如果以获客为目标，那么就需要尽可能地让客户留下自己的信息，即我们常说的销售线索。网站目标确定后又该如何实现呢？首先需要对这个目标进行分解。

获客目标解析

▌业务+技术，双重角度把握网站背景信息

把握网站的关键背景信息，主要从两个角度进行–

● 业务角度：确定网站所构建的用户旅程，关系到最终数据看板的呈现；

● 技术角度：探寻技术实施落地的思路，关系到技术实施能否达到业务目标。

▌监测用户旅程，开启获客第一步

简单理解，用户从来到网站到离开网站，这中间的过程及客户的感受都属于用户旅程（Customer Journey）。以获客为目的，关注的用户旅程主要需要进行以下部分的监测：

● 监测用户所有交互，即网站所有页面打开、关闭、跳出。

● 监测大部分用户都会产生的交互，即页面曝光度的监测。

很多网站会将联系电话、邮箱或二维码放在页面底部，那么怎样监测页面底部信息的曝光度？这就需要对页面进行滚屏监测，如果根据滚屏监测的结果显示，200人来到网站，但只有6个人把网页拉到了最底部，这时我们就应该考虑是否需要将联系电话、邮箱、二维码挪到首屏。

● 监测注册流程及注册引导过程：

1、【注册】流程本身

客户来到网站首页-点击首页的注册按钮-进入注册页面-填写邮箱、手机号等注册信息-获取验证码-点击【立即注册】，这个过程中可能会出现流失用户的现象，如获取验证码失败。

对【注册】流程本身的监测可形成漏斗，如下图。

2、注册引导过程

将网站根据功能划分为三大模块：产品功能及介绍模块、产品文档模块、博客模块，如果所有模块在设计时都存在网站的注册引导功能，那么我们就需要将网站所有的注册引导过程监控起来。

注册引导过程图

3、产品模块内部的注册引导：

● 首页首屏和尾屏的注册引导、导航栏的注册引导

● 文档介绍模块的注册引导

● 博客模块的注册引导

▌技术实施落地，加强数据可视化

（一）检查网站的结构

检查网站结构时，有以下几点需要注意：

（二）需要的代码

1、基础代码：监测每个页面基础的UV和PV

2、滚屏代码：滚屏代码设置时需注意滚屏设置：一般设置为20%、40%、60% 、80% 、98%五档即可。为什么不监测100%的页面呢？实际在大部分监测过程中，用户下拉到98%程度时，即可默认为用户加载并观看了100%的页面。

3、事件代码：比如监测”注册”，监测关键事件

fz.event({

EI:”ID01″,

EPD:{

“event01″:”事件01”

}

});

4、用户属性代码

fz.setUInfo({

“UID”:”123456″,

“UN”:”用户01″,

“UPRO”:”直接注册”,

“EM”:”123456@qq.com”,

“PN”:”18600001234″,

“SEX”:”1″,

“BIY”:”1988-01-01″,

“QQ”:”123456″,

“WED”:”18600001234″,

“WBD”:”123456@qq.com”,

“UPD”:{“自定义属性01″:”属性01”}

});

（三）数据看板的设置

采集回来的数据，需要可视化为数据看板，才能方便随时监控或满足日常报表需求。

具体来说，如何选择合适的分析图表？例如针对【注册】按钮，可选择事件分析图表，如果我们要进行【注册】流程分析，可选择转化漏斗图表。如果我们要分析【注册】这个事件，则可以用事件分析图表。

事件分析图表

怎样根据分析图表，设置数据看板？每个分析图表应该可以解决特定的业务问题，然后将这些图表按照一定的逻辑进行组合。

以下给出一种参考方式来构建数据看板：

● 网站流量情况（流量来源类型分布、流量来源趋势、外部链接分布等）

● 用户质量情况（新增用户留存概括/趋势、活跃用户留存概括/趋势等）

● 用户转换情况（各环节用户转化率等）

另外，还可以将日活、新增等最常用的且每天第一时间都会关注的指标放在【日常指标】中，起到每日指标概览的作用；

数据看板-新增用户留存趋势图

▌UTM追踪，点亮获客的隐藏技能

最大程度地获取销售线索，除了对网站本身页面、按钮、属性等的监测，还需要关注用户的来源。用户是从哪里来的？怎样来的？为什么会来？这些监测主要通过UTM追踪来实现。可以向网址添加的UTM参数主要有以下5个：

● 来源 (utm_source) ：必须参数，用来标识流量来源网站、搜索引擎或其他来源。示例：utm_source=baidu

● 媒介 (utm_medium) ：必须参数，用来标识媒介，比如电子邮件或每次点击费用。示例：utm_medium=cpc

● 名称 (utm_campaign) ：必须参数，用来标识特定的产品推广活动。示例：utm_campaign=summer_spread

● 关键字（utm_term）：非必须参数，常见于付费关键字广告所使用的字词或是连结名称/图片的替代文字。示例：utm_term = web+analysis

● 内容 (utm_content) ：非必须参数，使用utm_content区分指向同一个网址的广告或链接。示例：utm_content=logolink或utm_content=textlink

