分析模型之漏斗模型

已有 749 阅读此文人 - - 分析模型 -

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模型:漏斗分析。

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

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”“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。

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:

1、热图分析:查看该页面用户的互动行为

2、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。

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。

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 & 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:

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。