漏斗分析法、假设分析法_电商漏斗模型三要素-CSDN博客

　　提升转化率的过程中，会使用到：漏斗分析

　　漏斗三要素：时间、节点、流量

　　时间：漏斗的转换周期，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

　　例子：如果对于某个渠道来的用户，在某层漏斗的消耗时间都是惊人的一致，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，对于节点，最核心的指标：转化率

　　转化率 = 通过该层的流量/到底该层的流量

　　优化方向：找到转化率低的节点，想办法提升它

　　流量即人群，不同人群在同一个漏斗下的表现情况是不一样的，比如对于淘宝的购买漏斗，男人与女人的转化率是不一样的，年轻人与老人的转化率是不一样的。

　　所以，需要通过人群分类，快速查看特定人群的转化率，更清晰定位问题

　　方法：”拆分“与“对比”

　　问题：一家电商网站，从浏览宝贝详情到付款的转化率仅3.6%，创建的流程如下

　　解决步骤：

　　1）发现问题节点

　　”订单页面“都还有61%，但付款成功急剧下降到8%，

　　2）问题分析

　　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……

　　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可以发现的问题如下：

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

　　3）问题拆分

　　发现自己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“。

　　发现，实际上转化率较低的节点为选择付款页，转化率为9%。

　　确认付款的事件数为1350，侧面印证了订单确认页的转化率比较正常。

　　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。

　　4）数据对比

　　之前我们提过：不同人群在同一个漏斗下的表现情况一定是不一样的。我们可以将到达选择付款页的用户分为两类：付款成功人群 vs 付款失败人群

　　通过几个人群的对比，我们发现“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，相对机型较小众、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：

　　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；

　　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。

　　针对问题提出解决措施：

　　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；

　　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，恶劣网络下加载速度提升至约15秒；

　　加载等待页面设计，增加了动画的等待页面，给用户卖个萌，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

　　数据分析思想：

　　1.交叉对比，找出数据的差异，定位异常数据

　　2.细致拆分，把复制的，多因子的事件分析分为独立的、单因子的归因分析

　　提出假设 - 收集证据 - 得出结论

　　数据变动：跌：采取动作，减缓趋势 涨：弄清原因，乘胜追击

　　出现了问题：假设用户问题？产品问题？竞品问题？

　　可以做一个假设分析图，将问题、假设、数据从上至下连起来