热门标签 | HotTags
当前位置:  开发笔记 > IOS > 正文

转化率低?应该这样做数据分析!

在互联网业务中,转化率无处不在:投放转化率:有多少人从广告链接,进到我们的商品页面?购买转化率:

在互联网业务中,转化率无处不在:

  • 投放转化率:有多少人从广告链接,进到我们的商品页面?

  • 购买转化率:有多少人在商品页面下单买货?

 

毫不夸张的说,转化率就是互联网业务的核心。没有转化率支撑,再多用户活跃,再多新人注册,再多广告阅读,都是纸面上的虚假繁荣,因此转户率如果降了。常常引得老板大吼:快分析原因!然而数据分析师给的分析结论,常常不令人满意。今天,我们就系统讲讲转化率的问题。



问题场景

某K12在线教育行业,卖课程的大概流程是:广告投放→用户注册→销售邀请试听→试听后销售跟进→客户下单。广告投放由市场部负责,在超过20个渠道分散投放。销售部负责跟进客户,课程部负责出课程。现在8月份1-15日,最终转化率(流程起点到终点的转化率,广告投放→客户下单)暴跌60%,问:如何分析转化率下降问题。

 1 

转化率分析的基本做法

转化率分析的最基本做法:

1、梳理业务流程,先看有几个环节

2、统计过程数据,每个环节多少人,到下个环节还剩多少人

3、统计分类数据,如果总流程由若干子流程构成,分别统计子流程数据

比如本问题场景。基础业务流程包括5个步骤广告投放→用户注册→销售邀请试听→试听后销售跟进→客户下单,因此就有四步转化率:

1、广告投放→用户注册

2、用户注册→销售邀请试听

3、销售邀请试听→试听后销售跟进

4、试听后销售跟进→客户付费

 

同时,由于市场部有20个以上投放渠道,所以存在20个以上子流程。基于以上信息,我们可以归纳转化过程如下图。

由于在转化过程中,每个环节都有用户流失,因此也有形象的叫法,管它叫漏斗模型——如同漏斗一样,越往下越小。

 2 

转化率分析的常见错误

很多新手同学,做完这个所谓的漏斗就开始下结论了: 

  • 转化率低,因为试听→客户付费转化率太低

  • 转化率低,因为A渠道的转化率太低

  • 所以,我们要把试听→客户付费转化率搞高!

  • 所以,我们要少做A渠道转化率搞高!

以上回答,可是基于漏斗模型分析结论呢,老板听了肯定开心

 

开心个屁咧

 

这就是转化率分析的最大问题:简单的复述数据,没有任何分析结论。只要老板不是瞎子,肯定能看到转化率太低,只要老板不是傻子,肯定是想搞高。问题是:怎么搞,谁来搞,搞到多高,为啥是搞高不是换一个。

 

老板希望听到的分析是:

  • 转化率低,是因为产品竞争力差

  • 转化率低,是因为广告投放偏差

  • 转化率低,是因为销售话术不行

这些才是真正的分析结论

 

然而如何把10000人,5%这种数据,对应到一个业务上的具体原因呢?想破解这个难题,得回答三个核心问题。

 3 

转化率分析的强化方法

第一个问题:转化率有没有上限?

答:肯定有!

世界上最强产品力莫过iphone、莫过特斯拉、莫过微信。这哥仨都还没有普及到人手一个,更不用说你那些品牌弱、产品抄袭的小产品。所以一个渠道、一个产品品类,其转化率存在先天上限。明白了这一点,就可以对广告渠道、产品、销售进行转化率分类,看清楚哪些是A级,B级,C级。

 

有了分级,就有了分析的基准线。当我们发现广告渠道、销售人员登记、产品结构发生变化的时候,就能把一个数字上变化,和业务动作关联起来。这样就能一定程度上,把数据推导到业务动作(如下图)。

  

注意,基于一个月的分类可能是不稳定的。比如销售转化率,很可能有四种形态。如果真出现下图所示的,完全随机的业绩分布,那说明销售在整个流程中的作用就是听天由命,很随缘的,就没必要设基准线。其他场景下,则可以灵活设置基准线,没必要一刀切。

 

第二个问题:转化率能不能改进?

