做轉化分析時不能忽略的三個問題！

原創贊收藏評論

舉報 2021-05-18

掃描,分享朋友圈

我們在做用戶轉化分析的時候，經常會有一些稍微不留意就容易踩進的坑，今天我們在聊一聊這些不能忽視的地方。

1、針對不同的業務分析設置不同的轉化周期

做轉化分析的時候，基于業務分析目標的不同，需要設置不同的轉化周期。比如轉化周期我設置為同一個會話，和同一天內有什么區別呢。其實就是用戶從打開產品到關閉產品。用戶的一次會話中有可能包含很多的行為，因為他可能在一次訪問就停留二小時。但如果用戶一天內多次打開產品然后關閉產品，也就意味著用戶在一天內多次使用。

舉個例子，比如說你用微信，你早晨起床用十分鐘關掉。然后在地鐵上用十分鐘關掉，去公司和客戶、其他小伙伴進行交流打開關掉。起床、地鐵上、包括在公司里面，都是不同的會話。在轉化周期內選擇不同的時間周期的原因，完全是由于我們要分析目標的不同。

我們分析的是注冊行為路徑轉化過程是否通暢，設計是否易用。注冊流程肯定有讓用戶離開或者說不爽的地方，那就需要我們聚焦在這種容易讓用戶離開中斷的那個步驟上，看看會不會有具體的設計問題。

如果這個時候選擇轉化周期為一天，那整體的轉化率可能就會比較高了。因為用戶想要體驗產品的功能必須注冊，那他就會在一天內的多個會話里多次嘗試注冊，最終成功。

如果漏斗轉化設置為同一天的話，那在產品應用性的這個問題上，就不那么容易暴露了，問題就沒那么明顯。

以理財產品為例：

比如我希望分析理財產品中，注冊當天完成投資轉化的一個轉化率，對于一個理財app來說，注冊就意味著用戶對產品的考察已經基本結束，并且大多已經有了投資意向。

那注冊當天完成投資的這個轉化率，是衡量產品狀態的一個指標，所以我會設置轉化周期為同一天。只要注冊完成和投資發生在同一天內，就算轉化完成。我們也知道影響用戶投資的因素很多，在一個會話內完成也并不靠譜，在同一天內完成這樣的衡量也是比較合理的。

所以轉化周期的一個設置，可能帶來完全不同的分析效果。一般來說，同一個會話內的轉化分析目標往往比較傾向于設計體驗的。同一天內的轉化甚至長達多日的轉化周期分析目標往往比較傾向于業務特點。

2、用戶行為之間的因果關系

在我們更為深入理解轉化的基礎上，我們來再談一下行為之間的這個因果關系。

那首先要明確的是，通過數據分析能夠得出的這種有價值的結論里絕大多數都是相關性的一些結論。那你想要得出因果性的結論其實是非常之難的。最終的因果性結論往往是基于一個合理的數據分析結果，通過一個合理的數據解讀。

當我們覺得有可能是因果的時候，說明這個結論從我們認知上來講是比較符合邏輯的，那我們就會去改版和優化。

第二個就是要明確一個態度性的問題，雖然我剛才所說作出直接的因果關系結論非常難，但是我們一定要不斷的對行為之間的因果關系去做探索。因為本質上這是對用戶的行為的動機再作剖析。

比如說我們常說的aha—moment，用戶新增十天內添加幾個好友，留存就會提升。其實這就說明了一個問題，好友的關系其實能夠幫助用戶長久的留在這個平臺之上，而且它是有一個量變到質變的過程。一兩個可能無法構成一個非常有趣的信息流，那可能要七個以上才能夠讓用戶覺得“確實我的朋友都在這里”，產生一個留在這個平臺上持續使用的好感。隨著后期更多的好友加入，粘性就會越來越強。

那第三點就是要清楚的是，因果關系是我們的目標，在分析的時候我們會先去分析行為的先后關系，然后再通過迭代后的這種數據去驗證其中是否有因果關系。

今天我們單獨說轉化分析，分析短時間內的轉化就需要我們能夠不通過具體的時間來判斷行為的前后順序。就是說你在梳理這個滿足業務目標的場景的時候你要有明確三個要點。

第一就是明確用戶群是什么樣的。

第二是在什么樣的場景下觸發什么樣的行為。

第三就是最終能達成的轉化目標到底是什么。

把這三個點能夠每次都回答清楚的話，那這個場景的應該問題不大。在分析這類轉化場景的時候就需要基于漏斗轉化模型來更好地明確和分析用戶行為之間的這種前后關系。

介紹一個現狀吧。就是說通過分析我們發現對如今這個時代的潛在付費客戶來說當天就付費的充值比率是大于80%的，這是一個結論了，已經在多款產品里都見到這種現象，也就是說用戶如果對產品感覺比較好的話，新增當天，甚至很快就會充值付費的。

