
數(shù)據(jù)分析告訴你,轉(zhuǎn)化才是王道
轉(zhuǎn)化:在完成引流的工作后,下一步需要考慮的就是轉(zhuǎn)化了,一個(gè)嶄新的用戶(hù)一路走來(lái)到完成交易,中間需要經(jīng)歷瀏覽頁(yè)面(下載app)->注冊(cè)成為用戶(hù)->登陸->添加購(gòu)物車(chē)->下單->付款->完成交易(這段過(guò)程,在不同的公司中可能不同,例如家裝互聯(lián)網(wǎng)公司完成交易的過(guò)程就會(huì)分為交定、簽約、開(kāi)工、竣工等)。每一環(huán)節(jié)中都會(huì)有用戶(hù)流失,提高各個(gè)環(huán)節(jié)的轉(zhuǎn)化率,一直是互聯(lián)網(wǎng)公司運(yùn)營(yíng)的最核心的工作之一。轉(zhuǎn)化率的提升,意味著更低的成本,更高的利潤(rùn)。
分析目標(biāo):了解各環(huán)節(jié)轉(zhuǎn)化情況,分析其異?;虿缓侠砬闆r,進(jìn)行調(diào)整,以提升各環(huán)節(jié)的轉(zhuǎn)化率。
分析角度:
觀察各環(huán)節(jié)轉(zhuǎn)化率,分析其合理性,針對(duì)轉(zhuǎn)化率異常環(huán)節(jié)進(jìn)行調(diào)整
追蹤轉(zhuǎn)化率變化,用于異常定位和策略調(diào)整效果驗(yàn)證
觀察各渠道轉(zhuǎn)化情況,定義渠道價(jià)值,并依此適當(dāng)調(diào)整運(yùn)營(yíng)策略
分析各環(huán)節(jié)轉(zhuǎn)化周期,分析用戶(hù)習(xí)慣,為制定運(yùn)營(yíng)策略提供依據(jù)
分析方法:關(guān)于轉(zhuǎn)化率的各種名詞也特別多,有靜默轉(zhuǎn)化率、登陸轉(zhuǎn)化率、咨詢(xún)轉(zhuǎn)化率、付款轉(zhuǎn)化率等等,然而并不需要考慮這些詞,只要關(guān)注用戶(hù)從接觸應(yīng)用到成交中的幾個(gè)環(huán)節(jié)就好。我們依然使用圖表的形式來(lái)從各個(gè)角度對(duì)轉(zhuǎn)化數(shù)據(jù)進(jìn)行展示分析。
如上圖所示,傳統(tǒng)漏斗圖只能顯示一條路徑的轉(zhuǎn)化率情況,稍加修改后,可實(shí)現(xiàn)對(duì)比功能,例如上圖所示的新老用戶(hù)的轉(zhuǎn)化率的對(duì)比。可以根據(jù)實(shí)際情況中在該圖中加入更多環(huán)節(jié),例如注冊(cè)、收藏、開(kāi)工、竣工等。
從上圖中,我們可以發(fā)現(xiàn)這樣一個(gè)問(wèn)題,下單到付款中的轉(zhuǎn)化率過(guò)低,正常來(lái)說(shuō),用戶(hù)只要下單,付款的比例是比較大的。對(duì)于這個(gè)異常,我們來(lái)做下猜測(cè):對(duì)于我來(lái)說(shuō),下單之后沒(méi)有付款的原因有以下幾個(gè):
又看了下其他家的商品或服務(wù),發(fā)現(xiàn)了更好的,就取消了付款;
付款前習(xí)慣性的問(wèn)下相關(guān)的人進(jìn)行確認(rèn),然后發(fā)現(xiàn)計(jì)劃有變,所以取消付款;
到了付款的時(shí)候發(fā)現(xiàn)居然不支持支付寶,無(wú)奈取消付款;
下單后被告知沒(méi)貨;
頁(yè)面好卡,怒而棄之;
余額不足。。。