数据看板-流量来源类型分布

▌总结

● 以获客为目标搭建数据分析体系，需要做到监测每一个页面、每一个按钮，并且知道其业务意义；

● 了解业务最好懂代码，清楚关键流程、关键指标，也需要知道技术如何落地，如何统计到自己想要统计的数据，最大程度地避免数据的不准确性；

●巧用图表，设置符合自身与领导需求的数据看板；

●根据收集回来的数据，建立数据面板，进行数据分析，采取有效措施确实改善网站的获客情况，这是最后的一步，但实际是最后的99步。

本文作者@Analysys易观     青瓜传媒)整理发布，转载请注明作者信息及出处！

产品推广服务：APP推广服务    广告投放平台    龙游游戏

在互联网产品和运营的分析领域中转化分析是最为核心和关键的场景以电商网站购物为例一次成功的购买行为依次涉及搜索、浏览、加入购物车、修改订单、结算、支付等多个环节任何一个环节的问题都可能导致用户最终购买行为的失败。在精细化运营的背景下如何做好转化分析俨然成为一门学问。

什么是转化当用户向您业务价值点方向进行了一次操作就产生了一次转化。这里的业务价值点包括但不限于完成注册、完善用户信息、完成一次购买等等。每一次大的转化都包含若干个小的转化环节我们一般使用转化漏斗来展示这一过程。

一、基础分析转化的每一步都需要打磨

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。下图是转化漏斗既有转化总体效果和每一步的转化率也有每一步转化率随时间的变化趋势。

转化漏斗图

以注册流程为例“总转化率 9.54%” 这个信息对我们优化注册流、提升转化率没有太大帮助。但是借助上面的漏斗图我们不难发现从第一步到第二步的转化率才18.5%明显低于前后两个环节。发现了问题所在我们就可以针对性地优化注册流最大效率地提升注册转化率。

同时对每一个转化率进行实时监测可以帮助我们及时发现产品中的突发问题。

转化率趋势

某日该注册环节第二步转化率大幅度下降而该环节正是填写手机验证码的环节 。经过检查发现短信验证码的代理商因为欠费而自动停止了短信验证服务于是及时充值服务恢复正常。

二、进阶分析对比不同维度的转化情况

用户体验受到众多因素的影响进而直接影响到转化率。要想更好地提升转化率需要对不同维度的因素进行考虑包括但不限于用户的操作系统、浏览器类型、访问来源、操作平台、访问来源等等。

GrowingIO 多维度转化分析

以用户的浏览器为例我们对不同浏览器的转化率进行一一对比发现 Safari 浏览器的转化率低于总体。工程师研究后发现原因是该网站采用了新的 Java 架构不适应 Safari 框架导致该环境下用户体验非常差注册转化率非常低。

不仅限于浏览器用户的操作系统、PC端还是移动端、访问来源等等常见因素都可能影响到转化率。越高级的产品或者运营人员应该考虑的更加精细不断从细节来打磨产品才能不断提升转化率。

三、高阶分析多维度交叉分析支持产品不断迭代

发现问题的过程往往需要拆分很多次这时你需要一个支持多重维度交叉分析的漏斗。

某电商网站使用 GrowingIO 漏斗衡量交易转化时发现APP 上的用户量高于网站但转化率却低于网页端。

多维度交叉分析

具体步骤上可以看出用户提交订单之后到支付环节的转化率明显低于网页端值得注意的是提交了订单的用户购买意愿非常强烈是很有潜力唤回的一批用户。但是他们却选择了返回到上一步而不是去支付。

对比网站和 APP 在支付页面的信息结构发现APP 上的支付页面缺少了订单商品的详细描述、收货人地址和联系方式等信息导致很多用户返回到上一步确认同时带给了用户犹豫从而导致转化率下降。

于是产品经理参考网站的信息结构补充了详细信息同时在支付环节进行流失用户召回。

优化后转化率大幅度提升

从漏斗的趋势图中监测支付环节优化后的效果APP 端提交订单到支付环节的转化率明显提升甚至略高于网站转化率整体转化率也被拉高。同时在漏斗中选择进行召回的用户作为目标用户观测召回后的转化率变化以此来评估本次唤回活动的效果。

这么细微的转化问题仅靠直觉是很难发现它需要产品或者运营人员高度的数据敏锐感、娴熟的业务技能这也是转化分析高级阶段的表现发现问题后进行产品优化然后回到漏斗中监控优化效果产品在不断的迭代中稳步增长。

转化分析进阶之路思维与工具

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。

首先数据分析工具是精益化运营必备的目前市面上流行的漏斗分析工具有 Google Analystics、Mixpanel、GrowingIO 等等。“ 工欲善其事必先利其器 ” 说的就是这回事。

其次需要有强烈的数据驱动意识对业务娴熟于心。转化率不仅是一个数据指标其本质是用户体验的真实反映。当我们对用户体验分析的维度不断增加对我们产品和用户行为的思考不断深入的时候我们也就在转化分析的路上不断进阶。