本篇聊一聊關於轉化的分析圖表，上一篇中也講到的，文章內容給大家一個借鑑參考，有各種不足或錯誤，歡迎評論交流。
轉化
在完成引流的工作後，下一步需要考慮的就是轉化了，一個嶄新的用戶一路走來到完成交易，中間需要經歷瀏覽頁面（下載app）->註冊成為用戶->登陸->添加購物車->下單->付款->完成交易（這段過程，在不同的公司中可能不同，例如家裝互聯網公司完成交易的過程就會分為交定、簽約、開工、竣工等）。每一環節中都會有用戶流失，提高各個環節的轉化率，一直是互聯網公司運營的最核心的工作之一。轉化率的提升，意味著更低的成本，更高的利潤。
分析目標：瞭解各環節轉化情況，分析其異常或不合理情況，進行調整，以提升各環節的轉化率。
分析角度：
1.觀察各環節轉化率，分析其合理性，針對轉化率異常環節進行調整
2.追蹤轉化率變化，用於異常定位和策略調整效果驗證
3.觀察各渠道轉化情況，定義渠道價值，並依此適當調整運營策略
4.分析各環節轉化週期，分析用戶習慣，為制定運營策略提供依據
分析方法：
關於轉化率的各種名詞也特別多，有靜默轉化率、登陸轉化率、諮詢轉化率、付款轉化率等等，然而並不需要考慮這些詞，只要關注用戶從接觸應用到成交中的幾個環節就好。我們依然使用圖表的形式來從各個角度對轉化數據進行展示分析。
1.觀察各環節轉化率，分析其合理性，針對轉化率異常環節進行調整
如上圖所示，傳統漏斗圖只能顯示一條路徑的轉化率情況，稍加修改後，可實現對比功能，例如上圖所示的新老用戶的轉化率的對比。可以根據實際情況中在該圖中加入更多環節，例如註冊、收藏、開工、竣工等。
從上圖中，我們可以發現這樣一個問題，下單到付款中的轉化率過低，正常來說，用戶只要下單，付款的比例是比較大的。對於這個異常，我們來做下猜測：對於我來說，下單之後沒有付款的原因有以下幾個：
1).又看了下其他家的商品或服務，發現了更好的，就取消了付款；
2).付款前習慣性的問下相關的人進行確認，然後發現計劃有變，所以取消付款；
3).到了付款的時候發現居然不支持支付寶，無奈取消付款；
4).下單後被告知沒貨
5).頁面好卡，怒而棄之；
6).餘額不足。。。
總體上可以分為兩類：用戶本身原因，系統設計原因。上圖中這麼出現付款率這麼低的情況，基本上可以確定是系統原因。然而具體是哪塊的設計出了問題，可以進一步細化追蹤。
如上圖所示，點擊相應階段，聯動出下面各渠道與各業務的轉化率明細，可以看出，各渠道的轉化率差別較大，其中pc端轉化率明顯偏低，而各業務之間的轉化率差別不大，基本可以確定，是pc端存在問題，導致轉化率偏低。
上圖中將轉化率與各階段端訪問數量放在一個頁面中，便於對整體情況的把控，為調整運營策略提供參考作用。
上圖中的付款轉化率低的太明顯，只要不瞎都能看出這轉化率出了問題，但是往往轉化率的問題並沒有這樣的明顯，那怎樣定位自己的轉化率是否合理，哪個階段的轉化率有提升空間呢？繼續看下面這張圖
上圖是通過多角度對比來分析業務轉化率的健康狀況，包括與自己同期對比、行業中與自己相似產品對比、行業中優秀的產品對比。對比各環節轉化率的不同，產生數據上的衝擊，所有落後的節點，都是可以提升的空間。或許對於很多業務來說，行業數據與對手數據並不是很好獲取到（一般電商是可以通過京東數據羅盤或阿里的數據魔方獲取到行業數據），那麼就減少對比的維度，或者選擇可替代的數據來對比，例如相近行業數據、目標值等等，儘量知彼，一定知己。另外加一句，很多公司都有手段獲取到你認為它應該沒有的數據，大家各顯神通，辦法還是有的。
2.追蹤轉化率變化，用於異常定位和策略調整效果驗證
除流量外，轉化率也是需要追蹤的，將時間的維度拉開，分析各階段轉化率隨著時間的波動，也是很有看點的。
如上圖所示，在4月17日到21日中間，轉化率出現下滑趨勢，通過渠道轉化率與業務轉化率兩個圖表的聯動，可以追蹤定位導致轉化率下滑的渠道或業務。常見的原因，公司運營部門投入了某個渠道進行推廣，新的渠道帶來了新的流量，而該渠道所引入的用戶質量卻偏低，拉低了整體的轉化率。
還能看到的是，在4月22號之後，轉化率開始抬頭，並且維持了較高轉化率，不管這次轉化率的提升是活動營銷導致的，還是產品改進導致的，或者是運營調整導致的，這都是一個響噹噹的業績，也可以梳理這次工作的要點，作為成功經驗來為公司下一波發力做準備。
3.觀察各渠道轉化情況，定義渠道價值，並依此適當調整運營策略
現在互聯網的推廣渠道特別多，前面幾個圖表中，我將渠道定義為pc端、app、微信之類其實並不嚴謹，對於這些大類渠道的分析，需要從產品層面去考慮，每一點的優化與分析，最終都落實到產品優化上，才體現價值。而深入這些大類渠道進行細分，例如營銷短息、百度競價、廣告站點等，就會有運營層面來考慮的問題，在上一篇(轉化率)中也提到，渠道的價值，單獨看流量或轉化率都是不夠的，需要綜合來考慮。如下圖所示：
氣泡圖在傳統圖表中信息量涵蓋相對是比較大的，上面這張圖x軸和y軸分別表示流量和轉化率，y軸可以根據分析內容不同切換成點擊率、註冊率、架構率、下單率等等，氣泡大小表示的為渠道roi。從上圖中可以看出，在右上象限中的渠道價值是比較大的，再綜合考慮roi，還可以看出渠道性價比情況。
氣泡圖信息量較大，可將上圖一拆二如下圖：
這種四象限分析對比分析方法用於某個時間段內或者針對某個營銷事件的分析，只能看到點，若要進行更深層次的分析，還要結合渠道的發展趨勢一起看。可以採用下圖方式(散點圖與趨勢圖形成聯動，渠道綜合價值與趨勢相結合。)：
4.分析各環節轉化週期，分析用戶習慣，為制定運營策略提供依據
這種場景通用性並不是很強，會和公司業務相關聯，有些業務的交易是分成多個階段來完成，這種情況可以對轉化週期進行分析。
上圖中可以看出，該業務的付款與成交一般在前四周完成，而第五週開始趨於穩定。知道以上信息後，可針對第五週未付款或完成交易的用戶進行詢問，提高轉化率。另外可制定四周內完成交易有獎勵等活動來縮短成交週期，因為圖中可以看出，絕大部分用戶四周時間足夠完成服務檢查、訂單確認等工作。
轉化率是所有訂單導向的互聯網公司非常關注的指標，以上的介紹只是淺層的、簡單的分析，更多的偏向於結果展示。對轉化率的影響因素非常多，深入分析抓住問題的根本，還需要一些挖掘方法相配合，很多公司也有專人或團隊來負責分析工作。在公司完成用戶的拉新和轉化之後，也該關心用戶的存留問題了，大部分互聯網公司，是有相當一部分的訂單是由老客戶產生的。關於存留數據分析，後面會進行介紹。歡迎交流！
閱讀更多 格老子的geju201466 的文章
