互联网从业者对转化率这个方针必定不生疏，咱们常常会关注到转化率，如注册转化率、购买转化率等。这些转化率方针跟咱们的网站运营休戚相关：注册转化率能够衡量咱们网站获取用户的才干；购买转化率能够衡量咱们网站营收的才干，直接影响咱们的营收。
假定有两个相似的电商网站，他们的流量规划差不多。假定其间一个网站的购买转化率比较高的话，那么他的营收一般来说是更高的。一、影响转化率的三大要素 今天的课程首要针对线上买卖类网站，包含但不限于O2O、P2P、内容社区等网站。众所周知，影响转化的要素许多，不或许一一列举。依据以往的作业阅历，咱们能够从三大视点去剖析：流量途径、用户营销和网站/APP体会。
这三大要素其实是外部（途径流量）、内部（用户营销）和内部（网站/APP体会）的联系。途径流量是咱们从网站外部获取的。用户营销是咱们关于咱们现有网站现已取得的或许是已有的用户，进行的一系列运营和营销作业。网站/APP体会是能够经过内部产品、规划、工程等部分来优化的，也归于内部要素。 二、流量途径
第一个要素是途径流量，首要分优选途径和量化分配两过程来解析怎么进步转化率。 什么是“优选途径”？ 咱们在营销或许运营的时分会挑选多个途径，在这些途径中有好的途径，也有差的途径。途径质量直接体现在转化率上，终究影响网站的营收。“优化途径”即咱们应该尽量挑选质量好的途径，抛弃差的途径，将必定的投进预算发挥其最大作用。 什么是”量化分配”？ 在完结了第一步途径优选后，假定你得到了10个质量比较好的途径。那么这个时分，问题来了：在预算必定的状况下，10个途径该怎么进行资源的分配？以往，咱们更多的是凭仗阅历或许事务上的了解，十分片面的进行途径资源分配。现在，咱们愈加倾向从量化或许数学的视点，结合事务的了解，然后去考虑怎么精准进行不同途径的资源分配。
事例：某电商网站购买转化率 这是一个电商网站的全站购买转化率状况，我用GrowingIO的【漏斗剖析】功用得到该网站每一步的购买转化状况，用户从主页到列表页，再到详情页，再到购物车，辅导终究的付出成功。一起在赤色方框内，有一个总的购买转化率——1.5%，实践上并不是很高。 在【漏斗剖析】中挑选【维度比照】，比较不同途径过来的用户的转化功用。如下图，赤色方框内显现的是拜访来历1和拜访来历2的每一步转化率比较。
咱们能够看到，拜访来历1和拜访来历2，这两个途径，他们的全体转化率都是十分低的。一起发现拜访来历1，这一块的这个流量，却十分大。那么这时分，依托咱们事务的这个判别，或许会有两种状况： 第一种状况：这个途径它本身质量比较差。 第二种状况：或许它是一个辅佐途径。这个途径的投入，或许并不是许多，可是这个量却特别大。 针对这两种状况，咱们应该分类解决问题。假定说这个途径质量本来就比较差，可是量很大，咱们能否考虑去优化这个途径的投进，比方广告内容、要害字、落地页规划等等 ，并且调查一段时刻。 假定说这个途径质量并不差，可是仅仅一个辅佐途径，那么这个时分咱们能够采纳张望战略，观看其发展趋势以便后期优化。 当咱们挑选完途径后，剩余10个比较优质的途径，那么这10个途径该怎么分配资源呢？下面是用GrowingIO监测到的该网站从不同途径来的流量状况：
结合事务阅历，咱们会知道查找引擎途径（如百度SEO和SEM）的客户匹配精度是比较好的，咱们应该多投进一点。可是详细投进多少呢？咱们需求经过数学办法来量化不同途径和全体的转化率之间的联系，取最优解。
最上面的式子 转化率=F（途径1_PV，途径2_PV，···，途径n_PV）说的是终究的转化率是各个途径流量的函数成果，便是说咱们要先确认转化率和各个途径流量之间的一个函数联系。那么怎么来确认这个函数联系呢，这个咱们能够结合事务实践或许职业阅历。 办法一：线性模型 比较简单易懂的便是线性模型，途径流量和终究的转化固定份额，在图表上便是一条直线。当然，这是一种十分极点的状况。 办法二：时刻序列 还有一种状况的话，它会呈现出一种时节周期动摇的一种联系。或许在Q1、Q2，他们是一个上升的一个趋势，或许到了Q3、Q4就下降了。 一起他之前的那个转化率，跟咱们现在的转化率也会有一个联系。这里边转化率t，指的便是咱们现在的转化率。在时刻序列公司中转化率t-1，这个t-1这个转化率指的是上一个周期的转化率。 找好途径流量和总转化率之间的联系后，咱们接下来就要去求解这个大F的值，这个大F，便是咱们的转化率。一起，它有一个限制条件是咱们的总花费M。 终究优化问题的解，是一个优化后的投进组合是一组系数，在数学上来讲便是一种系数，但实践事务上来讲的话，它是不同的一个投进的一个组合。
