互联网从业者对转化率这个指标肯定不陌生,我们经常会关注到转化率,如注册转化率、购买转化率等。这些转化率指标跟我们的网站运营息息相关:注册转化率可以衡量我们网站获取用户的能力;购买转化率可以衡量我们网站营收的能力,直接影响我们的营收。
假如有两个类似的电商网站,他们的流量规模差不多。如果其中一个网站的购买转化率比较高的话,那么他的营收一般来说是更高的。
今天的课程主要针对线上交易类网站,包括但不限于O2O、P2P、内容社区等网站。众所周知,影响转化的因素很多,不可能一一列举。根据以往的工作经验,我们可以从三大角度去分析:流量渠道、用户营销和网站/APP体验。
这 三大因素其实是外部(渠道流量)、内部(用户营销)和内部(网站/APP体验)的关系。渠道流量是我们从网站外部获取的。用户营销是我们对于我们现有网站 已经获得的或者是已有的用户,进行的一系列运营和营销工作。网站/APP体验是可以通过内部产品、设计、工程等部门来优化的,也属于内部因素。
第一个因素是渠道流量,主要分优选渠道和量化分配两步骤来解析如何提升转化率。
什么是“优选渠道”?
我们在营销或者运营的时候会选择多个渠道,在这些渠道中有好的渠道,也有差的渠道。渠道质量直接体现在转化率上,最终影响网站的营收。“优化渠道”即我们应该尽量选择质量好的渠道,放弃差的渠道,将一定的投放预算发挥其最大效果。
什么是”量化分配”?
在完成了第一步渠道优选后,假如你得到了10个质量比较好的渠道。那么这个时候,问题来了:在预算一定的情况下,10个渠道该如何进行资源的分配?
以往,我们更多的是凭借经验或者业务上的理解,非常主观的进行渠道资源分配。如今,我们更加倾向从量化或者数学的角度,结合业务的理解,然后去考虑如何精准进行不同渠道的资源分配。
案例:某电商网站购买转化率
这是一个电商网站的全站购买转化率情况,我用GrowingIO的【漏斗分析】功能得到该网站每一步的购买转化情况,用户从首页到列表页,再到详情页,再到购物车,指导最终的支付成功。同时在红色方框内,有一个总的购买转化率——1.5%,实际上并不是很高。
在【漏斗分析】中选择【维度对比】,比较不同渠道过来的用户的转化功能。如下图,红色方框内显示的是访问来源1和访问来源2的每一步转化率比较。
我们可以看到,访问来源1和访问来源2,这两个渠道,他们的总体转化率都是非常低的。同时发现访问来源1,这一块的这个流量,却非常大。那么这时候,依靠我们业务的这个判断,可能会有两种情况:
第一种情况:这个渠道它本身质量比较差。
第二种情况:可能它是一个辅助渠道。这个渠道的投入,可能并不是很多,但是这个量却特别大。
针对这两种情况,我们应该分类解决问题。如果说这个渠道质量本来就比较差,但是量很大,我们能否考虑去优化这个渠道的投放,比如广告内容、关键字、落地页设计等等 ,并且观察一段时间。
假如说这个渠道质量并不差,但是只是一个辅助渠道,那么这个时候我们可以采取观望策略,观看其发展趋势以便后期优化。
当我们筛选完渠道后,剩下10个比较优质的渠道,那么这10个渠道该如何分配资源呢?下面是用GrowingIO监测到的该网站从不同渠道来的流量情况:
结合业务经验,我们会知道搜索引擎渠道(如百度SEO和SEM)的客户匹配精度是比较好的,我们应该多投放一点。但是具体投放多少呢?我们需要通过数学方法来量化不同渠道和总体的转化率之间的关系,取最优解。
最上面的式子 转化率=F(渠道1_PV,渠道2_PV,···,渠道n_PV)说的是最终的转化率是各个渠道流量的函数结果,就是说我们要先确定转化率和各个渠道流量之间的一个函数关系。那么如何来确定这个函数关系呢,这个大家可以结合业务实际或者行业经验。
方法一:线性模型
比较简单易懂的就是线性模型,渠道流量和最终的转化固定比例,在图表上就是一条直线。当然,这是一种非常极端的情况。
方法二:时间序列
还有一种情况的话,它会呈现出一种季节周期波动的一种关系。可能在Q1、Q2,他们是一个上升的一个趋势,可能到了Q3、Q4就下降了。
同时他之前的那个转化率,跟我们现在的转化率也会有一个关系。这里面转化率t,指的就是我们现在的转化率。在时间序列公司中转化率t-1,这个t-1这个转化率指的是上一个周期的转化率。
找好渠道流量和总转化率之间的关系后,我们接下来就要去求解这个大F的值,这个大F,就是我们的转化率。同时,它有一个限定条件是我们的总花费M。
最终优化问题的解,是一个优化后的投放组合是一组系数,在数学上来讲就是一种系数,但实际业务上来讲的话,它是不同的一个投放的一个组合。
上图是我们是我们渠道渠道投放前后效果对比。左边是不同渠道的资源分配,右边是最终的转化率。2014年的所有渠道的投放组合(左边蓝色)的最终转化率(右边绿色)偏低;经过新一轮的渠道优化后,2015年所有渠道的投放组合(左边黄色)的最终转化率(右边橙色)大幅度上升。
这个案例说明了,在资源有限的情况下,通过渠道优选和量化分配,可以有效提升转化率。
什么是用户营销?
