数据驱动的互联网营销和运营
宋星的个人博客

优化转化:除了转化漏斗,你的弹药库还需要几种分析武器

转化分析是我讲的最多的领域。五六年前我讲的时候,大家不是很在乎,因为那时候流量不是事儿。今天,大家似乎都开始意识到,地上钻个孔就能喷出油的日子似乎离我们越来越远,如果不学会压榨流量的价值,盈利也会离我们越来越远。

一旦涉及到转化优化分析要采用什么方法,大家一定会异口同声道:转化漏斗!但我们真的做起来,就会发现,转化漏斗仅仅只是帮我们指出了一个(或者多个)地点(严格讲,地点应该替换为页面或者app的screen)存在问题而已,至于存在什么问题,如何分析,如何解决这些问题,则完全不可能独靠转化漏斗解决。或者说,转化漏斗,不过是转化分析的第一步罢了,想要解决转化问题,还差得远!

这篇文章就是想带大家走进转化漏斗之后的世界,看看我们在构建了转化漏斗之后,还应该做些什么。

构建转化漏斗之后,应该做什么

我的课堂上也经常提到的一个案例,一个航空公司的转化有很大的问题,100个人进入订票环节,大约只有2个人最终完成了订票,相信听过我的课的同学都会对这个案例有很深的印象。

解决这个案例中问题的方法,很明确,很直接:

1. 建立转化漏斗,检查到底转化过程中哪一个页面流失的用户数量最多。

2. 如果有明确的用户流失页面,那么我们查明到底这些损失的人是去了哪里——既然他们没有继续往购买的方向转化,那么他们跑到了其他什么地方去了呢?

对于上面第一步分析步骤的实现方式,我们实际上是通过构建转化漏斗的方式,现在几乎每一个分析工具都有这个功能——直观、高效。

对于上面第二步分析步骤的实现方式,我在课堂上建议大家用“next page report”报告,至于为什么要用这个报告进行分析的具体原因我先卖个关子,这里按下不表。

第二步next page report报告数据拿到之后,我们无外乎看到两类情况。

第一类情况,用户没有进入下一步的转化环节,而是跑到了网站的其他页面,或者回到了之前的转化环节。这个情况比较常见,由于我们知道用户跑到了哪里去,所以是有针对性的优化方法的。我的课程上有详细的方法和案例的介绍,这里简单复述一下,分析方法主要是依靠路径分析、用户转化过程中的usability(可用性)分析等方法。

第二类情况,用户没有进入下一步的转化环节,也没有跑到其他页面去,而是从这个转化的环节,直接离开了网站!

第二种情况同样非常常见,甚至更加常见!但我们往往对此束手无策,因为一旦用户直接离开,所有的行为都戛然而止,所有的分析也都鞭长莫及。

上面的分析方法如下图所示:

如果用户直接从转化流程中离开了网站(或app)

用户直接从转化流程中离开了网站,似乎表明了某种强烈的感情——忽然发生的负面情绪,例如憎恶。

例如,下图我们似乎看到了这样一种较为强烈的情绪:

图:点击小图看高清原图

  从用户的阅读线图(在以前的文章:运营优化的秘密武器:重新认识热图的力量!(上)有详细解释什么是阅读线图,简单讲,上图中红框内的65%意思是有65%的用户滚动页面,浏览到了页面的这个位置。而红框下部的38%,则表明只有38%的人浏览到了页面的这一位置)可以看到当人们看到了“15000元/年”的页面广告之后,大部分人都丧失了继续浏览页面的兴(yong)趣(qi)。如果在这一页发生了大量的离开网站的事件,我们不难理解或许是价格因素让人们望而却步。

