合。

 

  上圖是我們是我們渠道渠道投放前后效果對比。左邊是不同渠道的資源分配，右邊是最終的轉(zhuǎn)化率。2014年的所有渠道的投放組合(左邊藍(lán)色)的最終轉(zhuǎn)化率(右邊綠色)偏低;經(jīng)過新一輪的渠道優(yōu)化后，2015年所有渠道的投放組合(左邊黃色)的最終轉(zhuǎn)化率(右邊橙色)大幅度上升。

 

這個案例說明了，在資源有限的情況下，通過渠道優(yōu)選和量化分配，可以有效提升轉(zhuǎn)化率。

 

  三、用戶營銷

 

什么是用戶營銷?

其實就是我們對我們自己網(wǎng)站里的用戶做的一系列運營的活動，包括拉新、激活或者喚醒這一類動作。通過這些活動，使得我們的用戶反復(fù)的在我們的網(wǎng)站進(jìn)行購買。而且這樣的購買，是有效率的，而且這樣的運營或者這樣的營銷是精準(zhǔn)的。這樣最后才能達(dá)到提高我們整體購買轉(zhuǎn)化率的一個目的。

如何進(jìn)行用戶營銷?

步驟一：確定業(yè)務(wù)場景，通過繪制用戶畫像，來找準(zhǔn)我們的目標(biāo)用戶。

步驟二：在第一條的基礎(chǔ)上，我們找到了目標(biāo)用戶之后，就要精準(zhǔn)營銷，就是所謂的激活或者喚醒，使得這部分目標(biāo)用戶，在我們的網(wǎng)站上進(jìn)行購買，從而提高最終的轉(zhuǎn)化率。

如何進(jìn)行用戶畫像?

業(yè)內(nèi)比較經(jīng)驗的一個用法，就是對這個用戶價值度的分級。我們提到用戶價值度的話，這個詞實際上是比較含糊的，我們?nèi)绾尉珳?zhǔn)的去為這個價值度做一個分級?

 

  我們借鑒業(yè)內(nèi)常用的RFM模型：R是Recency，就是最近一次購買距現(xiàn)在的時間;F是Frequency指的是用戶的購買頻次;M是Monetary，指的是用戶的購買金額。

 

我們可以從這三個維度，對用戶進(jìn)行一個分級，我們可以把它分成8類，這8類可以涵蓋我們想要說明的這個用戶的價值。比如說，近期有購買或者有使用的這樣高頻次使用，同時高金額消費這樣的用戶，我們可以把它定義為我們網(wǎng)站，或者我們平臺、APP的高價值用戶。

通過這個劃分，我們可以把自己的整體用戶，分成不同的等級。但是想理解這個分類，還需要結(jié)合實際業(yè)務(wù)。

舉一例子，假設(shè)我們現(xiàn)在是一個電商類的網(wǎng)站，現(xiàn)在舉行一個促銷活動賣比較貴的數(shù)碼產(chǎn)品。那么這時候，我們就要找到這個高價值用戶，向這部分用戶做一些活動推送，而并不是向我們網(wǎng)站的全部用戶做這個推送。原因是，高價值的客戶購買我們新的數(shù)碼產(chǎn)品的可能性更高，只有精準(zhǔn)推送，才能節(jié)省成本，提高效率。

 

  除了RFM模型分類，還可以其他分類方法：

 

1)根據(jù)會員屬性進(jìn)行分類，如用戶的性別、城市、設(shè)備、登陸次數(shù)等。

2)根據(jù)用戶的活躍度進(jìn)行分類，把用戶分為未轉(zhuǎn)化會員、新會員、活躍會員和沉寂會員。什么是未轉(zhuǎn)化會員?就是指那些注冊了，但是從來沒有購買的用戶。

3)根據(jù)用戶的購買偏好，結(jié)合實際購買的場景，給他做一個分類。同時也可以根據(jù)用戶的預(yù)定平臺和推廣渠道的敏感來給他分。

4)也有通過注冊來源，比如說PC/APP/H5。假如說我們的網(wǎng)站中大多數(shù)會員通過APP端注冊來的。那我們做一些激活活動的話，應(yīng)該著重發(fā)力在APP，而不是選擇在PC或者H5這樣的端口。

四、網(wǎng)站/APP體驗

無論是O2O、P2P還是內(nèi)容社區(qū)等網(wǎng)站，一些常見而又重要的體驗問題都會嚴(yán)重影響購買轉(zhuǎn)化率，比如：支付環(huán)節(jié)的流暢性、頁面是否簡潔和操作是否容易、圖片質(zhì)量是否清晰、搜索是否精準(zhǔn)匹配…….