其实就是我们对我们自己网站里的用户做的一系列运营的活动,包括拉新、激活或者唤醒这一类动作。通过这些活动,使得我们的用户反复的在我们的网站进行购买。
而且这样的购买,是有效率的,而且这样的运营或者这样的营销是精准的。这样最后才能达到提高我们整体购买转化率的一个目的。
如何进行用户营销?
步骤一:确定业务场景,通过绘制用户画像,来找准我们的目标用户。
步骤二:在第一条的基础上,我们找到了目标用户之后,就要精准营销,就是所谓的激活或者唤醒,使得这部分目标用户,在我们的网站上进行购买,从而提高最终的转化率。
如何进行用户画像?
业内比较经验的一个用法,就是对这个用户价值度的分级。我们提到用户价值度的话,这个词实际上是比较含糊的,我们如何精准的去为这个价值度做一个分级?
我们借鉴业内常用的RFM模型:R是Recency,就是最近一次购买距现在的时间;F是Frequency指的是用户的购买频次;M是Monetary,
指的是用户的购买金额。我们可以从这三个维度,对用户进行一个分级,我们可以把它分成8类,这8类可以涵盖我们想要说明的这个用户的价值。
比如说,近期有购买或者有使用的这样高频次使用,同时高金额消费这样的用户,我们可以把它定义为我们网站,或者我们平台、APP的高价值用户。
通过这个划分,我们可以把自己的整体用户,分成不同的等级。但是想理解这个分类,还需要结合实际业务。
举一例子,假设我们现在是一个电商类的网站,现在举行一个促销活动卖比较贵的数码产品。
那么这时候,我们就要找到这个高价值用户,向这部分用户做一些活动推送,而并不是向我们网站的全部用户做这个推送。原因是,高价值的客户购买我们新的数码产品的可能性更高,只有精准推送,才能节省成本,提高效率。
除了RFM模型分类,还可以其他分类方法:
根据会员属性进行分类,如用户的性别、城市、设备、登陆次数等。
根据用户的活跃度进行分类,把用户分为未转化会员、新会员、活跃会员和沉寂会员。什么是未转化会员?就是指那些注册了,但是从来没有购买的用户。
根据用户的购买偏好,结合实际购买的场景,给他做一个分类。同时也可以根据用户的预定平台和推广渠道的敏感来给他分。
也有通过注册来源,比如说PC/APP/H5。假如说我们的网站中大多数会员通过APP端注册来的。那我们做一些激活活动的话,应该着重发力在APP,而不是选择在PC或者H5这样的端口。
无论是O2O、P2P还是内容社区等网站,一些常见而又重要的体验问题都会严重影响购买转化率,比如:支付环节的流畅性、页面是否简洁和操作是否容易、图片质量是否清晰、搜索是否精准匹配…….
支付环节的流畅性,假如支环节体验流畅的话,用户流失可能性会大幅降低;
页面简洁和操作容易,如像阿里巴巴、京东或携程这些大网站,页面按钮会非常多,但事实上,它们有时候反而会影响最终转化流程,因为这整个转化流程中,有太多点击按钮和出口,导致用户很容易流失;
图片质量。比如我们进行一个网站购买,很容易因为图片分辨率太低、打有水印、光线较差等因素影响我们产品的判断,而影响最终的购买转化;
搜索的精确匹配,比如用户搜索的是芒果,最终出来的却是芒果干或芒果糖等,实际上并没有精确匹配用户的需求,结果就是严重影响用户体验,导致用户需求没有得到满足而流失。
案例:某电商网站转化率
上图转化漏斗中,最后一步,点击购物车到点击支付的转化率特别低,但是为什么这么低?
用户为什么明明点击了购物车,有购买意向,但是最终并没有支付成功?
普通的数据分析产品、粗糙的漏斗是找不到原因的,只能看到这步转化低,但是为什么呢,不知道。因而,产品经理也不知道如何做优化,市场运营人员不知道该从什么地方着手做调整。
我们用【用户分群】功能,把所有“进入购物车但并没有点击支付“的用户做个分群,看看这一步流失的人群,到底经历了一些什么事情。
分群之后,我们看下【用户细查】(GrowingIO新推出的强大功能,可以精准查看每一位用户在网站上的浏览、点击、停留、输入等行为)。
我们发现一个特别有趣的现象,这个分群里的某个用户打开了某个页面,在购物车栏点击了购买1,然后打算结算。但随后他发现自己没有登录、然后输入登录信息又发现没有成功,再点击忘记密码,进入找回密码页面。
关键问题是,按正常理解,在找回密码的页面上设置完密码后,就可以正常登录了。但这个用户又弹回来继续到忘记密码、找回密码,怎么会这样。
然后我们亲自体验了一下,发现在修改密码这页有个BUG,就是没法修改密码,等于用户来来回回无法完成这一步,当然最终会导致用户的流失。
这样,通过漏斗对比、用户分群、用户细查,一步步做数据追踪,终于准确定位了问题原因,这样产品经理才能知道在哪里修改,否则,产品经理只能不停各种试错、各种猜测,不停浪费时间和精力做无用功。
从三个大维度(渠道流量、用户营销、网站/APP体验)去思考如何提高购买转化率,然后再通过不同维度去细分,做更深入的分析,再结合业务,最终用数据不停驱动业务增长、增长再增长。