注册转化率,购买转化率等等,这些指标或多或少都和网站最后的营收有关。
例如两个不同的电商网站,体量一样,一个网站的购买转化率高,那么最终的营收一定更高。在这里我们不限于 o2o,p2p,社区网站等,就一般性地讨论如何精准提高转化率?
影响转化率的三大因素(维度):
- 用户营销(内部因素)
- 渠道流量(外部因素)
- 网站、APP 体验(内部因素)
注:内部因素是指对已有用户进行维护
渠道流量
渠道投放时,一定有一个投放渠道集合,有效果好的,也有差的,好坏的标准体现在购买转化率上。
所以,如何选择投放渠道呢?
优选渠道
对于所有渠道,首先考虑的是如何将有限的成本分配到不同的渠道中呢?我们可以对不同渠道进行统计:
总转化率(红框内容)为 1.5%,并不高。
通过对比,我们发现访问来源 1 和访问来源 2 总转化率很低,同时访问来源 1 的流量却非常大。依靠业务判断,我们认为可能性有两种,一种是渠道质量比较差,另一种是该渠道为辅助渠道,投入较少。
如果是第一种,我们应该思考的是如何优化该渠道?
如果是第二种,我们可以考虑维持该流量,同时观察未来的表现。
量化分配
完成初步的渠道筛选,我们最终得到了几个渠道:
投放组合与购买转化率的关系:
然后我们需要思考的是:在资源有限的情况下,这样的投放组合最好吗?
此时我们需要依赖对业务的理解,不同搜索引擎的渠道哪些渠道需要投放更多?哪些更少呢?大到多少小到多少也要依赖于经验。
除了凭借经验来进行投放,如何能使投放变得更精确呢?
我们需要找到各渠道与最终转化率的关系,量化投放,寻找最优投放策略。
1 | 转化率=F(渠道1_PV,渠道2_PV,渠道3_PV,...,渠道n_PV) |
根据数据的特性,此处可能是简单的线性关系也可能是呈周期性的时间序列,依照具体数据特点决定。
1 | 线性模型:转化率 = a0 + a1*渠道1_PV + a2*渠道2_PV + ... + an*渠道n_PV |
在已经确定的条件下,我们需要对投放进行优化:
求解转化率 F(渠道1_PV,渠道2_PV,渠道3_PV,...,渠道n_PV)
的最大值,获得优化的投放组合
限定条件: 总花费 = M
比较优化前和优化后的策略结果:
用户营销
用户营销是指进行的网站运营、营销活动,用于提高转化率。
确定业务场景,绘制用户画像/标签
另外还有一些常用的分类:
- 会员属性:性别,城市,设备,登陆次数..
- 活跃度:未转化会员(之前注册未购买),新会员,活跃会员,沉寂会员,….
- 购买偏好:根据业务场景,预定平台,推广渠道敏感,….
- 注册来源:平台(PC,APP,H5等),推广渠道,….
精准营销
业内(市场类营销)常用 RFM(Recency、Frequency、Monetary) 模型,对用户价值度分级:
- 近期有使用\购买,高频词,高金额消费用户: 高价值用户
- 近期有使用\购买,高频次,低金额消费用户: 活跃的小金额用户
- 近期有使用\购买,低频次,高金额消费用户: 活跃的高潜力用户
- 近期有使用\购买,低频次,低金额消费用户: 活跃的低价值用户
…… - 近期无使用\购买,低频次,低金额消费用户: 低价值用户
如何定义近期、高频和高金额需要根据业务来定义,例如近期可以为 30 天/3个月,高频可以为 30 天登录次数超过 xx 次等。
针对高价值用户进行推送,投入和产出才是有效率的。
网站、APP 体验
常见的体验问题:
- 支付环节的流畅性
通常当支付环节的流畅性很好时,流失性很低。
页面简洁,操作容易
例如:按钮太多会影响转化流程
图片质量
例如:图片中含水印,光线太差会认为产品质量低等
搜索的精准匹配
例如:当用户输入“芒果”,期望的查询结果是与芒果相关的,但如果出来的是芒果干、芒果糖,则会影响用户体验,导致用户流失。
…
转化率特别低时,如何来进行分析:
漏斗可以看见每一步的转化率,从购物车到支付成功的转化率非常低,我们的直接想法就是看一下究竟出现了什么问题?
对进入购物车的用户用户进行分群,利用 GrowingIO 的用户细查功能,可以追踪到某个用户进入页面后的所有操作行为(按钮点击、输入等):
我们发现用户在选择某款产品后,选择数量,进入购物车,发现未登录后开始输入登录信息,未登录成功,点击“忘记密码”,进入找回密码功能。但是用户再次进入找回密码功能,
通过亲身体验该过程,我们发现在修改密码页面是存在 bug 的,忘记密码后无法忘记密码找回密码,最后导致用户的丢失。