GrowingIO 公开课:从转化的开始到结束,你的用户流失在了哪一步?

GrowingIO 公开课:从转化的开始到结束,你的用户流失在了哪一步?

本文将和大家分享转化分析的必要性和重要性,从流量来源到产品内涉及转化的部分,讲解运营和产品如何做转化分析、如何拆解转化步骤、用户转化中流失的四大原因和对应方案。

Part 1 | 为什么要做转化分析?

对于一款产品来说,如何让用户更好地转化,是用户能否留存下来产生价值的关键因素。

对于运营来说,广开源路寻找目标用户,甚至还要选择一些付费渠道(如下图)进行投放,以获得更好的效果。这里就要我们来评估衡量渠道带量的效果,不仅要知道数量,还要知道质量;否则就会产生为什么每天都有用户增长但效益还是不好的问题。


不同渠道来的用户质量不同,也会影响到他们在产品内的转化,这时产品经理就要思考了,除此之外,也要想怎样让用户更好地使用我的产品,更好地提高产品转化。这里会遇到很多实际问题,比如说:

  • 为啥运营天天在导流,但产品的用户量还是上不去?
  • 怎样让产品转化(服务/产品购买)更好?
  • 这个新功能上线效果怎么样?
  • 两个产品方案,哪个好?

因此,转化的效果是和每一个运营和产品经理息息相关的,我们做的很多事情,归根结底都是为了获得更好的产品转化。但是,转化不是一个一步到位的事情,每个环节的优化都可能带来更好的结果。

以交易类产品流程的用户行为为例:流量从各个渠道过来,到达我们的落地页,感兴趣的用户开始浏览页面,甚至开始走购买流程,直到最后购买成功,在这个过程中,市场、产品经理和运营要充分利用工具获得更好的转化。

接下来我们就按照转化的流程进行拆解:首先,保证流量的来源是好的,如果流量的来源是有问题的,就很难转化下去,比如来的用户根本不是目标用户,我们看到用户来了,但是他转化不下去。其次保证用户在产品内的转化流畅,不因为模块设置、bug 等问题无法继续下去,成为流失用户。


Part 2 | 如何做好渠道流量的转化分析?

在最开始衡量渠道导流能力的时候,我们可能更多看的是流量的数量。接下来我们可以看到更多的数据指标,包括跳出率,停留时长,浏览页面来衡量流量的情况。但是,这些指标都是辅助性指标,可能一个渠道的跳出率并不低,但是你不能保证这个渠道的转化一定是好的。

所以,我们需要将流量来源与转化数据关联在一起,这是精细化运营的基础。

1. 渠道转化分析

这里的转化可以是产品转化,比如注册,也可以是下单支付成功,还可以是用来判断分析渠道质量的一些用户行为:收藏了商品、点赞、查看了评论等等。用户在产品内的行为越多,转化越多,就越可能留存下来。

这时,我们就需要一些数据来进行评估。



2. 区分恶意流量

渠道流量的监控过程中,还会涉及到运营深恶痛绝的恶意流量,怎样将劣质流量和优质流量区分开来,因为恶意流量总会有一些特征,比如某一部分人在一个时间里集中访问、硬件设备比较固定、使用特定的浏览器等等。

去年有一些 APP 商通过分析数据发现,如果某个渠道出现了一批大量 iPhone5C 的访问用户,可能就有问题了,因为为了更加以假乱真,有的刷量商会用真机刷量作弊,但是考虑到成本,就多选择了相对廉价的 iPhone5C,以至于这个机型出现的频率就变得很高。

恶意流量总是有迹可循的,这时我们应该怎样排查?


第一步:多维度对比,发现关联特征;

下面这张图是各个渠道转化的情况,渠道 3 第一步的转化效率很低,这时有可能会有问题。


我们把渠道 3 的用户拿出来,用其他维度进行切分,比如按照地区、浏览器等进行区分,分别看不同浏览器的转化情况时,发现了某个浏览器的转化率也异常低。


第二步:将关联特征进行交叉对比;

找到可能有问题的浏览器后,我们做了浏览器版本的分布,发现这个渠道来的用户使用的浏览器版本中,某些旧浏览器版本暴增。



第三步:通过时间维度进行确认

例如比较常见访问时间应该是 M 型的,上午和晚上会有两个高峰时段,但是半夜是流量最低的时候,而渠道 3 用户的访问时间 24 小时不间断,甚至在凌晨和半夜也很高,于是我们基本上可以锁定这个渠道是有问题的了。
不同的 App / 网站 也可以根据日常用户访问行为来总结出自己产品的访问时间曲线,以便查作弊流量时做对比。


因此我们需要打通流量转化数据,做渠道评估,用数据分析工具,去定位发现问题。


Part 3 | 产品内如何拆解转化步骤?