答:肯定能改。

 

改进的效果可能有两种

局部改进:只对转化某个环节有作用

全局改进:对各个环节都有作用

 

比如本问题里,广告投放改个文案标题,就只影响用户点不点击广告;销售跟进话术,只能影响试听过用户。但是课程内容增加,课程价格下降,则会影响全过程。毕竟用户是来买产品的,产品便宜了,产品内容多了,都会更吸引力。这些环节的优化效果是可预期的,因此可以做深入分析。

 

所以有了基准线以后,要每一期收集业务改进动作,预判指标变化方向。把开放题变成检验题。这样就能避免干巴巴的说:上升下降,而是一定程度上对应到:因为本次改进发挥了作用/因为新产品不受用户欢迎。

 

要注意:改进不见得全都是我方发起的,也可能是对手发起,引发我们被动改变的。比如

  • 对手挖了我们的人

  • 对手大降价促销

  • 对手上了爆款产品

因此收集对手动作同样重要。并且对对手的动作的业务效果,要有预判。对手做的会对我们产生局部影响(比如推出一个英语爆款,那会影响我们的英语课)还是全局影响(对手全部降价50%),对手啥时间开展的动作(从这个时间起开始统计影响),都要有记录和预判,这样能一定程度上补充信息不全的问题。对外界环境变化做出判断。

 

第三个问题:低了是不是一定要搞高?

答:肯定不是。

比如广告投放,如果一个渠道质量很差, 市场部可以选择放弃这个渠道,转投其他人。销售转化率低,完全可以放弃对销售的培训,转而靠产品、价格吸引人,甚至故意用看似低级的广告,逆向选择客户(这一点在保险、电话销售、传奇类游戏等等领域屡见不鲜)。所以低了到底要不要搞高,完全看业务部门的策略。

 

这样梳理,就发现了影响转化率的第三条暗线:业务策略。业务策略的变化,更多体现在各子流程份额的变化,而导致的整体转化率变化。每一期收集业务策略方向,预判份额变化,把开放题变成检验题。就能一定程度上对应到业务动作(如下图)

注意:业务策略不见得都会成功,很有可能失败,从而导致一些负向变化。特别是对第一次采用的策略。因此不要听信业务说什么“这么做很符合逻辑呀!”再符合逻辑,也得数据说话。做策略调整的时候,要谨慎观察效果。

 4 

小结

经过这三个问题强化,在一定程度上,我们能把数据变化,归因为:

  • 渠道质量先天性下降

  • 销售人员培训不足

  • 新课程不受欢迎

  • 对手降价针对

等等,从而提供更有价值的分析建议。

 

这些分析建议,基于:

1、对渠道、销售、产品基础情况有分级

2、对全流程转化率有长期监控

3、对业务策略,改进动作有收集和预判

4、对竞品动作有收集和预判

少一个,都没法深入下去

 

然而同学们也注意到了,在上边的讲解里,陈老师反复使用了“一定程度”,因为即使你全都都做了,还是会遇到一些稀奇古怪的问题。或者说,转化率分析的真正难点根本不在这里。

 5 

转化率分析真正难点

转化率跌了50%

  • 市场部说:投放到注册转化率没降,所以我没有问题!

  • 销售部说:人员和话术没变,咋可能怪我

  • 课程部说:课程上个月都卖很好,咋可能睡一觉就不行了!

总之都不怪我!

 

请数据分析师深入分析,到底用户不买:

百分之多少因为广告

百分之多少因为销售

百分之多少因为产品

百分之多少因为本泽马

百分之多少因为竞争对手

百分之多少因为用户自己不想买

谢谢!

 

那么问题来了,作为数据分析师

你信谁?

你信了一个人,怎么面对其他人?

 

这才是转化率分析的真正难点。大家都在甩锅,非要你切出1、2、3,咋办!有兴趣的话,本篇集齐60个在看,我们下一篇来分享如何解答这个问题,敬请期待哦。

原创精选:

  • 活动效果的数据分析,这样做才对!

  • 数据运营体系,该如何搭建

  • 数据分析,这样满足运营的需求

如何应对各个强势部门的Battle?没有能快速解决问题的学习方法,但是陈老师的一对一服务能帮助你。扫描下面二维码,学习陈老师的《业务知识一站通》视频课程,可加入学员群,获得陈老师一对一指导。

