數據分析邏輯：流量轉化漏斗模型詳解

數據分析能夠幫助我們更好地進行運營決策，數據分析能夠很好的為轉化用戶提供參考與數據支撐。

商業領域的數據分析，就是為了給商業行為提供良好的數據預測以及效果評估，在互聯網界也是如此。我們在目前商業環境所做的每一項活動都直接或者間接與用戶有著聯系，其目的本質都是一樣，為了讓用戶成為你的消費者，更進一步的持久消費者。因此數據分析，也應該為轉化用戶提供參考與數據支撐。畢竟沒有用戶轉化為消費者這個過程，所有的分析都是天方夜譚。數據的結論與行為的預測彼此就是一個循環論證的過程。

首先澄清一下數據分析其實并不是什么高深的學問，在現實的職場實戰中，涉及涵蓋的數據分析的方法以及復雜性是遠低于在學校里習得的專業知識。什么卡方檢驗，方差分析，回歸分析顯著性檢驗等等在非用研以及非專業統計分析領域是很少涉及的。（當然那些學過數理統計學的專業人士也不屑于本文提到的內容，如果大家對這些看起來比較高深的分析方法有興趣可以自行腦補）。本文只給運營以及一些涉及產品方向的崗位提供分析思路并結合實際案例對我所涉及的領域，抽絲剝繭，給大家一個更加直觀的用戶轉化方面涉及數據分析的知識覆蓋。

互聯網的大用戶概念我們可以直接簡單粗暴認定為流量，這里的流量并不是指的簡單的IP,UV,PV也可以指來電數，訪客人數，人流量等概念既然是流量也就有其自身的數量。我們在對流量轉化的數據分析時都會基于一種邏輯方案———流量漏斗轉化模型進行分析。

原理很簡單，我們可以形象的認為自身的互聯網產品其本身就是一個虛擬的漏斗，用戶在進行瀏覽到最終完成下單行為（或者其他我們認定的轉化行為比如注冊，關注，轉發等）有多少被直接阻擋在了“濾網”之上，有多少順利的達到了我們預設的“轉化行為區域”。當然，我們所有的活動都并不是一錘子買賣，因此也要從橫向（時間）維度來分析問題。持續的轉化用戶，保持老用戶的消費活力也是分析工作的重中之重。當然，我們在轉化流量不僅僅是指的轉化的數量而且還指轉化的質量，說的比較簡單點，就是要提高單個用戶的消費價值。在橫縱兩個維度方面，在這些層層“濾網”中，我們是如何透過這些數據分析問題的呢。

以大型電商網站下單流程為例，我將從流量來源-中間頁面訪問-詳情頁-加入購物車-提交訂單-

一，流量來源

流量進入主站的第一道障礙通過不同渠道進入的主站（或者該渠道引入流量的承接頁），主站頁面即是第一層“濾網”我們用穿過第一層濾網進入二級頁面的通過率來衡量渠道的流量的質量。通常我們用來衡量頁面的流量質量的指標包含如下：頁面UV點擊率，頁面停留時間，跳失率。

想要通過第一層“濾網”，需要必要的動作就是產生點擊行為，而點擊行為會產生兩個數據：頁面UV點擊率=頁面點擊總次數/頁面UV數；跳失率=通過一個入口進入就離開的次數/通過該入口訪問的總次數。點擊率越高，說明頁面呈現的內容有吸引力能夠有效的吸引用戶的關注；跳失率越高，說明頁面呈現內容具備欺騙性，所呈現的鏈接內容和文案不具備吸引力。因此在進行第一層濾網的優化方面盡量提高頁面的點擊率，降低頁面的跳失率。盡量讓用戶下沉到二級頁面（或者目標頁面）。同時通過這個數據也可以判斷流量來源的質量是否過關。

