这样进行转化分析，想不提高用户转化都难

流量进来如果没有转化，运营人员的拉新工作可能将被认为毫无意义。

转化一直是运营人员比较关心的话题。如何制定提升转化率的运营策略，必然离不开经过数据分析后的新发现和新洞察。

本文将介绍转化分析的基本逻辑与流程，并分享常用的转化分析方法与注意事项，希望能帮助运营人员快速找到有效提升转化率的方法。

在进行转化分析之前，我们心中必须有一个明确的产品目标，才不会盲目地为了分析而分析。产品目标需要与业务息息相关，这样能让后续的分析有的放矢，还能帮助运营人员指导业务实践。所以，我们先来谈谈如何设定一个合理的产品目标。

没有目标的分析，即使发现了问题，也很难真正地帮助产品成长。所以，明确产品目标是一切分析的前提。

下图为Engagement Loop（用户参与回环）模型，该模型按照用户体验产品的程度，划分为五个互相连接和循环的阶段。借助该模型，我们可以入手拆解自身的业务，确定每个阶段的业务目标与实践方向。

Engagement Loop模型中的五个阶段，无论是C端产品还是B端产品都基本适用：

• 第一阶段，Curiosity (引起兴趣)

在这个阶段中，用户对产品进行初步的了解，产生一定的兴趣。通过老用户分享、广告投放等方式，如果能成功唤醒用户的兴趣，将用户引流到活动的落地页中来，就达到了第一阶段的目的。

如果一个用户在落地页中成功下载或注册了产品，并且完成了首次启动或体验，那么他就向参与回环的第二阶段进行转化。

• 第二阶段，A-ha Monent (顿悟时刻)

这个单词最初是心理学中指思考时的一种愉悦体验，相当于我们常说的“茅塞顿开”。在产品设计中指用户在体验产品初期时认识到产品价值的时刻。产品需要带给用户良好的体验，争取在短时间中将自己的核心理念和价值传递出去。

在产品设计中，用户从Curiosity向A-ha Monent转化的时间间隔越短越好。因为整个转化的过程像下载一个大容量的文件，用户不希望在中途卡住。帮助用户尽快地认识到产品的“爽点”，对于后续的转化与留存帮助非常大。

但是，不同类型的产品需要具体分析，向A-ha Monent转化的时间不能一概而论。以易观方舟为例，B端产品的整个转化路径相对较长，用户从官网初步了解，选择注册下载感兴趣的白皮书或公开课，仅完成了第一阶段。之后用户在官网体验Demo，再到真正将产品应用到自己业务中，创建分析并利用分析结果优化运营流程，需要花费很长一段时间去体会产品的核心价值。

但对比一些社交类或者电商类的C端产品，A-ha Monent的转化相对更快。用户添加了几个朋友聊天互动，或是在APP主页浏览到了心仪的商品，往往就能理解产品的核心功能带来的利益。

• 第三阶段，Value Exchange (价值交换)

在用户认可产品的价值后，我们希望用户付出一定的成本与我们进行等价交换，可以是金钱（例如，用户在电商平台成单），也可以是时间、注意力、数据等。

• 第四阶段，Trigger (触发机制)

为了实现第三阶段的价值交换，我们往往会在产品内部设计很多所谓的触发器，例如会员等级、连续签到奖励；同时在外部制造刺激，例如降价活动、派发优惠券。

第三阶段与第四阶段是往复发生的过程，我们需要一整套的运营动作，增加用户对产品的黏性，将用户沉淀下来。

• 第五阶段，Social Proof (社会认同)

能不能得到用户的普遍认同和推荐，是在整体上检验产品是否过关的标准。尤其在今天高度信息化的社会，搜索和查看其他用户对产品的评价非常便利，产品的社交属性变得愈发重要。

所以说，目标的设定应该是阶梯式的，不同阶梯的目标可以对应到用户的不同阶段。虽然设定目标的方法千变万化，但设定目标的原则是共通的：

1. 明确产品提供的价值是什么；

2. 自上而下设定，先确定高级用户所要达到的目标，然后向下延展；

3. 监控达到每个阶梯目标的用户数，差距过大时增加阶梯；

4. 不定期更新阶梯目标。

以Twitter为例，看其转化分析中的阶梯目标是如何确立的。下图为2010年左右，Twitter产品早期时，其产品团队根据用户使用Twitter的程度，设置的七个阶梯转化目标，即从一个新手用户如何成长为一个成熟用户的七步转化。

第一阶段对产品有大致的理解和印象，第二、三阶段让用户体验Twitter作为一个社交媒体最核心的浏览内容功能，如果用户在浏览内容中获得了乐趣，经历了所谓的A-ha Monent，后续就会进入价值交换阶段。

用户花费时间和流量，下载应用的APP到手机中，以换取更加舒适的使用体验。接下来用户可能会更深层次地体验Twitter的多种功能，参与到内容生产中去，甚至与其他用户建立起社交联系。

正如上文提到设定阶梯目标的基本原则，一个好的阶梯目标必须根据实际情况及时更新。Twitter发展到现在，其阶梯目标也发生了很多的变化。最重要的是，目标要与当下产品情况相匹配，明确且具有可操作性，能够指导后续的转化。