当然,成熟的优化师会再用AB测试的方法确保万无一失。

分析转化的本质,实际上就是细分。构建转化漏斗就是一种细分,是按照转化的步骤的细分,但是问题是,转化漏斗的最小步骤是一个页面(或者是app的screen)。这里便存在问题,一个页面对于转化而言,并非是一个最小的步骤,因为一个页面可能包含多个用户需要操作的转化步骤,因此转化漏斗这一方法本身并不是最小分解步骤的细分,这还不足以让我们能够定位到真正的问题上。这也是为什么,仅仅构建转化漏斗不足以帮助我们优化转化的一个重要原因。

有一种情境是我们经常看到的,在一个转化过程中,我们明确遇到了一个非常典型的“转化流失页面”,很多用户到了这个页面之后,不再继续进行转化,也没有去其他的网页,而是直接离开网站!如下图所示:

  

  这个页面是转化过程中的一个关键页面,用户购买过程中必然会进入这个“Pricing”页面,在这里配置他所需要的服务,并且根据配置的服务,网站会提供不同的价格。进入到这个页面,意味着用户对这个产品确实有一定的兴趣。从设计看,这个页面有非常不错的创新,因为人们可以任意组合他们的需要,这使人们可以以最合适的价格买到他们最需要的服务,而无需为他们不需要的服务买单。一个为顾客考虑周到的方案,不过却似乎有些事与愿违,用户并不太买账,43.5%的用户到这个页面之后,会离开这个网站。

如果我们用转化漏斗进行分析,我们很容易定位到问题:Pricing页面一定存在某种“令人感觉不安”的因素,造成了人们的大量流失。这个页面是有问题的。

但是,仅此而已,因为人们从这里离开了网站,转化漏斗已经不能再告诉我们更多信息了。

在这种情况下,我们必须更进一步了解用户的行为。前面讲过,转化漏斗并不是更细颗粒化的细分,我们需要更进一步细分用户的行为。

这一情况下用描述用户页面交互行为的工具——热力图更合适不过。现在,这个页面的热图情况如下图所示(利用铂金分析工具):

  在图中你可以看到,人们确实大量的使用了产品配置的工具,左边的两个可以拖动的滑竿和右边的货币单位切换,有大量的使用,可是,最终点击下面绿色按钮“Sign up to the free trial”的情况,却相当罕见(这个按钮并未显示出红色的点击状态,表明并没有太多人点击这个按钮)。

用户点击热力图显示了转化漏斗不能告诉的内容——人们愿意在这一页交互,但是人们并不乐于“sign up for free”。

用户不会直接告诉你为什么他们不愿意点击这个绿色的按钮,但我们至少知道了,人们对产品的配置感兴趣——用户并非看到这个页面就离开,他们有深度的交互(除了热图,你还可以看这个页面的停留时间,这里就不做截图介绍了),他们只是不愿意点击按钮进入下一步罢了。

我们猜测,用户不太乐意的原因可能是:1. 这里明明是在谈论pricing,但按钮却是关于free trial,让用户相当零乱。2. 过于灵活的配置方式可能让用户在价格上犹豫不决,反而影响了他们的购买决策——在购物心理学上很清晰的表明,这是每个人都有不同程度的“选择恐惧症”。与Dell这样网站自己配置电脑的有限选择不同,这个产品服务的配置实在是有过多的数量选择,这非常容易造成用户的犹豫。

新的设计取消了上面具有创意的方式,而选择了更平淡无奇的方式。但这一方式,几乎被所有企业所使用,看来不是没有道理。应用这个老掉牙的页面后(如下图所示),退出率降低到20%左右,最终的转化提高了一倍多。

  这个例子似乎确实能说明没有转化漏斗不行,但光有转化漏斗也不行,因为你还是不知道问题在哪里,直到有更详细的用户数据才能真正帮到你。下面我们再看一个例子:

转化流程几个步骤最优?——多几步好,还是少几步好?