上图是咱们是咱们途径途径投进前后作用比照。左面是不同途径的资源分配，右边是终究的转化率。2014年的一切途径的投进组合（左面蓝色）的终究转化率（右边绿色）偏低；经过新一轮的途径优化后，2015年一切途径的投进组合（左面黄色）的终究转化率（右边橙色）大幅度上升。 这个事例阐明晰，在资源有限的状况下，经过途径优选和量化分配，能够有用进步转化率。 三、用户营销 什么是用户营销？ 其实便是咱们对咱们自己网站里的用户做的一系列运营的活动，包含拉新、激活或许唤醒这一类动作。经过这些活动，使得咱们的用户重复的在咱们的网站进行购买。并且这样的购买，是有用率的，并且这样的运营或许这样的营销是精准的。这样终究才干到达进步咱们全体购买转化率的一个意图。 怎么进行用户营销？ 过程一：确认事务场景，经过制作用户画像，来找准咱们的方针用户。 过程二：在第一条的基础上，咱们找到了方针用户之后，就要精准营销，便是所谓的激活或许唤醒，使得这部分方针用户，在咱们的网站上进行购买，然后进步终究的转化率。 怎么进行用户画像？ 业界比较阅历的一个用法，便是对这个用户价值度的分级。咱们说到用户价值度的话，这个词实践上是比较迷糊的，咱们怎么精准的去为这个价值度做一个分级？
咱们学习业界常用的RFM模型：R是Recency，便是最近一次购买距现在的时刻；F是Frequency指的是用户的购买频次；M是Monetary，指的是用户的购买金额。咱们能够从这三个维度，对用户进行一个分级，咱们能够把它分红8类，这8类能够包括咱们想要阐明的这个用户的价值。比方说，近期有购买或许有运用的这样高频次运用，一起高金额消费这样的用户，咱们能够把它界说为咱们网站，或许咱们途径、APP的高价值用户。 经过这个区分，咱们能够把自己的全体用户，分红不同的等级。可是想了解这个分类，还需求结合实践事务。 举一比方，假定咱们现在是一个电商类的网站，现在举办一个促销活动卖比较贵的数码产品。那么这时分，咱们就要找到这个高价值用户，向这部分用户做一些活动推送，而并不是向咱们网站的悉数用户做这个推送。原因是，高价值的客户购买咱们新的数码产品的或许性更高，只要精准推送，才干节约本钱，进步功率。
除了RFM模型分类，还能够其他分类办法： 依据会员特点进行分类，如用户的性别、城市、设备、登陆次数等。依据用户的活泼度进行分类，把用户分为未转化会员、新会员、活泼会员和沉寂会员。什么是未转化会员？便是指那些注册了，可是从来没有购买的用户。依据用户的购买偏好，结合实践购买的场景，给他做一个分类。一起也能够依据用户的预订途径和推行途径的灵敏来给他分。也有经过注册来历，比方说PC/APP/H5。假定说咱们的网站中大大都会员经过APP端注册来的。那咱们做一些激活活动的话，应该着重发力在APP，而不是挑选在PC或许H5这样的端口。四、网站/APP体会 无论是O2O、P2P仍是内容社区等网站，一些常见而又重要的体会问题都会严重影响购买转化率，比方：付出环节的流通性、页面是否简练和操作是否简单、图片质量是否明晰、查找是否精准匹配……. 付出环节的流通性，假定支环节体会流通的话，用户丢失或许性会大幅下降；页面简练和操作简单，如像阿里巴巴、京东或携程这些大网站，页面按钮会十分多，但事实上，它们有时分反而会影响终究转化流程，由于这整个转化流程中，有太多点击按钮和出口，导致用户很简单丢失；图片质量。比方咱们进行一个网站购买，很简单由于图片分辨率太低、打有水印、光线较差等要素影响咱们产品的判别，而影响终究的购买转化；查找的精确匹配，比方用户查找的是芒果，终究出来的却是芒果干或芒果糖等，实践上并没有精确匹配用户的需求，成果便是严重影响用户体会，导致用户需求没有得到满意而丢失。 事例：某电商网站转化率
上图转化漏斗中，终究一步，点击购物车到点击付出的转化率特别低，可是为什么这么低？ 用户为什么分明点击了购物车，有购买意向，可是终究并没有付出成功？ 一般的数据剖析产品、粗糙的漏斗是找不到原因的，只能看到这步转化低，可是为什么呢，不知道。因此，产品司理也不知道怎么做优化，商场运营人员不知道该从什么地方着手做调整。 咱们用【用户分群】功用，把一切“进入购物车但并没有点击付出“的用户做个分群，看看这一步丢失的人群，究竟阅历了一些什么事情。
分群之后，咱们看下【用户细查】（GrowingIO新推出的强壮功用，能够精准检查每一位用户在网站上的阅读、点击、逗留、输入等行为）。 咱们发现一个特别风趣的现象，这个分群里的某个用户打开了某个页面，在购物车栏点击了购买1，然后计划结算。但随后他发现自己没有登录、然后输入登录信息又发现没有成功，再点击忘掉暗码，进入找回暗码页面。 要害问题是，按正常了解，在找回暗码的页面上设置完暗码后，就能够正常登录了。但这个用户又弹回来持续到忘掉暗码、找回暗码，怎么会这样。然后咱们亲身体会了一下，发现在修正暗码这页有个BUG，便是无法修正暗码，等于用户来来回回无法完结这一步，当然终究会导致用户的丢失。 这样，经过漏斗比照、用户分群、用户细查，一步步做数据追寻，总算精确认位了问题原因，这样产品司理才干知道在哪里修正，不然，产品司理只能不断各种试错、各种猜想，不断浪费时刻和精力做无用功。总结 从三个大维度（途径流量、用户营销、网站/APP体会）去考虑怎么进步购买转化率，然后再经过不同维度去细分，做更深化的剖析，再结合事务，终究用数据不断驱动事务增加、增加再增加。本文作者是GrowingIO商务剖析师赵潇，本文依据GrowingIO公开课内容编辑整理。转载请注明作者和来历。上一年今天运营文章2022:非线性生长读书笔记+思想导图(0)2022:小红书查找词布局实战手册(0)2021:深度揭秘：裂变增加的三大关键(0)2021:纯干货解说！数据剖析最经典的有用模型！(0)2021:电动车的呼吁与徘徊(0)
