想要优化转化漏斗并提高转化率,你需要从这两处下手

2019 年 3 月 18 日 Analysys易观


OKR的优势之一在于可以从上至下地形成工作树来聚焦团队目标,对于市场运营、产品运营来说,大部分的核心目标都与转化结果有关,如果按照业务类型划分:

 

1、电商:核心目标是订单量;

2、企业级服务:核心目标是线索(表单提交);

3、App推广:核心目标是产品下载;

 

通常此类目标对于市场运营或数字营销来说是网站或者App的北斗星指标,很多人都在讲北斗星,但是如何真正的做到优化网站、App、H5的转化数据?

 

接下来,分享一些实践得出来的转化率优化方法。

 

得到直观的转化漏斗数据

 

如果从优化转化漏斗开始让转化率更高,首先需要清晰的知道自己的关键漏斗数据,目前市面上uv分析产品(例如百度统计)只能分析uv、pv等数据,因为没有做用户行为分析所以也没办法从行为分析演进漏斗分析,我们猜测访客在你的产品上的转化流程是:到达产品-了解产品-产生兴趣-CTA(call to action)- 转化闭环,如果用电商网站来实例化转化流程就是:uv-产品详情页-加入购物车-提交订单-支付,不同的业务有不同的转化漏斗,但是漏斗大同小异,优化漏斗的斜率成为了提高转化率的唯一目标。

 

通过易观方舟,可以制定转化漏斗,清晰可视化的知道宏观漏斗与微观漏斗的转化情况,如图:


在易观方舟的Demo环境里,选择电商,选择漏斗分析,建立漏斗

 

从图中我们可以看出,这个电商网站的用户加入购物车到提交订单,有约为10%的人放弃了,而从加入订单到真正支付的环节,又有约为13%的人放弃了。

 

我们提出个假设,如果在每一个相邻漏斗的转化上提高2个百分点,那么对于这家企业来说,提高的订单金额是十分巨大的。

 

了解访客为什么流失?

 

通常,我们也可以通过简单的数据分析(比如页面的浏览量)知道相邻漏斗之间的数据情况,但是如果想要去优化漏斗必须了解两个漏斗之间的用户行为,在没有用户行为的时候,大部分产品经理都会凭借自己的感觉和经验来进行产品优化,这样就变得“经验论”,经验论是没办法支撑数据改变的论据的,仅凭自己对于产品的不断审视来优化很儿戏。

 

通过方舟的行为下钻,我们就可以知道流失的用户到底做了什么,如图:

 

 

我们可以从图中看到,用户在看家电,从今日头条下载,从banner进来的,加入了购物车,但是放弃了。此时,我们只是看了一个用户行为,如果通过多个用户行为,我们发现了共性,就可以针对共性进行优化:

 

1、访客是在某一个页面放弃的,我们优先考察页面兼容性,继续追溯访客的终端和浏览器,如果不是兼容问题,那么就要优化页面内容,是否引导性不够。

2、访客在某一个功能上多次交互,兼容问题几率很大。

3、某个渠道来的访客,比较集中,审视渠道的用户质量和广告的引导是否明确(不明确的广告引导,访客会跳出很高),例如,在QQ空间上投放中老年服饰,可能转化率就会有一些低。

 

定向召回,精准营销

 

只是找到了流失的问题所在,并且解决了问题影响的是以后的访客,之前流失的访客是可以召回的,我们需要给他们进行相应的激励措施,这个时候,分群功能就很重要。

 

通过第一步的漏斗,我们是可以知道流失的都是哪些人,将这些人分群后,利用方舟的内置营销系统,群发EDM、短信、站内信,都可以进行精准的活动触达,实现营销闭环。

 


通过易观方舟的分群,直接可以对流失的用户进行精准营销,群发的内容可以根据自己的情况进行设定,如果是召回,可以选择满减优惠券,或者是搭配商品。

 

总结


影响漏斗转化率的因素,核心有两个方向:

 

1、自身产品的兼容问题,需要去开发优化;

2、自身的页面内容不够吸引人,需要进行AB测试调整;

 

除了解决以上两个问题,召回也是很好的挽回用户的方式,但是最重要的是,想要优化漏斗,先要清晰的知道漏斗的数据。

 

可以点击阅读原文体验易观方舟Demo,体验更多的漏斗功能。

 


可私有化部署,开放且免费的易观方舟Argo欢迎体验




点击文末“阅读原文”  即刻进入易观方舟Argo


 “阅读原文”,即刻体验易观方舟Argo!

万水千山总是情,点个 “好看” 行不行!!!


登录查看更多
0

相关内容

计算机视觉中运动行为分析就是在不需要人为干预的情况下,综合利用计算机视觉、模式识别、图像处理、人工智能等诸多方面的知识和技术对摄像机拍录的图像序列进行自动分析,实现动态场景中的人体定位、跟踪和识别,并在此基础上分析和判断人的行为,其最终目标是通过对行为特征数据的分析来获取行为的语义描述与理解。运动人体行为分析在智能视频监控、高级人机交互、视频会议、基于行为的视频检索以及医疗诊断等方面有着广泛的应用前景和潜在的商业价值,是近年来计算机视觉领域最活跃的研究方向之一。 它包含视频中运动人体的自动检测、行为特征提取以及行为理解和描述等,属于图像分析和理解的范畴。从技术角度讲,人体行为分析和识别的研究内容相当丰富,涉及到图像处理、计算机视觉、模式识别、人工智能、形态学等学科知识。
【ICML2020】小样本目标检测
专知会员服务
90+阅读 · 2020年6月2日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
161+阅读 · 2020年5月14日
专知会员服务
31+阅读 · 2020年4月24日
【2020新书】Kafka实战:Kafka in Action,209页pdf
专知会员服务
67+阅读 · 2020年3月9日
【阿里技术干货】知识结构化在阿里小蜜中的应用
专知会员服务
96+阅读 · 2019年12月14日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
五步帮你实现用户画像的数据加工
云栖社区
6+阅读 · 2018年2月4日
思路+步骤+方法,三步教你如何快速构建用户画像
京东用户画像揭秘:原来买iPhone X的是这么些人
R语言中文社区
10+阅读 · 2017年9月14日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
Star-Transformer
Arxiv
5+阅读 · 2019年2月28日
Arxiv
3+阅读 · 2018年12月19日
Learning Implicit Fields for Generative Shape Modeling
Arxiv
10+阅读 · 2018年12月6日
VIP会员
相关资讯
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
五步帮你实现用户画像的数据加工
云栖社区
6+阅读 · 2018年2月4日
思路+步骤+方法,三步教你如何快速构建用户画像
京东用户画像揭秘:原来买iPhone X的是这么些人
R语言中文社区
10+阅读 · 2017年9月14日
教你 5 步画出用户画像
职人社
8+阅读 · 2017年9月13日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
Top
微信扫码咨询专知VIP会员