一般而言，頁面低質量的流量判斷往往符合以下幾個特點：在排除頁面問題的情況下產生的：1，低點擊率；2，高跳失率；3低頁面停留時間。

這些低質量流量產生的原因主要有幾個方面：1，渠道引流上呈現的文案內容與承接落地頁面不符。2，投放渠道上，與目標用戶活躍范圍不符的渠道，也就是說投放的渠道不精準。3，承接頁出錯等以及其他原因（包含但不限于404錯誤網頁過期，跳轉出錯等）。

以上表格內容，并不一定十分準確，大家可以抱著批判的態度研究論證一下。

二，中間頁面訪問

在頁面訪問階段，流量成功通過第一道“濾網”進入到中間頁階段，中間頁包含：搜索列表頁，專題活動頁面，頻道頁面等。不同的中間頁也有不同的數據指標反映著頁面內容的好壞以及流量的走向。中間頁的好壞考量最終是有多少訪客進入到了商品詳情頁，因此有一個指標非常重要：UV到達詳情頁轉化率=詳情頁UV/中間頁UV

搜索列表頁

搜索列表頁在大型電商網站中有著不可代替的重要作用，也是站內流量的主要來源，承接著站內商品檢索，品類布局的重任，區分搜索頁面與列表頁面主要是看鏈接字符，搜索頁面的鏈接往往包含search字符，列表頁（或者可以叫類目頁）鏈接包含list字符。搜索頁為依據用戶輸入的關鍵詞來進行整體檢索后呈現給用戶商品陳列頁面。而列表頁則是與網站商品類目后臺直接關聯，呈現品類最全的頁面。兩者的功能都是為了給予用戶更好和更快的定位到想要查看的商品（或者內容）。以下為分別為幾個B2C電商的的搜索和類目頁鏈接的開頭：

• 京東搜索：https://search.jd.com/Search?keyword=關鍵詞代碼
• 京東列表：https://list.jd.com/list.html?cat=列表頁代碼
• 蘇寧搜索：http://search.suning.com/關鍵詞代碼
• 蘇寧列表：http://list.suning.com/列表代碼

其他就不一一列舉了，搜索列表頁的數據指標的考核目的就是為了能讓用戶更加精確快速的找到自己的想要的產品，因此在這一級的頁面中數據指標包含如下：

搜索點擊率=點擊次數/搜索次數；這個指標衡量搜索頁面的呈現質量，理論上而言搜索點擊率要在200%及以上才是比較健康。（不絕對）

UV到詳情頁轉化率=詳情頁UV/搜索或者列表頁UV；該指標在搜索和列表中同樣適用，用來平衡點擊率的作弊可能，也是反映三級頁面呈現質量的指標之一。

搜索無結果次數：用以反映關鍵詞涉及的品牌品類缺失或者未關聯指標。當然搜索無結果詞的次數是越低越好。對于搜索詞呈現結果為空的品類，需要綜合評估后決定是否對相關類目開啟招商，引進產品線；對于未關聯的品類需要著重優化頁面重新關聯。

搜索結果頁首屏點擊率=搜索首屏點擊次數/搜索次數；該指標用以衡量搜索結果首屏的商品排序質量與呈現質量。該數據指標的好壞可以間接的反映出搜索詞呈現的頁面排序是否合理，是否符合用戶的需求。同理列表頁的首屏指標也與此一樣只是名稱不同而已即 列表頁首屏點擊率 =列表頁首屏點擊次數/列表頁PV.

搜索次數：搜索詞產生的搜索次數。（可以理解為搜索PV）一個搜索詞的搜索次數高表示該詞所涉及的類目需求量高，反之亦然；如果是在列表頁則為 訪問PV

搜索人數：搜索詞被多少人搜索的數量（可以理解為搜索UV）；一個搜索詞的搜索人數高表示該詞所涉及的類目需求量高-主要是為了防止出現搜索次數作弊的情況，反之亦然如果是在列表頁則為 訪問UV