当用户通过各个渠道过来,进入到产品内后,我们就开始拆解产品内的转化步骤,寻找优化的空间。

拆解转化步骤有两种方法:

1)纵向按照过程拆解,研究注册完成的数量,购买成功的成单量;
2)横向按照维度和人群拆解,转化的结果与预期有出入,这时进行横向拆解,对比分析。


我们之前会听到很多用户问这样的问题,我这个转化率在行业里是高呢还是低呢?我有没有优化的空间呢?其实我们不是非要 benchmark 数据,一方面很多这样的数据是公司机密,另一方面第三方的测算方式不一定和你的一样。

没有行业的数据,你自己的转化数据就包含了很多的信息,可以从时间维度(分析每天的转化情况,分析活动和平时的转化情况)、平台维度(iOS 和 Android的情况)等其他数据维度分析,就可以找到很多的优化空间。


Part 4 | 用户转化流失的四大原因和对策

不同的转化步骤的流失原因也各不相同,有的是因为吸引力不够,有时是使用过程中遇到了问题。


虽然流失原因各不相同,但是主要的流失原因有这样四大类:

1)需求不匹配
2)产品功能/服务/商品不合预期
3)交互体验不好
4)“神秘”原因

接下来我们就来一一分析这些用户流失的运营,并结合案例探索解决的方案。


1. 第一类 需求不匹配

需求不匹配分多种情况,一种是产品能激发用户需求,但是用户没有看到;另一种是产品就是没有满足用户的追求。
举两个例子,一个针对小白用户的英语学习网站,假如我英语过了专八,那麽我进入网站会发现跟我的需求不匹配;
假如另外一个英语网站,里面有我需要的东西,但是位置比较深,但是我进入首页后没看到,简单查找下还是没发现,那我也会离开。

如果我们的产品能激发用户的需求,但是用户却没有看到。这时候我们需要让用户在合适的位置看到合适的内容。我们可以通过重点位置数据统计和热图分析网站上用户的点击行为,找到黄金位置,把最合适的内容。


如果用户的需求未被满足,那么就有必要分析一下这部分需求。事实上,有过搜索不到结果经历的用户比你想象得多。我们可以通过统计网站搜索无结果页的搜索词信息,可以知道用户未被满足的具体需求。同时与搜索框搜索次数进行对比,衡量是否针对这部分需求做专门的内容、服务、产品建设。



2. 第二类 产品功能/服务/商品不合预期

碰到产品的功能、服务或者商品不符合用户预期的情况,比如用户为何浏览了商品详情却没有购买,可能是因为商品评价有问题,或者商品价格相较于其他家的高了。

对于此类问题,可以分析产品内的各种帮助用户转化的功能是不是没有起到正向作用,例如评论、客服、模块间的导流是否顺畅等等。

那麽如何验证这些帮助用户转化的功能模块是否起到正向作用了呢?这时可以把做过某一个操作的用户分群,比如电商平台把看过商品评论页的用户做出分群,来验证评论是不是对最终的转化有促进作用。

我们用 GrowingIO 用户分群功能创建两个分群:到过详情页看过评论的访客群 VS. 到过详情页未看过评论的用户群,看转化是否有差异 ?



如下图,我们将创建的分群应用到 GrowingIO 的漏斗功能上,看过评论的用户注册完成的转化率(下图右侧)是 53.1%,是高于总体的:


但是,如果看过评论的用户转化率反而比总体低,那评论这里的一些设置就可能出现了问题。



3. 第三类 可用性 & 交互体验问题

此类问题的表现是为什麽用户注册了一半却放弃了,用户为何进入购买流程后还流失了等等。

遇到这类情况,在保证产品本身可用的情况下,我们需要进行分维度查看转化,找到适配性问题。

如果各访问来源 / App 渠道、各地域的转化数据都无异常,但设备类维度出现异常,比如某个浏览器、某个手机机型、某个操作系统转化低,或者仅仅是某个浏览器 / 操作系统 的某一个版本转化低,就要注意是否存在设备的适配性问题。


如上图,我们通过维度对比,发现 iPhone 6 Plus 的转化率比 iPhone 6 低了 15%,于是发现了 iPhone 6 Plus 的适配存在问题,并及时进行了修复。


4. 第四类 其他“神秘”流失原因

有时候会遇到似乎不明显存在上述任何一种问题,但就是没有最终转化,为什么?

产品经理需要时不时看看用户的原始访问轨迹。排查后发现上述都没有问题时,就需要查看无明显原因导致流失的这部分用户的原始访问记录,通过「用户细查」查看用户的详细访问行为轨迹:


在某个 case 中,细查该产品的最后一步流失用户,发现:这部分用户活跃度不低,网站浏览量多,也走完了大部分转化路径(甚至不止一次),但就是没有最终转化,基本在最后一步放弃支付了。
结合该产品服务单价较高的情况,这部分用户很有可能是在犹豫是否购买的过程中流失了,这种情况怎么办?

遇到这种情况,首先我们需要结合访客打通机制,进行再运营:


然后在转化的关键步骤,“推”用户一把。

对于客单价过高,用户在这一步犹豫的情况,这时我们需要推一把用户。需要打通用户行为和用户 ID,然后进一步有针对性地运营;比如说对这些用户发一些代金券或者优惠券,刺激转化。


Part 5 | 总结

转化分析是一项系统的工作,涉及产品和运营的各个方面。

1)提升转化的前提是充分拆解转化,包括纵向和横向两个方面;
2)导致转化低的原因各不相同,需要借助多维度的数据和多种分析方法定位原因,找到优化空间。这需要强大的分析平台支持;
3)流量是转化的源头,渠道流量评估需要和转化结合在一起。


本文作者曾少勤,GrowingIO 商务分析师。曾少勤毕业于北京大学,先后就职于秒针、百度、GrowingIO,有丰富的数据分析经验。

注:文中漏斗、用户分群、用户细查、实时等功能截图,均来自 GrowingIO 官网 硅谷新一代数据分析产品
发布于 2016-08-23

文章被以下专栏收录

    大数据分析创造商业价值,提高运营效率。我们的专栏专注如何利用互联网以及移动端的数据创造价值。我们将从分析框架,技术框架,商业框架,管理框架,人员组织,以及数学算法框架等各个维度来解答和分享最新的商业分析趋势