本文將和大家分享轉化分析的必要性和重要性，從流量來源到產品內涉及轉化的部分，講解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。
Part 1 | 為什麼要做轉化分析？對於一款產品來說，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。對於運營來說，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。這裡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；否則就會產生為什麼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。這裡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麼樣？
- 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，直到最後購買成功，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。
Part 2 | 如何做好渠道流量的轉化分析？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並不低，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
這裡的轉化可以是產品轉化，比如註冊，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徵，比如某一部分人在一個時間裡集中訪問、硬體設備比較固定、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，以至於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？
第一步：多維度對比，發現關聯特徵；
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。
第二步：將關聯特徵進行交叉對比；找到可能有問題的瀏覽器後，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
例如比較常見訪問時間應該是 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，於是我們基本上可以鎖定這個渠道是有問題的了。
不同的 App / 網站 也可以根據日常用戶訪問行為來總結出自己產品的訪問時間曲線，以便查作弊流量時做對比。
因此我們需要打通流量轉化數據，做渠道評估，用數據分析工具，去定位發現問題。
Part 3 | 產品內如何拆解轉化步驟？當用戶通過各個渠道過來，進入到產品內後，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，研究註冊完成的數量，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）、平台維度（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。
Part 4 | 用戶轉化流失的四大原因和對策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：1）需求不匹配2）產品功能/服務/商品不合預期
3）交互體驗不好
4）「神秘」原因接下來我們就來一一分析這些用戶流失的運營，並結合案例探索解決的方案。
1. 第一類 需求不匹配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。舉兩個例子，一個針對小白用戶的英語學習網站，假如我英語過了專八，那麽我進入網站會發現跟我的需求不匹配；假如另外一個英語網站，裡面有我需要的東西，但是位置比較深，但是我進入首頁後沒看到，簡單查找下還是沒發現，那我也會離開。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，那麼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像得多。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。
2. 第二類 產品功能/服務/商品不合預期碰到產品的功能、服務或者商品不符合用戶預期的情況，比如用戶為何瀏覽了商品詳情卻沒有購買，可能是因為商品評價有問題，或者商品價格相較於其他家的高了。對於此類問題，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，例如評論、客服、模塊間的導流是否順暢等等。那麽如何驗證這些幫助用戶轉化的功能模塊是否起到正向作用了呢？這時可以把做過某一個操作的用戶分群，比如電商平台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。我們用 GrowingIO 用戶分群功能創建兩個分群：到過詳情頁看過評論的訪客群 VS. 到過詳情頁未看過評論的用戶群，看轉化是否有差異 ？
如下圖，我們將創建的分群應用到 GrowingIO 的漏斗功能上，看過評論的用戶註冊完成的轉化率（下圖右側）是 53.1%，是高於總體的：
但是，如果看過評論的用戶轉化率反而比總體低，那評論這裡的一些設置就可能出現了問題。
3. 第三類 可用性 & 交互體驗問題此類問題的表現是為什麽用戶註冊了一半卻放棄了，用戶為何進入購買流程後還流失了等等。遇到這類情況，在保證產品本身可用的情況下，我們需要進行分維度查看轉化，找到適配性問題。如果各訪問來源 / App 渠道、各地域的轉化數據都無異常，但設備類維度出現異常，比如某個瀏覽器、某個手機機型、某個操作系統轉化低，或者僅僅是某個瀏覽器 / 操作系統 的某一個版本轉化低，就要注意是否存在設備的適配性問題。
如上圖，我們通過維度對比，發現 iPhone 6 Plus 的轉化率比 iPhone 6 低了 15%，於是發現了 iPhone 6 Plus 的適配存在問題，並及時進行了修復。
4. 第四類 其他「神秘」流失原因有時候會遇到似乎不明顯存在上述任何一種問題，但就是沒有最終轉化，為什麼？產品經理需要時不時看看用戶的原始訪問軌跡。排查後發現上述都沒有問題時，就需要查看無明顯原因導致流失的這部分用戶的原始訪問記錄，通過「用戶細查」查看用戶的詳細訪問行為軌跡：
在某個 case 中，細查該產品的最後一步流失用戶，發現：這部分用戶活躍度不低，網站瀏覽量多，也走完了大部分轉化路徑（甚至不止一次），但就是沒有最終轉化，基本在最後一步放棄支付了。結合該產品服務單價較高的情況，這部分用戶很有可能是在猶豫是否購買的過程中流失了，這種情況怎麼辦？遇到這種情況，首先我們需要結合訪客打通機制，進行再運營：
然後在轉化的關鍵步驟，「推」用戶一把。對於客單價過高，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，然後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。Part 5 | 總結轉化分析是一項系統的工作，涉及產品和運營的各個方面。1）提升轉化的前提是充分拆解轉化，包括縱向和橫向兩個方面；2）導致轉化低的原因各不相同，需要藉助多維度的數據和多種分析方法定位原因，找到優化空間。這需要強大的分析平台支持；3）流量是轉化的源頭，渠道流量評估需要和轉化結合在一起。本文作者曾少勤，GrowingIO 商務分析師。曾少勤畢業於北京大學，先後就職於秒針、百度、GrowingIO，有豐富的數據分析經驗。註：文中漏斗、用戶分群、用戶細查、實時等功能截圖，均來自 GrowingIO 官網 矽谷新一代數據分析產品 。
推薦閱讀：