高級篩選項點擊次數：在搜索列表頁中，頁面頂部的高級篩選項是為提供快速定位而設立的，高級篩選項的點擊次數和使用率也可以為運營人員提供商品熱度參考。舉個例子：在客人搜索“單肩包”或者訪問單肩包的列表頁，在這些頁面中都會出現比如材質，價格款式等參數項來給用戶選擇篩選，通過監控頁面的篩選參數的點擊次數，可以得到相關“單肩包”哪些款式哪些材質多少價位是消費者主要關注的，并以此來進行主推產品的規劃。

在理出了這些指標之后，如何分析這些指標數據呢？

• 根據搜索詞的搜素次數搜索人數重點關注排名靠前的高搜索量的關鍵詞，搜索量高，代表關注度高，接受性強。
• 熱門搜索詞關注其點擊率與詳情頁到達率。分為幾種情況：一，點擊率過高，UV到詳情頁到達率一般，可能出現了點擊作弊的情況（商戶用來刷新排名）；二，點擊率高，到達率也高。說明該關鍵詞的搜索結果頁面運轉良好同時也說明該關鍵詞頁面排序合理，反之則需要優化。
• 高級篩選項參數點擊次數過低，使用率較少則需要重新設置高篩項展示項目。提高使用率。
• 對于搜索無結果的關鍵詞則需要進行深度分析，是否是系統問題或者為未涉及未引進的產品，并反饋給招商采購部門用以提供采購參考。

總結歸納：針對搜索列表頁的數據分析歸為3點：高搜索詞重點優化提高點擊轉化；無結果詞分析反饋；頁面點擊注重高篩適用率方便用戶快速定位。

分析邏輯：以讓用戶下沉到詳情頁為目的逐一分析，各個擊破。

頻道頁/活動頁

頻道頁和活動頁是常規三級頁面，在B2C電商中起著常規類目集合體和活動流量承接頁的作用，在頻道頁和活動專題頁上也有著數據的計算和分析邏輯，其主要的數據指標也是讓用戶下沉至詳情頁。（基于這樣一種假設，用戶只有在詳情頁才有可能產生轉化，這種假設已經被證明-至少絕大部分情況是這樣。）頻道頁和活動頁雖然具體的數據指標與搜素列表頁有所不同，但是他們的最終目的都是相同的。頻道頁活動頁的數據指標包含：

• 點擊率 =頁面點擊數/頁面UV數；一般情況而言，點擊率用來衡量頻道頁入口鏈接圖和輪播圖的質量，是否吸引人，文案是否貼切相關，當然也能形容商品的鋪排是否合理。
• 到達詳情頁轉化率 =到達詳情頁UV/頁面UV；用以形容活動頁的產品鋪排布局是否合理的指標之一。當然有時候活動頁也是需要考核 成交轉化率 =成交件數/詳情頁UV，有時候還包含 頁面停留時間 的維度。

低點擊率的區域可能存在以下幾種原因，一，是圖片以及圖片里的文案不能吸引消費者點擊，需要調整。二，產品頭圖展示樣式不合理需要調整圖片內容或者調換商品。三，展示區域位于首屏以下，關注度不高-需要調整展示位置。

分析邏輯：還是以用戶下沉為目的，分析涉及的元素逐個排查。

三，詳情頁amp;購物車amp;訂單

詳情頁作為流量轉化的關鍵頁面，是前臺承載商品信息的最基本單位。也是用戶是否決定下單購買的最最重要的一環。因此在分析詳情頁的時候，數據指標更多的是詳情頁的質量和它的轉化率。當然這兩者是相互聯系的，從現有的數據來看，詳情頁的質量高低與其轉化率確實是存在正相關的關系。而詳情頁質量的高低從數據的量化反映來看有兩個數據指標：一，平均頁面停留時間；二，加入購物車數。

平均頁面停留時間=頁面停留總時間/訪問UV數該指標與頁面的呈現布局有著明顯關聯，包含商品參數介紹，詳情圖片描述，客服在線情況，好評率等。

加入購物車數：用以反映該商品有多少有意向購買者，為即將轉化的關鍵步驟。加入購物車的數量多少由基本以下幾個因素決定：

• 詳情頁頁面綜合質量（圖片，排版，展示，參數說明，售后信息）；
• 在線客服綜合服務指數（響應時間，在線時長，答復滿意度）；
• 評價信息（好評率，差評回復內容，曬單信息）。