以直播產品為例：

對于直播這類產品來說充值付費后擁有的體驗可能會非常的奢華，比如送個飛機，直播主播可能就會對你有專屬回應等等，它也會刺激用戶更頻繁地使用這個產品。

所以，這類他的轉化周期就很短，但是你會在分析過程中難以區別是先有雞還是先有蛋。其實在這種情況下前后關系如果不能區別開的話呢，分析結果是沒有意義的。

比如我們建立一個認知：「與主播的互動」是否能對充值轉化有促進作用。

針對這個認知我們提出一個假設：主播互動能夠促進其用戶的付費轉化。

那這個假設其實最大的一個挑戰就是，你說不清楚是這些用戶本來就是要付費，付費以后去達成主播跟他互動，還是說先互動，后充值的，到底是先有的付費促進的互動，還是互動促進的付費。

首先我們先來梳理一下預期的這個場景：

用戶：新增有效用戶。首先它是有效用戶，然后它是新增用戶，那必須將各種途徑來的無效用戶進行刪除，不然沒辦法實現公平的一個對比。

場景：直播間。

行為：通過發送文字消息與主播互動。

目標：更大比例提升付費轉化率。如果按照我們設想的那個場景的話，應該是滿足這些場景和行為的用戶整體的付費轉化率會比沒有滿足的用戶要高，這是我們要驗證的目標。

那我們來設計反向驗證的數據分析方案：

第一步保證分析的主體用戶符合要求，也就是說我要篩選出有效用戶以保證分析的公平性，我們通過用戶的第一次訪問時間明確用戶的新增這個時間。即新增當天進入直播間超過五次的這樣的行為特點來定義用戶的有效性。說明這個用戶確實是活躍的，而且對這個直播產品還是有興趣的。這樣篩選出來的用戶意味著都在直播間內，由于主播進行過互動從而最大限度保證公平性

第二步是驗證分析的關鍵，通過漏斗轉化模型來明確行為的前后關系。首先我們要進行漏斗轉化分析的是我們在第一步里就確定好的用戶群，選擇分析的用戶群，然后設置分析時間段，最后建立漏斗：進入直播間——直播間內文字互動——充值金幣，那通過這樣一連串的設置我們就能夠保證這些用戶一定是先經歷了與主播文字互動，后充值的金幣。

第三步就可以得出結論了，有文字互動的用戶付費轉化率是沒有互動用戶的將近五倍，那這次也許我們不能說斬釘截鐵的說，是由于與主播互動帶來的付費轉化，但是我們可以很有底氣的說如果用戶能夠先于主播發生互動那他付費轉化的可能性將遠遠大于沒有過互動的用戶。

那我們就可以做一些改進，比如在直播間的這個底部欄增加一個互動的引導等。

對用戶的一些理解對用戶行為動機的一些剖析。就在于對業務的精準解讀和漏斗轉化模型的一個靈活應用。

3、核心功能轉化衡量和監控

核心功能轉化衡量和監控也是轉化分析非常重要的一部分。

但是它也是比較基礎的一部分，一方面影響轉化的因素比較多，另一方面轉化分析的應用場景也非常廣泛。

但是比較重要的是分析影響用戶行為的因素。而這些因素可以是另一個行為帶來的心理變化。

從我們一直在說的這個用戶生命周期來看不同的生命周期狀態的用戶會存在狀態轉化的一個現象，比如說從新手用戶轉變為留存用戶，再從留存用戶轉變為一個忠誠用戶，或者說從一個老用戶轉變為一個流失用戶，這種生命周期狀態的轉化其實也是我們要分析的重點，換個角度去看的話，如果你能把留存用戶轉變為忠誠用戶或者說轉變為高價值用戶時，影響用戶這種狀態的這種觀念點分析出來的話，找到那個隱藏的aha—monument的那個時刻，那你同樣會為產品甚至整個企業帶來不可估量的價值。

在這里也是拋磚引玉希望大家能在實踐過程中多思考這個場景，同時不僅思考怎么分析，更多的可能還是要去思考如何運用行為數據解決這種業務難題，這可能也是分析的一個最終的一個目標。

本文系作者授權數英發表，內容為作者獨立觀點，不代表數英立場。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。