若要精确提升注册转化率，以下这三个关键要素您需了解

对于互联网从业者而言，转化率这一指标可谓耳熟能详，诸如注册转化率、购买转化率等，我们时常会予以关注。这些转化率指标与网站的运营紧密相连：注册转化率能够衡量网站获取用户的水平；购买转化率则能反映网站实现营收的能力，对营收有着直接的影响。

倘若存在两个相似的电商网站，它们的流量规模相近。要是其中一个网站的购买转化率较高，那么通常来说，其营收往往会更为可观。

一、影响转化率的三大因素

今日的课程重点围绕线上交易类网站展开，涵盖但不限于 O2O、P2P、内容社区等类型的网站。众所周知，影响转化的因素众多，难以一一罗列。基于过往的工作经验，我们能够从三个主要角度加以剖析：流量渠道、用户营销以及网站/APP 体验。

这三大因素实则是外部（渠道流量）、内部（用户营销）和内部（网站/APP 体验）的关系。渠道流量是从网站外部获取的。用户营销针对的是网站已有的或已获取的用户，所开展的一系列运营与营销工作。网站/APP 体验则能够通过内部的产品、设计、工程等部门来优化，同样属于内部因素。

二、流量渠道

第一个影响因素为渠道流量，主要通过优选渠道和量化分配这两个步骤来解析如何提升转化率。

何为“优选渠道”？

在营销或运营过程中，我们会选用多个渠道，其中有优质的，也有欠佳的。渠道质量会直接在转化率上得以体现，最终影响网站的营收。“优选渠道”意味着我们应当尽可能选取质量优良的渠道，舍弃质量差的渠道，让既定的投放预算发挥出最大的成效。

何为“量化分配”？

完成第一步的渠道优选后，假设您获得了 10 个质量较好的渠道。此时，问题来了：在预算有限的情况下，如何对这 10 个渠道进行资源分配？

以往，我们更多是凭借经验或者对业务的理解，非常主观地进行渠道资源分配。现今，我们更倾向于从量化或者数学的角度，结合对业务的理解，去思考如何精准地为不同渠道分配资源。

案例：某电商网站购买转化率

这是关于一个电商网站的全站购买转化率状况，我借助 GrowingIO 的【漏斗分析】功能获取到该网站每一步的购买转化详情，用户从首页历经列表页、详情页，再到购物车，直至最终支付成功。同时，在红色方框内，存在一个总的购买转化率——1.5%，实际上这个数值并不高。

在【漏斗分析】中选择【维度对比】，对比不同渠道来源用户的转化功能。如下图所示，红色方框内展示的是访问来源 1 和访问来源 2 的每一步转化率比较。

我们能够观察到，访问来源 1 和访问来源 2 这两个渠道，它们的总体转化率都极为低下。同时还发现访问来源 1 的流量规模非常大。那么这时，依据我们的业务判断，可能会出现两种情况：

第一种情况：这个渠道本身质量较差。

第二种情况：或许它是一个辅助渠道。在这个渠道上的投入可能不多，但是流量却特别大。

针对这两种情形，我们应当分类处理问题。如果该渠道质量本就不佳，但是流量很大，我们能否考虑优化这个渠道的投放，例如广告内容、关键字、落地页设计等，并观察一段时间。

倘若该渠道质量不差，只是一个辅助渠道，那么此时我们可以采取观望策略，观察其发展趋势以便后续优化。

当我们筛选出渠道后，剩余 10 个较为优质的渠道，那么这 10 个渠道又该如何分配资源呢？以下是通过 GrowingIO 监测到的该网站从不同渠道获取的流量情况：

结合业务经验，我们知晓搜索引擎渠道（如百度 SEO 和 SEM）的客户匹配精度相对较好，应当加大投放力度。但具体投放多少呢？我们需要通过数学方法来量化不同渠道和总体转化率之间的关系，以求得最优解。

最上方的式子 转化率=F(渠道 1_PV，渠道 2_PV，···，渠道 n_PV)表明最终的转化率是各个渠道流量的函数结果，也就是说我们要先明确转化率和各个渠道流量之间的函数关系。那么如何确定这一函数关系呢，大家可以结合业务实际情况或者行业经验。

方法一：线性模型

较为简单易懂的是线性模型，渠道流量和最终的转化呈固定比例，在图表上呈现为一条直线。当然，这属于一种极为极端的情况。

方法二：时间序列

还有一种情况，它会呈现出一种季节周期波动的关系。可能在 Q1、Q2 呈现上升趋势，而到了 Q3、Q4 则有所下降。

同时之前的转化率，与当前的转化率也存在一定关系。这里的转化率 t，指的是当下的转化率。在时间序列公式中转化率 t-1，这个 t-1 转化率指的是上一个周期的转化率。

找到渠道流量和总转化率之间的关系后，接下来就要求解这个大 F 的值，这个大 F 就是我们的转化率。同时，它存在一个限定条件，即我们的总花费 M。

最终优化问题的解，是一个优化后的投放组合，即一组系数，从数学角度来讲是一种系数，但从实际业务角度来看，它是不同的投放组合。

上图为我们渠道投放前后的效果对比。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；经过一轮新的渠道优化，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）大幅上升。