從數據的角度講，詳情頁反映出的問題僅僅通過一個平均訪問時長是很難概括的，沒辦法分解到具體某一個細節來層層分解問題。不過這個時候“ 經驗 ”的加入就能很好的平衡這一點 。 這里的經驗表示已經經過了長期的實踐且數據論證的結論。（這里給大家安利一下數據觀點：數據不是萬能的，有時主觀的判斷更具代表性，這也是為什么這個世界上有著那么多的出人意料產品和逆風而上的創意）

購物車是一個特別有趣的設置，對于快消品標準品的電商網站來說，設置購物車一方面是為了節省用戶挑選多個商品的付款時間，更出現了一個更加意想不到的好處，就是提高了客單價。在配合滿減用券等促銷手段的幫助下購物車必然能夠起到事半功倍的作用。

在購物車中如果大量積壓了客戶選購的商品，如果用戶始終沒有進行下單支付，即加入購物車數較大，這個時候則需要采用短信催付，郵件催付，以及apppush等手段來促進用戶轉化 。

訂單頁面是縱向轉化的最后一環，在這個界面最主要的目的就是盡量讓用戶盡快付款，達到最后的轉化。考核的數據為： 有效訂單轉化率=成交訂單數/有效訂單數 ，在這個階段促成轉化是較為簡單的如果有效訂單轉化率較低就要分析是否支付頁面存在問題，系統提交流程是否出錯等。在排除系統問題后同樣可以使用短信apppush郵件等手段進行催付。

最后作為總覽全局的用戶轉化指標： UV成交轉化率 =成交訂單數/頁面UV數

作為考核整體用戶轉化的指標； 平均UV價值 =成交金額/頁面UV數作為考核整體用戶質量的指標，值越高，表示質量越高 。

總結：層層下探，逐個擊破直到完成付款

四，復購（橫向持續轉化）

有句老話說的好，叫不做一錘子買賣，因此這里就涉及到一個新的指標 ：

復夠率=一段時間內重復購買的客戶數/一段時間內產生購買的客戶數，該指標則要求我們從橫向時間維度來分析數據 ， 也很容易理解。有據可查，一個成熟期的購物網站其老用戶貢獻的銷售額占據總數的60%-70%之多。因此我們在看到流量漏斗的轉化模型的同時，更加要加深對會員的分層管理，用良好的服務于產品以及具有創意和力度的活動維系你的老用戶。

復夠率過低：1，表示沒有對老會員進行足夠的喚醒，可通過短信push線下廣告等等活動進行推廣激活；2，也有可能近期投入的拉新的資源較多，導致新客增多降低了復夠率，需要核實拉新活動的數據；3，超低價或者超優惠活動引流也會導致大量新用戶引入，也會對復夠率產生影響。上面的兩點并不是對復夠率有壞的影響，針對的客群不同，數據也應有所取舍。

以上就是針對電商下單流程的整個過程，當然有很多模塊并沒有提及，比如智能交叉推薦等。大家只需要理解其中的數據分析的邏輯即可。不同的頁面，不同的時間，轉化用戶的目的不同，根據各個階段的目的，分析不同事件節點的數據，層層推理即用戶數據的分析之道。有關會員管理的相關數據（喚醒激活留存）大家可以自行度娘腦補，不再贅述。

安利幾個針對數據分析中的幾點小tips：

• 不要盲目相信數據，數據為王本身就是悖論，只有結果為王。
• 單日的數據波動較大不具備參考性，需要橫向統計，分析趨勢圖，解釋轉折點
• 能變成圖表就不要用表格展示。
• 分析結論簡單化

以上觀點，均屬于個人見解，不代表權威性不代表絕對準確，謹慎采納。

作者：王小命兒，微信號：wanghuan314400

本文由@王小命兒原創發布于人人都是產品經理。未經許可，禁止轉載。