什麼是漏斗？
每一個轉化流程，往往都包含若干小的環節，我們普遍使用轉化漏斗(Funnel)模型來展示這一過程。漏斗模型的價值在於量化了轉化過程每一步的效率，幫助我們定位薄弱環節。下圖是一個經典的流量轉化漏斗。
從上面的漏斗示意圖不難看出：有3500人進入註冊流程，最終334人完成註冊；註冊流程三個步驟轉化率依次是55.8%、18.5%和92.5%，那麼註冊流程總轉化率是9.54%。
1．基礎分析：打磨漏斗每一步
漏斗分析的基礎階段，要衡量總轉化率、每一步轉化率及其隨時間的變化趨勢。
以上圖註冊流程為例，“總轉化率9.54%”這個信息對我們優化註冊流、提升轉化率沒有太大幫助。但是藉助上面的漏斗圖，我們不難發現：從第一步到第二步的轉化率才18_5%，明顯低於前後兩個環節。發現了問題所在，我們就可以針對性地優化註冊流，最大效率地提升註冊轉化率。
同時，對每一個轉化率進行實時監測，可以幫助我們及時發現產品中的突發問題。
某日，該註冊流總轉化率異常下降。如上圖所示，漏斗分析發現是第1步轉化率驟跌導致的，而該環節正是填號手機驗證碼的環節。產品經理檢查發現，短信驗證碼的代理商因為欠費而自動停止了短信驗證服務。充值完成後，註冊流程恢復正常，轉化率也慢慢恢復到正常水平。
2．進階分析：多維度拆解
用戶體驗受到眾多因素的影響，進而直接影響到轉化率。要想更好地提升轉化率，需要對不同維度的因素進行考慮，包括但不限於用戶的：操作系統、瀏覽器類型、訪問來源、操作平臺、訪問來源等等。
以用戶的瀏覽器為例，我們對不同瀏覽器的轉化率進行一一對比，發現Chrome和Safari轉化率分別高達12.16%和10.11%，而JE瀏覽器轉化率僅4.10%。工程師研究後發現，原因是該網站採用了新的Java架構，不適應IE框架，導致lE瀏覽器環境下用戶體驗非常差，註冊轉化率非常低。
不僅限於瀏覽器，用戶的操作系統、PC端還是移動端、訪問來源等等常見因素都可能影響到轉化率a越高級的產品或者運營人員，應該考慮的更加精細，不斷從細節來打磨產品，才能不斷提升轉化率a3．高級分析：交叉對比
發現問題的過程往往需要拆分很多次，這時你需要一個支持多重維度交又分析的漏斗。
一個電商網站在用漏斗衡量交易轉化時發現，APP上的用戶量高於網站，但總體轉化率卻很低，問題出在哪裡呢？
我們把兩個漏斗放在一起交叉對比，不難發現移動端用戶提交訂單到支付環節的轉化率明顯低於網頁端，正是這個環節拉低了移動端整體轉化率。值得注意的是，提交了訂單的用戶購買意願非常強烈，是很有潛力喚回的一批用戶。
經過用戶行為洞察發現，這些用戶很多選擇了返回到上一步，而不是去支付。
對比網站和APP在支付頁面的信息結構發現，APP上的支付頁面缺少了訂單商品的詳細描述、收貨人地址和聯繫方式等信息；這樣就給用戶帶來了猶豫，使很多用戶返回到上一步確認，從而導致轉化率下降。
於是，產品經理參考網站的信息結構，補充了APP支付頁面的訂單信息，同時在支付環節進行流失用戶召回。
從漏斗的趨勢圖中監測支付環節優化後的效果，APP端提交訂單到支付環節的轉化率明顯提升，甚至略高於網站轉化率，整體轉化率也被拉高。同時，在漏斗中選擇進行召回的用戶作為目標用戶，觀測召回後的轉化率變化，以此來評估本次喚回活動的效果。
這麼細微的轉化問題，僅靠直覺是很難發現；它需要產品或者運營人員高度的數據敏銳廄、嫻熟的業務技能，這也是轉化分析高級階段的表現。
提升轉化率，既需要有數據驅動的意識，也需要熟練掌握一定的數據分析工具。轉化率不僅是一個數據指標，其本質是用戶體驗的真實反映。當我們對用戶體驗分析的維度不斷增加，對我們產品和用戶行為的思考不斷深入的時候，我們也就在轉化分析的路上不斷進階。
閱讀更多 互聯網雲時代 的文章
