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
转载请注明:pg电子·(中国)官方网站 » 素质提升 » 漏斗分析法、假设分析法_电商漏斗模型三要素-CSDN博客
版权声明
本文仅代表作者观点,不代表B5编程立场。
本文系作者授权发表,未经许可,不得转载。
发表评论