手把手教你,如何让转化率提升27.5倍

2017-09-19

分享到:

安迪·琼斯是一名数据分析师,曾效力于Facebook、Twitter、Quora。在他的职业生涯中,曾遇到这样一个难题:来自搜索引擎的流量占网站流量的40%,但其中只有不到0.2%的人转化成注册用户,这意味着每1000个访客中有998人最终流失掉了。

为了提高转化率,安迪的团队足足耗费了14个月的时间研究着陆页的优化,这是一段极为漫长的过程,考验着每个人的耐心。好在功夫不负有心人,他们最终成功地将转化率提高到了5.5%以上。换言之,他们将转化率提升了27.5倍。

而在提升转化率的过程中,他们使用了一样相当重要的数据分析工具:漏斗分析。

何为漏斗分析

漏斗,简单来讲,就是抽象网站或APP中的某个流程,观察流程中每一步的转化与流失。鉴于漏斗分析的相关文章很多,基础部分不再赘述。下面将会就抽象漏斗的本质、并通过一个详细的案例来阐述漏斗的具体用法。

漏斗的三元素

根据漏斗的定义,我们可以抽象出漏斗的三元素:


时间

这里的时间,特指漏斗的转化周期,即为完成每一层漏斗所需时间的集合。通常来讲,一个漏斗的转化周期越短越好,尤其是在某些转化周期较长的行业,比如:在线教育行业,B2B电商行业。

此外,单独查看每一层漏斗的时间,也能发现一些问题。举例来说,如果发现从某个渠道导入的流量,在某层漏斗的消耗时间惊人的一致,这说明该渠道的流量很可能有异常。

节点

每一层漏斗,就是一个节点。而对于节点来说,核心的指标就是转化率,公式如下:

转化率 = 通过该层的流量/到达该层的流量

整个漏斗的转化率以及每一层的转化率,可以帮助我们明确优化的方向:找到转化率低的节点,想办法提升它。

流量

流量,也就是人群。不同人群在同一个漏斗下的表现情况一定是不一样的,比如淘宝的购物漏斗,男人和女人的转化率不一样,年轻人和老人的转化率也不一样

通过人群分类,我们可以快速查看特定人群的转化率,更能清晰定位问题。

漏斗分析实战案例

现实的世界,并非是简单的数据逻辑结构,很多结果都是多种原因综合导致的。站在多种角度去分析同一个问题,往往可以得到一个更全面准确的答案。

下面我们将结合漏斗的三元素来做一个深度案例分析,通过运用数据分析的经典方法“拆分”与“对比”,定位问题,给出解决方案。

问题:购买的转化率过低

某家电商网站,从浏览宝贝详情到付款的转化率仅有3.6%。创建购买流程的漏斗,如图所示:


1. 发现问题节点

我们可以看到,加入购物车之前的转化率都较高,但在购物付款的流程中,转化率急剧降低至8%,这里可能就是需要改进的地方。


划重点:转化率低的节点,通常就是问题节点。

2. 问题确认

确定问题节点为“确认订单页面”后,开始分析该页面的数据。研究单一页面,可以使用的分析工具包括:

- 热图分析:查看该页面用户的互动行为

- 事件分析:查看该页面的各项数据统计指标,例如停留时长,事件数……

运用事件分析对问题进行分析:


可以发现如下问题:

- 用户在订单确认页停留的时间长达105秒,这与我们平时的认知不符;

- 用户在订单确认页的事件数为2985,需要进一步了解用户在这个页面上做了什么。

3. 问题细分

①用户在订单确认页停留时长过长

针对这个问题,我们发现漏掉了漏斗的一个层级,“订单确认页->成交页”应该更正为“订单确认页->选择付款方式页->成交页“。重新创建漏斗如下:


可以发现,实际上转化率较低的节点为选择付款页,转化率为9%。

②用户在相关页面上的具体事件


确认付款的事件数为1350,侧面印证了订单确认页的转化率属于正常。


成功付款的事件数为210,侧面印证了选择付款页的转化率较低。

通过对问题拆分,我们重新定位问题节点为选择付款页

划重点:对问题进行拆分,可以帮助我们深入理解问题

4. 数据对比

不同人群在同一个漏斗下的表现情况一定是不一样的。可以将到达选择付款页的用户分为两类:


通过几个人群的对比,发现“付款失败”组的人群离线环境陡增约14%。另外,其3G、2G网络的比例要高于成功付款人群(5.68%vs 1.36%),且设备品牌中,机型相对较小众、低端。


实际测试品牌1和品牌2的几个机型,针对选择付款方式页面的页面体验,存在以下问题:

① 机型适配性较差,开发时主要考虑的是现有主流机型适配,对小众机型的关注度较低;

② 页面卡顿严重,长达50秒以上的空白页面,严重消耗了用户耐心。

于是我们做出以下改善:

① 紧急修复版本,在小众机型的主要推广渠道上升级了版本适配性的App;

② 页面加载量优化,包括切割、压缩、删减图片,框架优化,预加载等策略,恶劣网络环境下加载速度提升至约15秒;

③ 加载等待页面设计,增加了动画的等待页面,增加用户等待的耐心。

5. 效果验证

页面优化后,我们的漏斗转化流程有明显改善:


我们针对这群“付款失败”用户群所做的改善,为转化漏斗提高了14%的转化效率,收益明显。

另外,我们在后续的漏斗改进中,还尝试结合了页面点击/页面流转的分析,删去了付款页面中不必要的信息、按钮,增加新的付款方式,保证了付款流程的顺畅性,对于提升漏斗也有一定的作用。

关键是思维方式

漏斗分析,仅仅是帮助我们分析问题的工具,重要的是要培养数据分析的思维方式:

- 通过交叉对比,找出数据的差异,定位异常数据;

- 通过细致拆分,把复杂的、多因子的事件分析拆分为独立的、单因子的归因分析。


「及策」是 AdMaster 推出的精细化移动推广归因和自动化营销平台,同时支持 APP、Web和微信小程序平台,能够帮助客户最高效解决用户拉新、活跃和转化问题。精准评估渠道效果,甄别异常流量,专注每一个用户的每一次互动研究,实践精细化分析和自动化的个性化营销,提升用户的转化效率,通过数据驱动用户增长。

点击这里申请免费试用「及策」

分享到:

全都是套路! “卸妆”后的微信KOL,到底应该怎么玩儿?

就在昨天,微信刷量工具崩溃,大号露馅丑态百出。平日动辄10万+的大号终于裸泳,阅读量直线下降,被打回到数千或是数百的原形。而曾经被知名榜单评选出来的「微信500强」「微信原创热文200强」中的不少KOL,昨天还在神殿之上,今天便已人人喊打。查看详情>

如何找到、用对、用好KOL?看这份KOL营销白皮书就够了

在社媒快速发展的今天,使用KOL成为了品牌主们最为实用也最常用的营销形式。然而,并非所有的KOL投放都能收获与投入相匹配的价值。在这份由AdMaster联合微播易共同发布的2017《KOL营销白皮书》中,你能看到,水军横行的今天,69%的KOL营销数据都被“上了妆”。查看详情>

Say Goodbye To The Uncontrollable Campaign Performance: How Unilever Optimized The Performance of It’s Digital Advertising Campaign by China’s Unique Ad Serving Technology

The flourish of Internet creates opportunities to advertisers as well as challenges. Advertisers have to be smarter to maximize their return on investment and the campaign performance while there are plentiful availability of device types, and ad inventory of unknown nature. Thanks to the advancement of advertising technology, China’s unique ad serving technology now enables advertisers and agencies to gain autonomous control over the media placement, target reach and optimization through this transparent automatic operation system. “Passing-back serving” is the unique ad serving technique only available in China, which empowers campaigns to be seen by the right target audience with the desired frequency only by pass-back the unwanted inventory back to the media.查看详情>

咨询更多

立即联系AdMaster
扫描二维码分享到微信
确 认
  • 请填写信息下载报告

Cookie | 法律声明 | 使用说明 | 联系我们 | 产品登录

版权所有 © Copyright AdMaster Inc. 沪ICP备06027896号-1
扫描二维码关注我们
确 认