产品和运营，应该怎样利用大数据做转化分析

在过去一年的多次营销文案刷屏事件中，产品和运营人越来越清楚地看到，流量≠转化。而转化率，才是衡量一个产品和一次活动最为核心和关键的数据。因此，转化率是网站最终能否盈利的核心，提升网站转化率，提升销量才是王道。今天，我们就聊聊从产品和运营的角度，如何通过大数据做转化分析?

首先要清楚， 转化率究竟是什么?受哪些数据的直接影响?这些数据的影响因素又是哪些?

转化率指在一个统计周期内，完成转化行为的次数占推广信息总点击次数的比率。简单地以下面这个公式来说明：

以电商平台购物为例，总流量一定的情况下，购买人数越多，转化率越高。

而一个用户一次成功的购买行为依次涉及搜索(曝光)、浏览、加入购物车、结算、支付等多个环节，任何一个环节出现差错，都能让用户立刻放弃这次购买行为。根据有关数据，多数电商的转化率只有0.5%左右，这意味着有99.5%的流量被浪费了。(听着好心痛哦)

那么，怎么才能提升购买人数呢?产品和运营，又能怎样进行操作来提升产品销量呢?

一、基础分析：转化的直接影响者都需要设计

转化分析的基础阶段，主要是转化步骤的分析和转化率趋势的监测。

大家都知道，流量是呈漏斗形状的，把流量变为消费者，大约会经历这么5个步骤。就是这5步，足以滤掉 99.5%的潜在用户 。另外根据统计，在几个较大的B2C网站中，流量数据在增大，但是客户停留在网站上的时间在减少，在被称为眼球经济的时代，每个网民在电子商务网站停留的时间大约 在17分钟 。

在这一分析阶段，网站运营和产品人员都应该了解什么数据呢?

这一阶段，网站平台能直接获取的数据多而杂，运营人员在收集数据后，对数据进行分类整理，一般分为以下几类： 人口属性，社会属性，行为习惯，兴趣偏好 等几个方面。

人口属性，包含年龄，性别，身高，地域，学历，收入和教育

社会属性，包括社会职务，婚姻状况，住房车辆，社交关系等等

行为习惯，包括运动，休闲旅游，酒店住宿，饮食起居等偏好

兴趣偏好，包括购物，游戏，体育，文化等

这一阶段的收集分析为用户画像提供基数。为后期的运营方案，文案策划，渠道规划等提供一定的数据支撑。

二、中阶分析：从不同维度分析转化情况

过去人们认为数据是企业的资源，实质上数据是资产，是可以为销量创造价值的资产。要想更好地提升转化率，需要对不同维度的因素进行考虑，也是对上一阶段数据的细分。例如：访问来源、操作平台、跳出页面、操作系统、浏览器类型等。

本阶段，首先要了解，正在网站上浏览的客户，哪些是明确要来买东西的，哪些只是随便来逛逛的，以及他们从什么入口进入;

其次，没有购买的用户，到底看了多少产品页，多少放进购物车没有付款，多少是一个产品页都没有看的;

第三，多少客户产生了购买行为。

第四，非常重要的是，客户登录网站首页之后，除了有40%的弹出率之外，剩下60%的用户分别从哪些渠道进入到产品页面，这些渠道进入之后付款的比例分别是多少。

最后，多少人将产品加入购物车，是否有召回的可能?

通过对网站平台庞大的数据库进行细分整理，才能发现这背后隐藏的用户行为逻辑，从而实现产品人员从产品角度进行优化，运营人员则负责对活动，专题，商品详情页等进行优化。

例如，之前合作过的一个用户，后台数据显示，很多人都将某一款产品加入购物车，但是都没有付款。为了召回这部分客户，网站即时推送了一条优惠券，最后召回30%的订单。

三、高阶分析：多维度交叉分析，不断优化迭代产品

互联网行业的产品都有一个共识： 小步快跑，快速迭代 。唯有如此，才能打造出受用户喜爱的产品。

通过上两段的数据收集和分析，网站的工作人员对网站的优势以及存在的问题，心中已经有概念了。在这一阶段，就需要沉下来，从具体的维度和点进行分析和修正。这一阶段，可以说是数据驱动产品和运营决策。

例如，

广告投放哪个渠道的流量更优质?什么样的品牌内容更容易被消费者传播?

网页内容，如何组织安排更符合访客的个性化需求;

老客户如何才能回访网站，反复购买产品;

如何减少支付失败的订单?

四、分析转化的进阶之旅：思维与工具

提升转化率，既需要有数据驱动的意识，也需要熟练掌握一定的数据分析工具。正所谓，工欲善其事必先利其器。

企业可以知道用户从哪个落地页进入产品，又是在哪一个转化过程中流失掉，切分维度和用户人群，定位流失原因，为运营决策提供数据支撑，提高产品的转化率。