一、如何將轉(zhuǎn)化率提升10倍？
Danny·Jon,是一名數(shù)據(jù)分析師，曾效力于 Facebook、Twitter、Quora。在他的增長黑客生涯中，曾遇到這樣一個難題：來自搜索引擎的流量占到網(wǎng)站流量的60%，但其中只有不到1%的人轉(zhuǎn)化成注冊用戶，這意味著每100個訪客中有99人最終流失掉了。
為了提高轉(zhuǎn)化率，Danny的團隊足足耗費了3個月的時間研究著陸頁的優(yōu)化，他們最終成功地將轉(zhuǎn)化率提高到了10.5%以上。換句話說，他們將轉(zhuǎn)化率提升了10倍以上。而在提升轉(zhuǎn)化率的過程中，他們使用了一樣相當(dāng)重要的數(shù)據(jù)分析工具：漏斗分析。
二、什么是漏斗分析
漏斗分析是一套流程式數(shù)據(jù)分析，它能夠科學(xué)反映用戶行為狀態(tài)以及從起點到終點各階段用戶轉(zhuǎn)化率情況的重要分析模型。漏斗分析模型已經(jīng)廣泛應(yīng)用于用戶行為分析和APP數(shù)據(jù)分析的流量監(jiān)控、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運營與數(shù)據(jù)分析的工作中。
漏斗分析1.jpg
漏斗分析最常用的是轉(zhuǎn)化率和流失率兩個互補型指標(biāo)。用一個簡單的例子來說明，假如有100人訪問某電商網(wǎng)站，有30人點擊注冊，有10人注冊成功。這個過程共有三步，第一步到第二步的轉(zhuǎn)化率為30%，流失率為70%，第二步到第三步轉(zhuǎn)化率為33%，流失率67%；整個過程的轉(zhuǎn)化率為10%，流失率為90%。 該模型就是經(jīng)典的漏斗分析模型。
三、漏斗分析的應(yīng)用
漏斗分析對用戶行為分析來說是不可或缺的功能，因此數(shù)極客單獨為漏斗分析開辟了一個模塊，幫助用戶分析產(chǎn)品中關(guān)鍵路徑的轉(zhuǎn)化率，確定整個流程的設(shè)計是否合理，各步驟的優(yōu)劣，和是否存在優(yōu)化的空間等。最優(yōu)的漏斗分析步驟不超過6步，既能分析出關(guān)鍵轉(zhuǎn)化漏點，又避免了在設(shè)置中過于繁瑣。
漏斗分析2.jpg
數(shù)極客可以根據(jù)您的業(yè)務(wù)需求，設(shè)置“有序漏斗”、“無序漏斗”：
有序漏斗：嚴(yán)格限定漏斗多個步驟之間的發(fā)生順序。
無序漏斗：不限定漏斗多個步驟之間事件發(fā)生的順序。
比如某網(wǎng)站注冊轉(zhuǎn)化漏斗“查看首頁-注冊”當(dāng)日觸發(fā)“查看首頁”的有1000人，觸發(fā)“注冊”的有50人；第一步觸發(fā)“查看首頁”第二步觸發(fā)注冊的有20人。那么，注冊轉(zhuǎn)化“查看首頁-注冊”無序漏斗的轉(zhuǎn)化率為5%，有序漏斗的轉(zhuǎn)化率為2%。
漏斗分析3.jpg
除可手動設(shè)置漏斗外，數(shù)極客將智能路徑和漏斗分析完美結(jié)合，幫助不清楚用戶路徑和不愿手動設(shè)置漏斗的“懶用戶”智能挖掘路徑，一鍵生成漏斗。
漏斗分析4.jpg
漏斗分析除了能幫助運營者找到那些環(huán)節(jié)生泄漏，進一步分析堵住泄漏點，排除影響主進程轉(zhuǎn)化的意外環(huán)節(jié)外，還可以結(jié)合時間趨勢對比、多維度對比、客戶類型細分分析、表單分析等高級分析功能，幫助我們分析轉(zhuǎn)化趨勢，挖掘用戶細節(jié)行為。
漏斗分析5.jpg
四、漏斗分析實戰(zhàn)案例
基于自定義漏斗分析發(fā)現(xiàn)流失問題的同時能通過多維度組合發(fā)現(xiàn)實際原因所在。
某電商平臺，按“進入注冊頁-開始注冊-提交驗證碼-注冊成功”的路徑設(shè)置了一個四步轉(zhuǎn)化漏斗，然后按瀏覽器細分分析用戶注冊轉(zhuǎn)化率時，發(fā)現(xiàn)chrome瀏覽器的用戶注冊數(shù)和注冊轉(zhuǎn)化率較其他瀏覽器低很多，對比每一步轉(zhuǎn)化，發(fā)現(xiàn)第一步到第二步的轉(zhuǎn)化率和其他并無明顯差異，而第二步到第三步的轉(zhuǎn)化率幾乎為0，大部分用戶沒有提交驗證碼，而是直接離開了頁面，這奇怪的轉(zhuǎn)化漏點馬上引起了重視，測試發(fā)現(xiàn)chrome瀏覽器在獲取驗證碼上確實存在bug，影響了用戶注冊，技術(shù)針對此問題進行解決后，該瀏覽器下的注冊轉(zhuǎn)化率明顯提升。