總體上可以分為兩類(lèi):用戶(hù)本身原因,系統(tǒng)設(shè)計(jì)原因。上圖中這么出現(xiàn)付款率這么低的情況,基本上可以確定是系統(tǒng)原因。然而具體是哪塊的設(shè)計(jì)出了問(wèn)題,可以進(jìn)一步細(xì)化追蹤。
如上圖所示,點(diǎn)擊相應(yīng)階段,聯(lián)動(dòng)出下面各渠道與各業(yè)務(wù)的轉(zhuǎn)化率明細(xì),可以看出,各渠道的轉(zhuǎn)化率差別較大,其中pc端轉(zhuǎn)化率明顯偏低,而各業(yè)務(wù)之間的轉(zhuǎn)化率差別不大,基本可以確定,是pc端存在問(wèn)題,導(dǎo)致轉(zhuǎn)化率偏低。
上圖中將轉(zhuǎn)化率與各階段端訪問(wèn)數(shù)量放在一個(gè)頁(yè)面中,便于對(duì)整體情況的把控,為調(diào)整運(yùn)營(yíng)策略提供參考作用。
上圖中的付款轉(zhuǎn)化率低的太明顯,只要不瞎都能看出這轉(zhuǎn)化率出了問(wèn)題,但是往往轉(zhuǎn)化率的問(wèn)題并沒(méi)有這樣的明顯,那怎樣定位自己的轉(zhuǎn)化率是否合理,哪個(gè)階段的轉(zhuǎn)化率有提升空間呢?繼續(xù)看下面這張圖:
上圖是通過(guò)多角度對(duì)比來(lái)分析業(yè)務(wù)轉(zhuǎn)化率的健康狀況,包括與自己同期對(duì)比、行業(yè)中與自己相似產(chǎn)品對(duì)比、行業(yè)中優(yōu)秀的產(chǎn)品對(duì)比。對(duì)比各環(huán)節(jié)轉(zhuǎn)化率的不同,產(chǎn)生數(shù)據(jù)上的沖擊,所有落后的節(jié)點(diǎn),都是可以提升的空間?;蛟S對(duì)于很多業(yè)務(wù)來(lái)說(shuō),行業(yè)數(shù)據(jù)與對(duì)手?jǐn)?shù)據(jù)并不是很好獲取到,那么就減少對(duì)比的維度,或者選擇可替代的數(shù)據(jù)來(lái)對(duì)比,例如相近行業(yè)數(shù)據(jù)、目標(biāo)值等等,盡量知彼,一定知己。另外加一句,很多公司都有手段獲取到你認(rèn)為它應(yīng)該沒(méi)有的數(shù)據(jù),大家各顯神通,辦法還是有的。
除流量外,轉(zhuǎn)化率也是需要追蹤的,將時(shí)間的維度拉開(kāi),分析各階段轉(zhuǎn)化率隨著時(shí)間的波動(dòng),也是很有看點(diǎn)的。
如上圖所示,在4月17日到21日中間,轉(zhuǎn)化率出現(xiàn)下滑趨勢(shì),通過(guò)渠道轉(zhuǎn)化率與業(yè)務(wù)轉(zhuǎn)化率兩個(gè)圖表的聯(lián)動(dòng),可以追蹤定位導(dǎo)致轉(zhuǎn)化率下滑的渠道或業(yè)務(wù)。常見(jiàn)的原因,公司運(yùn)營(yíng)部門(mén)投入了某個(gè)渠道進(jìn)行推廣,新的渠道帶來(lái)了新的流量,而該渠道所引入的用戶(hù)質(zhì)量卻偏低,拉低了整體的轉(zhuǎn)化率。
還能看到的是,在4月22號(hào)之后,轉(zhuǎn)化率開(kāi)始抬頭,并且維持了較高轉(zhuǎn)化率,不管這次轉(zhuǎn)化率的提升是活動(dòng)營(yíng)銷(xiāo)導(dǎo)致的,還是產(chǎn)品改進(jìn)導(dǎo)致的,或者是運(yùn)營(yíng)調(diào)整導(dǎo)致的,這都是一個(gè)響當(dāng)當(dāng)?shù)臉I(yè)績(jī),也可以梳理這次工作的要點(diǎn),作為成功經(jīng)驗(yàn)來(lái)為公司下一波發(fā)力做準(zhǔn)備。