我记得在好多年前,大家有过一个共识(当然,今天看起来这个共识是不正确的),那就是既然每一步转化都会损失一部分用户(转化漏斗每一步都会有用户流失),那么我们干嘛需要这么多步骤,我们应该减少转化步骤,让用户快速进入转化的最后环节。

这个想法大错特错的原因在于,转化漏斗不是我们强在给消费者的,而是存在于消费者自己的心中。哪怕你只为你的转化设置一步,让消费者在一页中完成所有的操作程序,你仍然不一定能够显著提升转化率。消费者内心接受的过程不会因为你人为减少步骤而随之加速,相反,激进的减少转化过程中的步骤,会伤害购买体验,甚至降低转化率。

步骤的多寡没有教条,唯有与消费者心中的转化漏斗相一致,才能琴瑟和鸣,获得最好的转化体验。因此,千万不能盲信理论,实践出真知。看下面的一个例子:

这是一个没有使用多个购物步骤的典型网站(见下图),而且在PC端和移动端有完全一致的体验。这种在一个步骤(页面)中就完成整个购物转化的方式好吗?

  好与不好,取决于用户是否的行为是否符合你的预期。答案似乎是明确的,在PC端,用户从这个页面到生成订单的转化率是23%,而在移动端,则只有11%,不及PC端的一半。

一个页面便走完全程的购物,并非没有转化步骤,而是把几乎所有步骤浓缩在一个页面上。所以,上面的例子不是减少了转化过程中的步骤,只是减少了翻页的数量而已!真正减少转化步骤的情况也是存在的,这个在我的课堂上会跟朋友们介绍,这里就不再多啰嗦了。

这个例子中,减少了翻页的数量,对用户而言是友好的吗?看两个数据图。第一个图,是PC端用户在这个页面上的交互情况;第二个图比较小,是移动端用户在这个页面上的交互情况。两个图均可以点击看全尺寸图。

上图:PC端用户的交互情况

上图:移动端用户的交互情况

  从PC和移动端用户的交互情况对比看,移动端流量相对较少,所以热点也不是很显著。不过,浏览线可以看出二者之间的很大差异,PC端的用户69%的情况下浏览到了页面最下端的红色按钮位置,而移动端这一比例只有39%。这一差异相当强烈的表明,移动端用户的使用体验并不好,网站没有为移动端做自适应,且将所有步骤填充在一个页面中对于移动端太长了!显然,在PC端这不是问题,但在移动端,用户不再适应,最好的解决方法是在移动端重新设计购物过程,把这一页拆成三页,让用户能够更从容的在小屏上进行交互。

这就是为什么我们说,长短无定法,最佳转化一定来自于最佳体验。页面长度的增减、元素的配置等,也都不是一成不变的,也都来自于用户而不是老板的体验。

按照人群的细分,转化的故事会变得不同

很久以前我写过文章,关于细分在分析中的重要性。分析转化我们往往都是使用宏观的方法,看转化漏斗也是看全部流量的转化漏斗,但分析细分流量的转化在很多时候更加重要。

由于流量的差异性——不同来源的流量背后的人群不同,转化也可能有很大差异。例如下面的例子(点击下图看全尺寸图):

  一个产品的详情页,对于不同搜索关键词来的流量,用户的行为有巨大的差异。

我们上面讲的转化分析的方法,如果同样按照细分流量来分析,可能也会有很大的数据区别。通常,我们用如下的方法来细分对人群进行针对转化分析的细分:

方法一:按照流量来源的差异进行细分。这种是最直观的方式。通常,我们不仅仅按照流量的大类细分,对于流量很巨大的流量渠道,诸如SEM或者SEO,我们也会做进一步的细分。

方法二:按照campaign(营销活动,典型如促销、新品上市等)进行细分的转化分析。

方法三:按照流量的新老程度、流量的忠诚程度进行细分。在我的课堂上,介绍app内购的转化分析的时候,也介绍了相关的案例。对于电商而言,一个普遍现象是,70%的收入来自于30%的发生过购买的客户,因此如何让人们发生第一次购买就显得非常重要。按照新流量进行细分,分析他们的转化,对于优化你的整个生意有很重大的意义。

方法四:按照区域进行细分。这个不多讲了。也很直观。

方法五:按照创意类别、着陆页、站内推广等等进行细分。这种方法和进行流量来源的细分比较类似,不多说了。

细分的方式并不复杂,但是,我们在进行细分转化分析后,面对的结果可能会比较棘手:不同的细分人群,转化情况存在巨大悬殊!这种情况如何处理呢?

