文章介绍了一个数据分析工具：漏斗分析，一起来学习下。

如何将转化率提升27.5倍？

安迪·琼斯，是一名数据分析师，曾效力于 Facebook、Twitter、Quora。在他的增长黑客生涯中，曾遇到这样一个难题：来自搜索引擎的流量占到网站流量的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周期，考验着每个人的耐性。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。换句话说，他们将转化率提升了25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。如你所见，这是数据分析工具系列的第3篇：漏斗分析。

漏斗分析

天然的漏斗：用户路径图

在数据分析系列的上一篇中，我介绍了用户路径图。这项数据分析工具就是抽象用户在网站或APP中的访问行为路径，并用可视化的图表呈现。如下图所示：

可以发现，用户路径图的每条路径，实际上就是一个个“天然”的漏斗。所以，当我们不知道如何设置漏斗时，可以先利用用户路径图查看所有的用户轨迹，并对异常的用户轨迹用漏斗进行分析。如果对用户路径图感兴趣的朋友欢迎查看我的上篇文章，下面开始介绍漏斗。

何为漏斗？

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。下面我会抽象漏斗的本质，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
• 节点
• 流量

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，最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

一家电商网站，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。

tip：转化率低的节点，通常就是问题节点。

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……

在这里我们运用事件分析对问题进行分析，如果对热图分析感兴趣的同学可以查看我的系列文章热图。

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

1.用户在订单确认页停留时长过长

我们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“。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。

tip：对问题进行拆分，可以帮助我们深入理解问题。

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：

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：

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，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：

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，这是非常大的一个收益。

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。

写在最后

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想：

• 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

漏斗分析到这里就结束了，下一篇，我会带来留存分析。欢迎关注我的数据分析工具系列，我会讲述如何改善用户体验，提升转化，帮助你更好地运用数据驱动产品运营。

相关阅读

数据分析卡片（一）：热图

数据分析卡片（二）：用户路径图

作者：曹思龙，微信公众号：及策云课堂。Admaster产品经理，毕业于北京邮电大学，知乎专栏作者

本文由 @曹思龙 原创发布于人人都是产品经理。未经许可，禁止转载。