这个案例表明，在资源有限的情况下，通过渠道优选和量化分配，能够有效地提升转化率。

三、用户营销

用户营销是什么？

其实就是针对我们网站内用户开展的一系列运营活动，涵盖拉新、激活或者唤醒等动作。通过这些活动，促使我们的用户在网站上反复购买。

而且这种购买是高效的，并且这样的运营或者营销是精准的。如此，才能最终达成提高我们整体购买转化率的目标。

如何开展用户营销？

步骤一：明确业务场景，通过绘制用户画像，精准定位我们的目标用户。

步骤二：在第一步的基础上，找到目标用户后，进行精准营销，也就是所谓的激活或者唤醒，促使这部分目标用户在我们的网站上进行购买，从而提升最终的转化率。

如何绘制用户画像？

业内较为常用的一种方法，就是对用户价值度进行分级。我们提到用户价值度这个词时，实际上是比较模糊的，那么如何精准地为这个价值度进行分级呢？

我们借鉴业内常用的 RFM 模型：R 是 Recency，即最近一次购买距离现在的时间；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。我们能够从这三个维度对用户进行分级，将其划分为 8 类，这 8 类足以涵盖我们想要说明的用户价值。

例如，近期有购买或使用行为、高频次使用且高金额消费的用户，我们可以将其定义为我们网站、平台或 APP 的高价值用户。

通过这种划分，我们能够将整体用户分为不同的等级。但要理解这种分类，仍需结合实际业务。

举个例子，假设我们现在是一个电商网站，正在举办一个促销活动销售较贵的数码产品。

那么此时，我们就要找到高价值用户，向这部分用户推送活动，而并非向网站的所有用户进行推送。原因在于，高价值的客户购买我们新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，还存在其他分类方式：

根据会员属性进行分类，比如用户的性别、所在城市、使用设备、登陆次数等。

根据用户的活跃度进行分类，将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？指的是那些已经注册，但从未进行购买的用户。

根据用户的购买偏好，结合实际购买场景进行分类。同时也可以根据用户对预定平台和推广渠道的敏感度来划分。

还可以通过注册来源分类，例如 PC/APP/H5。假如我们网站的大多数会员是通过 APP 端注册的。那么我们开展一些激活活动时，应当重点在 APP 端发力，而非选择在 PC 或者 H5 这样的端口。

四、网站/APP 体验

不管是 O2O、P2P 还是内容社区等类型的网站，一些常见且关键的体验问题都会对购买转化率产生严重影响，比如：支付环节的流畅度、页面是否简洁易操作、图片质量是否清晰、搜索是否精准匹配等等。

支付环节流畅，若支付体验流畅，用户流失的可能性会大幅降低；

页面简洁且操作容易，像阿里巴巴、京东或携程这类大型网站，页面按钮众多，但有时反而会影响最终的转化流程，因为在整个转化流程中，过多的点击按钮和出口，容易导致用户流失；

图片质量方面。比如我们在网站进行购买时，很容易由于图片分辨率低、带有水印、光线不佳等因素影响对产品的判断，从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，最终出现的却是芒果干或芒果糖等，实际上并未精准匹配用户需求，结果会严重影响用户体验，导致用户需求无法满足而流失。

案例：某电商网站转化率

上图的转化漏斗中，最后一步，从点击购物车到点击支付的转化率特别低，可这究竟是为什么呢？

用户明明点击了购物车，有购买意向，可为什么最终没有支付成功？

普通的数据分析产品、粗糙的漏斗是无法找出原因的，只能看到这步转化率低，至于为什么，却不得而知。因此，产品经理不知道如何优化，市场运营人员也不知道从何处着手调整。

我们运用【用户分群】功能，将所有“进入购物车但未点击支付“的用户进行分群，查看这一步流失的人群，到底经历了哪些情况。

分群之后，我们查看【用户细查】（GrowingIO 新推出的强大功能，能够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）。

我们发现了一个有趣的现象，在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。但随后他发现自己未登录，输入登录信息又未成功，再点击忘记密码，进入找回密码页面。

关键问题是，按常理来说，在找回密码的页面上设置完密码后，就能够正常登录。但这个用户却反复在忘记密码、找回密码之间徘徊，这是为何？

然后我们亲自体验了一下，发现修改密码这一页存在 BUG，无法修改密码，导致用户来来回回无法完成这一步，最终必然会造成用户的流失。

如此，通过漏斗对比、用户分群、用户细查，一步步进行数据追踪，终于准确找到了问题的根源，这样产品经理才能清楚在哪里进行修改，否则，产品经理只能不停地进行各种试错、各种猜测，不停地浪费时间和精力做无用功。

总结

从三个主要维度（渠道流量、用户营销、网站/APP 体验）思考如何提高购买转化率，然后再通过不同维度进行细分，展开更深入的分析，并结合业务实际，最终通过数据持续驱动业务增长、增长再增长。