简单讲,处理的方法是对不同的人群,采取不同的转化配置,即:承接页面的布局、元素的差异化;转化过程的差异化;诱导的差异(促销、产品介绍等);微转化设置的差异等等。另外,web端和app端都可以设置动态页面来促进不同类型流量的转化。

总结

面对转化,我们手中可用的武器其实很多。但万变不离其宗,即我们务必要知道用户在转化过程中的交互是什么样的,无论是查看转化漏斗(宏观的交互行为),还是查看热力图(微观的交互行为),还是查看微转化,或是使用更细分的方法,本质上都是对用户转化交互的深层次了解和分析。转化优化并不困难,转化的优化理论上也没有所谓的“止境”。基本的方法掌握好,无论在什么样的转化场景中,都是适用的。也欢迎朋友们提出自己的好方法!

最后,感谢大家,给朋友们拜一个晚年!祝大家鸡年幸福顺利!

最后,一个重要通知:

【还有余位】宋星大课堂全新升级后的唯一一次也是这个课程的最后一次:数据驱动的互联网营销和运营——分析、洞察与优化 

这次课程的全部内容聚焦于如何利用数据促进现有互联网营销和运营水平的提升
  • 授课日期:2017年12月9日、10日(周六周日共两天)。
  • 授课时间:早上8:30签到,下午18:30当天课程结束。
  • 授课地点:上海市静安区南京西路1038号梅龙镇广场 蒲公英会议中心。
不仅仅是方法论,更是实战!是理论和实践的融会贯通!近500页PPT、25个主要部分、68个关键知识点、超过30个精彩案例,以及不计其数的工作中真知灼见的经验总结。面向人群:企业数字营销负责人和从业者、搜索引擎营销负责人和从业者、互联网产品经理、运营负责人和从业者、网站分析从业者、数字广告从业者以及一切对互联网营销和产品感兴趣的朋友。特别适合希望在短时间内快速系统掌握互联网分析与优化的朋友们!课程核心:

  • 宏观洞察:互联网下半场的营销和流量现状
  • 流量解密:评估流量质量、洞察流量本质、指导流量运营、提升流量价值
  • 推广分析:利用数据洞察品牌实力、促进品牌发展、降低品牌负面风险
  • 转化提升:流量转化背后的数据秘密——如何洞察客户意图从而促进转化
  • 用户体验:用户体验的运营和优化——PC端与移动端
  • 智能营销:互联网营销全新解决方案:营销自动化、营销云与大数据营销
  • 方法、案例与工具:真实案例、实用工具,以及最佳实践方式的总结

课程大纲:

12月9日:

  • 互联网下半场的营销和流量现状(0.5h)
  • KPI背后的秘密(1h)
  • 流量操盘的数据秘诀(3h)
  • 品牌推广的数据分析和优化(1.5h)
  • 微信营销效果分析与优化(1.5h)

12月10日:

  • 读懂用户意图才会有转化——转化背后的数据秘密(2.5h)
  • APP的用户行为及数据分析(1.5h)
  • 数据驱动的用户体验运营(1.5h)
  • 数据与大数据驱动的智能营销(1h)
  • Bonus:分析案例、方法及工具总结(0.5h)

扫描如下二维码立刻了解更多课程详情:

未经允许不得转载:网站分析在中国——从基础到前沿 » 优化转化:除了转化漏斗,你的弹药库还需要几种分析武器
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址