1)支付環(huán)節(jié)的流暢性，假如支環(huán)節(jié)體驗流暢的話，用戶流失可能性會大幅降低;

2)頁面簡潔和操作容易，如像阿里巴巴、京東或攜程這些大網(wǎng)站，頁面按鈕會非常多，但事實上，它們有時候反而會影響最終轉(zhuǎn)化流程，因為這整個轉(zhuǎn)化流程中，有太多點擊按鈕和出口，導(dǎo)致用戶很容易流失;

3)圖片質(zhì)量。比如我們進(jìn)行一個網(wǎng)站購買，很容易因為圖片分辨率太低、打有水印、光線較差等因素影響我們產(chǎn)品的判斷，而影響最終的購買轉(zhuǎn)化;

4)搜索的精確匹配，比如用戶搜索的是芒果，最終出來的卻是芒果干或芒果糖等，實際上并沒有精確匹配用戶的需求，結(jié)果就是嚴(yán)重影響用戶體驗，導(dǎo)致用戶需求沒有得到滿足而流失。

案例：某電商網(wǎng)站轉(zhuǎn)化率

 

  上圖轉(zhuǎn)化漏斗中，最后一步，點擊購物車到點擊支付的轉(zhuǎn)化率特別低，但是為什么這么低?

 

用戶為什么明明點擊了購物車，有購買意向，但是最終并沒有支付成功?

普通的數(shù)據(jù)分析產(chǎn)品、粗糙的漏斗是找不到原因的，只能看到這步轉(zhuǎn)化低，但是為什么呢，不知道。因而，產(chǎn)品經(jīng)理也不知道如何做優(yōu)化，市場運營人員不知道該從什么地方著手做調(diào)整。

我們用【用戶分群】功能，把所有“進(jìn)入購物車但并沒有點擊支付“的用戶做個分群，看看這一步流失的人群，到底經(jīng)歷了一些什么事情。

 

  分群之后，我們看下【用戶細(xì)查】(GrowingIO新推出的強大功能，可以精準(zhǔn)查看每一位用戶在網(wǎng)站上的瀏覽、點擊、停留、輸入等行為)。

 

我們發(fā)現(xiàn)一個特別有趣的現(xiàn)象，這個分群里的某個用戶打開了某個頁面，在購物車欄點擊了購買1，然后打算結(jié)算。但隨后他發(fā)現(xiàn)自己沒有登錄、然后輸入登錄信息又發(fā)現(xiàn)沒有成功，再點擊忘記密碼，進(jìn)入找回密碼頁面。

關(guān)鍵問題是，按正常理解，在找回密碼的頁面上設(shè)置完密碼后，就可以正常登錄了。但這個用戶又彈回來繼續(xù)到忘記密碼、找回密碼，怎么會這樣。然后我們親自體驗了一下，發(fā)現(xiàn)在修改密碼這頁有個BUG，就是沒法修改密碼，等于用戶來來回回?zé)o法完成這一步，當(dāng)然最終會導(dǎo)致用戶的流失。

這樣，通過漏斗對比、用戶分群、用戶細(xì)查，一步步做數(shù)據(jù)追蹤，終于準(zhǔn)確定位了問題原因，這樣產(chǎn)品經(jīng)理才能知道在哪里修改，否則，產(chǎn)品經(jīng)理只能不停各種試錯、各種猜測，不停浪費時間和精力做無用功。

五、總結(jié)

從三個大維度(渠道流量、用戶營銷、網(wǎng)站/APP體驗)去思考如何提高購買轉(zhuǎn)化率，然后再通過不同維度去細(xì)分，做更深入的分析，再結(jié)合業(yè)務(wù)，最終用數(shù)據(jù)不停驅(qū)動業(yè)務(wù)增長、增長再增長。

　　晉城網(wǎng)站建設(shè) 龍鼎網(wǎng)絡(luò)為您解答！！！