得到这样的阶梯目标后，后续的转化分析都要为目标来服务。

具体到转化分析中，我们需要对阶梯之间进行数据监测。从任何一个阶梯入手，都可以纵向或横向展开进行转化分析。

下面以A-ha Monent这个阶段的转化为例，详细解读如何开展一个完整的转化分析流程。

• 转化分析的节点把控

纵向的转化分析，需要对整体的业务转化情况进行了解和把控。在分析之前，需要列出通往A-ha Monent的所有节点，根据节点创建转化漏斗，确定转化周期。

以易观方舟为例，来看看该产品通向A-ha Monent的关键节点。（注：以下数据均为虚拟）

第一步，用户访问易观方舟官网；第二步，用户在官网中完成注册，注册时提供的表单可以获得用户授权的基本资料；第三步，用户主动集成易观方舟的SDK（注：SDK即Software Development Kit，软件开发工具包），使得易观方舟可以采集数据帮助用户进行数九分析；第四步，使用易观方舟自定义创建分析模型。

选择的节点是转化路径中相对重要的核心事件。确定节点后，接着选择合适的转化周期。转化周期是一个转化漏斗从第一步到最后一步所经历的时长间隔。

在上述案例中，如果将转化周期设置为7天，而用户从访问官网到创建分析经历了10天的时间，这其实不算成功的转化，因为已经超过了转化周期的时长。

面对不同的产品，我们需要规划相应的转化路径，找到适合的周期，最终得到的数据解读才可能是准确的。在这一步的基础上，为了更深刻地理解业务，我们还要继续增加维度，进行细分工作。

• 转化分析的进一步细分

为了让转化分析能指导运营策略优化，我们会在转化分析中增加维度，细致地看某些类型或者特征下的转化情况。下图为以电话沟通作为变量的转化效果对比，我们会发现有电话沟通的转化率会更高。

按照这种思路，我们就可以将用户按照地区、性别、年龄等人口统计学特征进行细分，就能发现不同用户的转化情况之间存在差异。我们应当尽力确保产品设计时想要服务的用户群，与最快转化的人群重叠。

以某面向白领人群的社交类产品为例，在通过易观方舟创建分析后发现，一部分用户因为操作习惯与产品的设计相符合，在短时间内获得了良好的体验，转化率偏高。再进一步分析发现，在整体的用户中白领这一标签的人群转化率并不理想，反而是学生用户的转化率更高。

这时候就出现了需要调整的问题，可能是在设计中错误地规划了产品功能的核心价值、产品的价格定位，或者产品观念的传递方式。

除了根据人口统计学特征进行细分，我们还可以通过多种细分维度，例如电话沟通、广告投放等营销方式对于用户转化的影响。

由此，就可以找到提高目标用户群转化的最佳方式，分配给这个渠道更多的预算。这就是我们按照目标纵向拆解并不断细分的目的，是为了找到影响用户转化率的本质问题。

横向的转化分析是指在纵向的转化路径中，我们还需要对每一个关键节点进行扩充。

在转化分析中，我们需要先看整体的转化数据，查看阶梯目标之间的转化效果。如果发现此时的数据不理想，就需要横向展开，针对一个核心事件达成前的用户动作，横向拆解出细分漏斗。

同样以易观方舟为例，第二步是指用户在易观方舟官网成功注册。然而，注册成功只是最终的转化事件，在注册成功之前，用户还需要几步动作的跳转。

图中术语注释：

1.CTR（Click-Through-Rate,即点击通过率，指网络广告的实际点击次数除以广告的展现量）

2.LP（Landing Page,落地页）

3.PV（Page view,即页面浏览量）

从任一渠道进入易观方舟官网的用户，首先会从渠道访问落地页，落地页中有注册页的链接；然后，用户在注册页中填写表单；接着，注册也会分为若干个步骤，例如设置密码、填写验证码等。

横向的转化分析针对在某个纵向流程中流失的用户。纵向分析时发现注册成功这一关键节点的用户流失严重，10000名用户仅有2000名注册成功，转化率仅为20%，于是对该注册成功进行横向分析，梳理出用户进行注册时的细化步骤。

通过下方表格，我们可以看到用户从曝光到点击、到落地页和注册页的访问路径，进行集中分析。

假设产生曝光的10000位用户都是通过百度投放的搜索引擎广告而来，成功接入的流量有30%的跳出，说明其实只有7000位用户进入到后续的注册中。

7000位用户仅5000位访问了注册页并完成了第一步，到最后的注册成功前，每一步都有用户的流失。那么，每一步的流程中都有可以优化的点，这就是转化分析最终能带来的业务价值。

纵向和横向的转化分析，相当于一层层地构建用户漏斗，每一层漏斗都关联一个业务的大目标或是小目标。

现实情况往往比假设更加复杂，结果也会不如假设中的理想，用户在访问过程中的行为是多元的，因此我们必须考虑好归因问题，使得整个转化分析更精细和严谨。

像用户访问易观方舟官网之前，前期产生的品牌曝光来自各种渠道，如何有效衡量渠道就涉及到了归因模型的选择。常见的归因模型有如下图所示的5种类型，关于归因可详细阅读《都说归因是门“玄学”，从头到尾了解一下？》

在电商平台中，归因模型的必要性表现得尤为明显。例如，用户通过百度搜索进入了京东某产品的落地页中，在此之前用户已经通过微信朋友圈或其他渠道的访问将该产品加入到了购物车中。用户最终完成了对该产品的购买，但百度搜索这一步只是一个助攻的渠道，并没有直接带来转化，但这一步是相当重要的。

因此，我们应该摒弃以往盲目选择末次触点归因模型进行归因的做法，回归到流量来源和渠道投放本身，选择最佳的归因模型，使得后续的转化分析与解读更具科学性。

近期白皮书