現(xiàn)在互聯(lián)網(wǎng)的推廣渠道特別多,前面幾個(gè)圖表中,我將渠道定義為pc端、app、微信之類(lèi)其實(shí)并不嚴(yán)謹(jǐn),對(duì)于這些大類(lèi)渠道的分析,需要從產(chǎn)品層面去考慮,每一點(diǎn)的優(yōu)化與分析,最終都落實(shí)到產(chǎn)品優(yōu)化上,才體現(xiàn)價(jià)值。而深入這些大類(lèi)渠道進(jìn)行細(xì)分,例如營(yíng)銷(xiāo)短息、百度競(jìng)價(jià)、廣告站點(diǎn)等,就會(huì)有運(yùn)營(yíng)層面來(lái)考慮的問(wèn)題,在上一篇(轉(zhuǎn)化率)中也提到,渠道的價(jià)值,單獨(dú)看流量或轉(zhuǎn)化率都是不夠的,需要綜合來(lái)考慮。如下圖所示:
氣泡圖在傳統(tǒng)圖表中信息量涵蓋相對(duì)是比較大的,上面這張圖x軸和y軸分別表示流量和轉(zhuǎn)化率,y軸可以根據(jù)分析內(nèi)容不同切換成點(diǎn)擊率、注冊(cè)率、架構(gòu)率、下單率等等,氣泡大小表示的為渠道ROI。從上圖中可以看出,在右上象限中的渠道價(jià)值是比較大的,再綜合考慮ROI,還可以看出渠道性?xún)r(jià)比情況。
氣泡圖信息量較大,可將上圖一拆二如下圖:
這種四象限分析對(duì)比分析方法用于某個(gè)時(shí)間段內(nèi)或者針對(duì)某個(gè)營(yíng)銷(xiāo)事件的分析,只能看到點(diǎn),若要進(jìn)行更深層次的分析,還要結(jié)合渠道的發(fā)展趨勢(shì)一起看??梢圆捎孟聢D方式(散點(diǎn)圖與趨勢(shì)圖形成聯(lián)動(dòng),渠道綜合價(jià)值與趨勢(shì)相結(jié)合。
這種場(chǎng)景通用性并不是很強(qiáng),會(huì)和公司業(yè)務(wù)相關(guān)聯(lián),有些業(yè)務(wù)的交易是分成多個(gè)階段來(lái)完成,這種情況可以對(duì)轉(zhuǎn)化周期進(jìn)行分析。
上圖中可以看出,該業(yè)務(wù)的付款與成交一般在前四周完成,而第五周開(kāi)始趨于穩(wěn)定。知道以上信息后,可針對(duì)第五周未付款或完成交易的用戶(hù)進(jìn)行詢(xún)問(wèn),提高轉(zhuǎn)化率。另外可制定四周內(nèi)完成交易有獎(jiǎng)勵(lì)等活動(dòng)來(lái)縮短成交周期,因?yàn)閳D中可以看出,絕大部分用戶(hù)四周時(shí)間足夠完成服務(wù)檢查、訂單確認(rèn)等工作。
轉(zhuǎn)化率是所有訂單導(dǎo)向的互聯(lián)網(wǎng)公司非常關(guān)注的指標(biāo),以上的介紹只是淺層的、簡(jiǎn)單的分析,更多的偏向于結(jié)果展示。對(duì)轉(zhuǎn)化率的影響因素非常多,深入分析抓住問(wèn)題的根本,還需要一些挖掘方法相配合,很多公司也有專(zhuān)人或團(tuán)隊(duì)來(lái)負(fù)責(zé)分析工作。在公司完成用戶(hù)的拉新和轉(zhuǎn)化之后,也該關(guān)心用戶(hù)的存留問(wèn)題了,大部分互聯(lián)網(wǎng)公司,是有相當(dāng)一部分的訂單是由老客戶(hù)產(chǎn)生的。關(guān)于存留數(shù)據(jù)分析,后面會(huì)進(jìn)行介紹。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10