《业务知识一站通》

长按扫描二维码
了解陈老师的视频课程

还可加入学员群

享受陈老师一对一咨询服务

点击“阅读原文”试听视频课程


推荐阅读
  • 稳操胜券,35K薪资,字节跳动商业数据分析岗位
    在数字化浪潮中,掌握数据即掌握未来。正如马云在IT领袖峰会上所言:“未来的竞争将是数据的竞争,只有实现业务的数据化和数据的业务化,企业才能在激烈的市场竞争中脱颖而出。”字节跳动的商业数据分析岗位,正是这一趋势的体现,提供35K的薪资,吸引着众多数据精英。 ... [详细]
  • 修复一个 Bug 竟耗时两天?真的有那么复杂吗?
    修复一个 Bug 竟然耗费了两天时间?这背后究竟隐藏着怎样的复杂性?本文将深入探讨这个看似简单的 Bug 为何会如此棘手,从代码层面剖析问题根源,并分享解决过程中遇到的技术挑战和心得。 ... [详细]
  • 优化后的标题:利用 jQuery 实现高效树形结构元素选择与操作
    在Web前端开发中,DOM结构本质上是一种树形结构。通过优化后的jQuery选择器,可以高效地选择和操作DOM树中的节点。这些选择器不仅简化了代码编写,还提高了性能和可维护性。本文将详细介绍如何利用jQuery的树形选择器实现高效的元素选择与操作。 ... [详细]
  • 大家好,全新的技术专栏《从零开始掌握容器云网络实战》正式上线。该专栏将系统地介绍容器云网络的基础知识、核心技术和实际应用案例,帮助读者全面理解和掌握容器云网络的关键技术与实践方法。 ... [详细]
  • 【Linux进阶指南】第一阶段第三课:体验与部署Ubuntu系统
    在正式踏上Linux学习之旅之前,本课程将引导你深入体验和部署Ubuntu系统。通过详细的操作步骤和实践演练,你将掌握Ubuntu的基本安装、配置及常用命令,为后续的进阶学习打下坚实的基础。此外,课程还将介绍如何解决常见问题和优化系统性能,帮助你更加高效地使用Ubuntu。 ... [详细]
  • AdMob 广告变现潜力几何:收益预测与分析
    Google AdMob 为不同规模的应用开发者提供了一种高效且便捷的盈利途径,通过在应用中展示精准定向的广告来实现收入增长。本文将深入探讨 AdMob 的广告变现潜力,结合实际案例和数据,对收益进行预测与分析,帮助开发者更好地理解和利用这一工具。 ... [详细]
  • 在前一篇文章《Hadoop》系列之“踽踽独行”(二)中,我们详细探讨了云计算的核心概念。本章将重点转向物联网技术,全面解析其基本原理、应用场景及未来发展前景。通过深入分析物联网的架构和技术栈,我们将揭示其在智能城市、工业自动化和智能家居等领域的广泛应用潜力。此外,还将讨论物联网面临的挑战,如数据安全和隐私保护等问题,并展望其在未来技术融合中的重要角色。 ... [详细]
  • C#微信开发入门教程第二篇:新手快速上手指南,含详细视频讲解
    在距离上次课程一个多星期后,我们终于带来了第二讲的内容。虽然原计划是一周一次更新,但由于工作繁忙有所延迟。近期在交流群中发现,一些初学者已经能够熟练调用微信接口,但对微信公众平台的消息接收处理机制还不够了解。因此,本次课程将详细介绍如何高效处理微信公众平台的消息接收,并提供详细的视频讲解,帮助大家快速上手。 ... [详细]
  • STAR: 转录组数据分析中的高效比对工具介绍
    欢迎关注“生信修炼手册”!STAR 是一款专为 RNA-seq 数据设计的高效比对工具,以其卓越的速度和高灵敏度著称。该软件在处理大规模转录组数据时表现出色,能够显著提高比对效率和准确性。此外,GATK 推荐使用 STAR 进行预处理步骤,以确保后续分析的可靠性。 ... [详细]
  • 如何避免论文被频繁拒稿?检查是否触碰了这些常见误区
    如何避免论文被频繁拒稿?检查是否触碰了这些常见误区 ... [详细]
  • 苹果与华为智能手机性能全面对比分析 ... [详细]
  • 如何恢复已删除的QQ聊天记录?多种实用技巧分享
    如何恢复已删除的QQ聊天记录?尽管微信已成为主流即时通讯工具,但仍有大量用户依赖QQ进行日常沟通,积累了大量的聊天记录,其中不乏珍贵的回忆。如果不慎删除了这些记录,可以通过多种实用技巧进行恢复,例如利用云备份、第三方恢复软件或系统自带的恢复功能等方法。本文将详细介绍这些方法的具体操作步骤,帮助用户轻松找回丢失的聊天记录。 ... [详细]
  • 魅族Flyme 7正式发布:全面解析与亮点介绍
    在22日晚的发布会上,魅族不仅推出了m15、15和15 Plus三款新机型,还正式发布了全新的Flyme 7系统。Flyme 7在保持流畅体验的基础上,进一步增强了功能性和实用性,为用户带来更加丰富的使用体验。首批适配包已准备就绪,将逐步推送给现有设备。 ... [详细]
  • 2019年斯坦福大学CS224n课程笔记:深度学习在自然语言处理中的应用——Word2Vec与GloVe模型解析
    本文详细解析了2019年斯坦福大学CS224n课程中关于深度学习在自然语言处理(NLP)领域的应用,重点探讨了Word2Vec和GloVe两种词嵌入模型的原理与实现方法。通过具体案例分析,深入阐述了这两种模型在提升NLP任务性能方面的优势与应用场景。 ... [详细]
  • 新年快乐,大家好!在这个喜庆的时刻,家家户户都在忙着准备丰盛的年夜饭。春节期间,欢乐与祝福是必不可少的,而发送红包则是传递喜悦和好运的重要方式。希望大家在新的一年里幸福美满,红红火火。 ... [详细]
author-avatar
强子
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有