电商漏斗转化率分析



编辑导语:做数据分析的朋友们在实际工作中总会遇到一些困惑,那么对于总量和不同步骤的转化率定位问题,兴许你也有些疑惑。作者以电商为例,分析如何做电商漏斗转化率分析,希望对你有所启发。

电商漏斗转化率分析

很感谢这位朋友非常认真的看了我的这篇文章《数据分析 - 结构比率归因 - 定位异常原因》,并且提到了另外一个比较经典的问题:总量和不同步骤的转化率定位。接下来我给大家简单的描述一下这个问题以及我是如何分析的。

电商漏斗转化率分析

一、问题

上面的问题我们可以简单以电商来举例,我们把电商的转化简单的总结成下面几个步骤:

第一步:吸引用户进入我们的营销落地页;

第二步:用户对同一商品的不同 SKU 进行比较;

第三步:创建订单;

第四步:支付成功。经过不同的转化之后,我们核心关注点是最终支付成功的用户。

电商漏斗转化率分析

问题:如果 2 月份支付成功 D2 环比 1 月份 D1 上升了,那么我们怎么能确定是因为 2 月份的落地页人数 A2 环比 1 月份 A1 上涨比较多的原因,还是说 2 月份中不同步骤之间的转化率上涨的影响更大呢?

二、分析

1. 定义

落地页到商品选择页转化率 R1 =B/A 商品选择页到创建订单转化率 R2 =C/B 创建订单到支付成功转化率 R3=D/C2 月份支付成功 D2 环比 1 月份 R0= D2/D1

2. 分析

所以我们需要看 R0 变化的时候,是因为 A2 的变化更大还是因为 R1/R2/R3 的变化更大,这里我们把 R0 进行拆解:

我们先来看看 D2 怎么计算的:D2=A2*(B2/A2)* ( C2/B2 ) * ( D2*C2 ) =A2* 转化率 R12* 转化率 R22* 转化率 R32

同理 D1:D1=A1*(B1/A1)* ( C1/B1 ) * ( D1*C1 ) =A1* 转化率 R11* 转化率 R21* 转化率 R31

这样我们就能得到:R0 =D2/D1= (A2* 转化率 R12* 转化率 R22* 转化率 R32)/ ( A1* 转化率 R11* 转化率 R21* 转化率 R31 ) = ( A2/A1 ) * ( 转化率 R12/ 转化率 R11 ) * ( 转化率 R22/ 转化率 R21 ) * ( 转化率 R32/ 转化率 R31 )

通过上面的公式,我们能很清楚的看到支付成功的变化率 R0 由四部分组成:

落地页变化:A2/A1,命名为 W0

第一步转化率的变化:转化率 R12/ 转化率 R11,命名为 W1

第二步转化率的变化:转化率 R22/ 转化率 R21,命名为 W2

第三步转化率的变化:转化率 R32/ 转化率 R31,命名为 W3

那么:

R0=W0*W1*W2*W3

最后,通过上面的拆解,当 R0 大于 1 的时候,支付成功人数上升,我们就看 W0/W1/W2/W3, 哪一个最大,那么就是对最后影响最大的。下降的时候同理。

3. 有待优化

目前这个拆解只能看到变化的排名,也就是只能知道各个部分影响的大小,已经可以解决大部分问题,这样上升和下降就能看具体哪一个影响更大。能指导我们某次活动是引流的影响大还是因为转化率的提升影响更大。但是具体影响多少还不得而知,等待后续继续研究了……

三、案例分析 - 电商漏斗转化率分析

1. 背景

产品:现假设我们是西门子卖冰箱的,用户可以在淘宝上搜索冰箱,搜索之后就会出来一系列的结果,然后我们可以点击自己感兴趣的那个店和款式,选完之后,就是具体的商品了(容量 / 颜色等),下一步就是创建了订单,最后就是支付成功了。

电商漏斗转化率分析

异常:首先说明下面的数据,全部是随机编写的,主要为了说明这个模型的用法。若截图涉及侵权,请联系作者删除。一般我们在公司会给产品运营做一系列的报表,其中有一套是用于监控每天西门子订单量的趋势,以及环比的趋势,如下图一:

蓝色曲线是支付成功的用户数,我们看到 7 月 12 号用户量起来了,19 号用户量又起来了。

从橙色线也能看出来,12 号环比上升了一个台阶。

那么,问题来了,我们想知道 12 号和 19 号用户量起来的原因是什么呢?图一:

电商漏斗转化率分析




上一篇:东方盛虹董秘回复:公司目前为国内最大的光伏料EVA生产商,主要利用管式装置生产,具有单程转化率高、产能利用率高、连续运行
下一篇:内江大力实施重点产业园区基础设施载体攻坚行