以前我們關注的是因果關系，而數(shù)據(jù)思維更多關注的是相關性。

對任何一款產(chǎn)品來說轉化率都是最核心的指標，轉化率的高低直接決定著一款產(chǎn)品的成敗。而轉化率指標拆解下來可以分為產(chǎn)品指標和用戶指標。產(chǎn)品指標關注的是流程和頁面等PV、UV這些細分指標。用戶指標關注的行為和動作等下載量、點擊量、分享量、轉化量等，無非都是圍繞這個復合指標來服務。

我們經(jīng)常會關注的轉化率，如注冊轉化率、購買轉化率等，這些轉化率與運營息息相關。注冊轉化率可以衡量我們網(wǎng)站獲取用戶的能力，購買轉化率可以衡量我們的營收能力，那么我們應該如何去提高一款產(chǎn)品的轉化率呢？

其實影響轉化率的有外部以及內(nèi)部的三大關鍵因素、外部是渠道流量、內(nèi)部是用戶營銷、和內(nèi)部網(wǎng)站/APP體驗。

渠道流量

渠道流量是我們從外部獲取而來。用戶營銷是對進來的用戶進行運營和營銷工作。網(wǎng)站/APP體驗是可以通過內(nèi)部產(chǎn)品、設計、工程等部門來優(yōu)化，也屬于內(nèi)部因素。

渠道流量的轉化可以有兩個數(shù)據(jù)思路方向去做，渠道的優(yōu)選和量化，我們做活動營銷一般都會盡量保持足夠多的渠道，當然渠道也分等級的，這時候我們就要對這些渠道進行篩選，保留質量高的渠道淘汰劣質渠道。

通過漏斗分析對比每個渠道最后的轉化率，我們可以看到最后4個渠道的質量是比較差的，這時候我們就要把這些劣質的渠道給淘汰了。

OK,經(jīng)過上面的步驟后，我們已經(jīng)篩選好投放渠道之后就要對這些渠道量化進行資源分配以達到效果最大化。比如，目前有5個渠道可選，在預算有限的情況下，如何去分配投放比例呢？以前我們都是靠直覺和經(jīng)驗拍個腦袋決定投放比例，現(xiàn)在我們依靠數(shù)據(jù)思維來量化每個渠道的轉化率找到最優(yōu)投放策略。

1. A代表上面是用戶的質量很好，不過量很低的渠道，基于這種情況我們是否應該加大投放力度。
2. B是用戶質量好數(shù)量也多的渠道，是一個最佳優(yōu)選的投放渠道。
3. C無論是從數(shù)量還是質量上都是最差的渠道，理應被淘汰出局
4. D是這種情況數(shù)量多不過質量很差的渠道，這時我們應該思考一下是否去優(yōu)化一下渠道，比如文案，關鍵字、落地頁設計等，提高知道流量質量。

用戶營銷

用戶營銷是對用戶進來我們的網(wǎng)站/APP之后，對用戶進行一系列的運營活動，拉新、激活、喚醒等，通過這些活動刺激用戶反復購買提高每個用戶的ARPU值，從而提高最終的轉化率。

1. 通過目標用戶的用戶畫像繼而確認投放渠道因此獲取用戶。
2. 在第一條的基礎之上，找到了目標用戶之后實現(xiàn)精準營銷方案，通過對這些用戶進行激活、喚醒等精細化運營策略。

在此通常的做法是對用戶的價值度進行等級劃分，而對用戶價值度進行分級一般都是使用RFM模型。

該機械模型R代表用戶最近一次距現(xiàn)在的購買行為時間、F代表購買的總體頻率，M花了多少錢三項。通過建立RFM模型，我們可以把用戶分為8類。

那么對用戶的價值度分類之后，我們在做營銷活動時，就不直接面向全體用戶了，對這些用戶打上標簽之后，完全可以實現(xiàn)精準化營銷目的，比如：我要做一次高額物品活動，這樣我就可以直接面對高潛力用戶推送活動，因為這樣的用戶更有可能購買高額物品。如果我做的是小額物品滿減滿送推送活動，我就直接面向活躍小金額用戶，刺激他們反復購買，提高ARPU值。

除了這些，還有其他的分類模式，當然，要結合自己的業(yè)務場景來進行劃分，比如區(qū)域、性別、偏好等。

優(yōu)化網(wǎng)站/APP體驗

一個網(wǎng)站或則是APP的體驗如何會影響到用戶最終的購買轉化率，把用戶進來后的每個環(huán)節(jié)拆解下來，每個節(jié)點都要做相應的數(shù)據(jù)監(jiān)控以及分析每個環(huán)節(jié)用戶的行為動作等，這些關鍵因素包括但不僅限于，新手指引、支付環(huán)節(jié)的流暢性、頁面是否簡潔和操作是否容易？圖片質量如何？看起來是否清晰？以及搜索的匹配是否精準？

1.新手指引：比如某社區(qū)網(wǎng)站，新手進來的留存率太低，因為用戶進來之后沒有做任何的引導，導致用戶的學習成本太高，一下就流失掉了。

2.支付環(huán)節(jié)的流暢性：有時候客戶想購買物品，最后因為支付環(huán)節(jié)太復雜而選擇放棄購買。

3.頁面簡潔和操作：像有些大型的購物網(wǎng)站，頁面操作按鈕就會特別多，有時候他們會影響到最終的購買轉化。

4.圖片質量：圖片質量對一個用戶的購買決策影響是非常大的。這里舉個栗子，Airbnb當時的成交量還是很小的時候，通過聘請專業(yè)攝影師上門給房子拍攝精美圖片之后，成交量立刻蹭蹭的往上漲。

5.搜索是否精準：比如我在一個購物網(wǎng)站上搜索蘋果手機，最后搜索出來的是真蘋果，其結果就是嚴重影響到用戶體驗。

在這里我們其實可以通過漏斗分析，發(fā)現(xiàn)每個環(huán)節(jié)的轉化率，然后再通過用戶行為分群等不同維度來細查每個用戶的行為，比如：某電商購物網(wǎng)站“把物品放進去購物車沒有支付“的用戶進行分群之后細查每個用戶之后發(fā)生的所有行為，最終發(fā)現(xiàn)中間支付環(huán)節(jié)有個BUG，導致用戶無法支付，最終影響到購買轉化率，這些都是需要通過數(shù)據(jù)追蹤細細探查出來的。

總結

從上面這三個維度的方向去思考如何提高轉化率，渠道的篩選、用戶的精準營銷、以及最后的用戶體驗等去做深入分析。數(shù)據(jù)分析最主要的首先是數(shù)據(jù)思維，從前期的數(shù)據(jù)采集到數(shù)據(jù)處理再到最后的數(shù)據(jù)解釋貫穿其中。

最后在這里我再舉個數(shù)據(jù)思維的典型案例：

國外某社區(qū)，當時新用戶的黏性非常差，之后通過用戶的行為對比分群之后發(fā)現(xiàn)新進來的用戶關注5個人以上的比沒關注夠5個人的留存率高非常多。在這里我們先不用管它具體是什么原因造成這種結果，我們要做的就是引導新用戶進來之后關注5個人以上就行了，最后通過這個引導社區(qū)的整體新用戶留存率增長了許多倍。

作者：博弈（微信號 fu_yongcheng），90后，連續(xù)創(chuàng)業(yè)者，擅長數(shù)據(jù)分析，現(xiàn)任某企業(yè)運營合伙人

本文由 @博弈 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載。