产品设计 【网站转化率与漏斗模型】
2017-02-28 18:19
465 查看
一、用户行为
用户行为数据可以理解为用户在 app 内进行操作时被服务器记录下来的使用行为数据。通过对用户行为数据进行分析,可以帮助运营人员更加详细、清楚地了解用户的行为特征,从而找出造成用户流失的原因,为运营人员进行针对性运营提供依据。而网站转化率依赖于用户行为数据。
网站转化率。转化率,顾名思义,就是从当一个页面进入下一页面的人数比率。比如访问淘宝网首页的用户有100,而从首页点击进入某牛奶商品界面的用户有20,那么从首页到这篇文章的转化率就是20/100=20%。当然,我们可以根据用户的访问路径计算每个页面到下个页面的转化率,同样这类工作大部分也是没有意义的,我们需要抓住重点——关键路径的转化率。
举个大家都容易理解的例子。在购物网站上购买东西大概需要这么几步去完成:浏览 ——> 购物车 ——> 订单 ——> 支付 ——> 完成交易。我们可以分别统计每一个阶段的人数和转化率,初步判断每一个阶段用户流失情况。当然我们为了更好的去观察这个情况,使用漏斗模型再好不过了。
二、漏斗模型
漏斗模型是一个看似简单的评判产品健康度的数据工具,简单来说,就是通过产品每一个设计步骤的数据反馈得出产品的运行情况,然后通过各阶段的具体分析改善产品的设计,提升产品的用户体验。
① 漏斗模型符合自然规律
世界上的任何东西,发生相互之间的传递、转化时,一定会导致损耗,换句话说,你投入的资源不可能完全转化为你想要的东西。在产品设计中,也是一样,再牛X的产品也不可能达到100%的转化率(利润率可以达到或超过100%,但是转化率不行,这个需要强调)。
② AIDMA理论
AIDMA理论是漏斗模型的基础。
时代发展到21世纪,特别是移动互联网时代,漏斗模型有了更多的内涵,在传统的Attention、Interest、Desire、Memory、Action之外,应该还有Share(分享)。在产品运行的漏斗中,每一个环节都可以产生让用户分享给其他人的交互点。这个社交网络的时代,用户愿意在网络上分享自己的生活。
③ 事件序列的计算规则(可以将事件序列认为成一个关键路径)
用户要按照预先定义的事件顺序来完成漏斗。假设先前定义的事件序列是
A-B-C-D-E,以下举例说明哪些序列会被算做成功的转化。
方案一:用户完成了
A-B-C-D-E,我们认为用户成功完成了事件序列 A-B-C-D-E。
方案二:用户完成了A-H-G-B-C-D-O-E-F,我们认为用户成功完成了事件序列 A-B-C-D-E。只不过是按照松散的顺序完成的。
方案三:用户完成了A-B-D-C-E,我们认为用户成功完成了事件序列
A-B-C。是按照松散的顺序完成的
方案四:用户完成了A-B-C-G-A-B-U-C-H-D-D-E-O,我们认为用户依次成功的完成了事件 A-B-C-D-E
一次、事件 A-B-C-D 一次。
④
漏斗模型应用在关键路径中去
漏斗模型不仅显示了用户在进入流程到实现目标的最终转化率,同时还可以展示整个关键路径中每一步的转化率。
最近的项目中加入了统计分析用户兴趣的部分,在我们得到的数据图表中,可以清晰的看到用户的某些关键流程的转化率。
需要注意的是,单一的漏斗模型对于分析来说没有任何意义,我们不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏,所以必须通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析:
趋势(Trend):从时间轴的变化情况进行分析,适用于对某一流程或其中某个步骤进行改进或优化的效果监控;
比较(Compare):通过比较类似产品或服务间购买或使用流程的转化率,发现某些产品或应用中存在的问题;
细分(Segment):细分来源或不同的客户类型在转化率上的表现,发现一些高质量的来源或客户,通常用于分析网站的广告或推广的效果及ROI。
所以,漏斗模型适用于网站中某些关键路径的转化率的分析,以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化的空间等。试着去了解用户来你的网站的真正目的,为他们提供合理的访问路径或操作流程,而不是一味地去提高转化率。
用户行为数据可以理解为用户在 app 内进行操作时被服务器记录下来的使用行为数据。通过对用户行为数据进行分析,可以帮助运营人员更加详细、清楚地了解用户的行为特征,从而找出造成用户流失的原因,为运营人员进行针对性运营提供依据。而网站转化率依赖于用户行为数据。
网站转化率。转化率,顾名思义,就是从当一个页面进入下一页面的人数比率。比如访问淘宝网首页的用户有100,而从首页点击进入某牛奶商品界面的用户有20,那么从首页到这篇文章的转化率就是20/100=20%。当然,我们可以根据用户的访问路径计算每个页面到下个页面的转化率,同样这类工作大部分也是没有意义的,我们需要抓住重点——关键路径的转化率。
举个大家都容易理解的例子。在购物网站上购买东西大概需要这么几步去完成:浏览 ——> 购物车 ——> 订单 ——> 支付 ——> 完成交易。我们可以分别统计每一个阶段的人数和转化率,初步判断每一个阶段用户流失情况。当然我们为了更好的去观察这个情况,使用漏斗模型再好不过了。
二、漏斗模型
漏斗模型是一个看似简单的评判产品健康度的数据工具,简单来说,就是通过产品每一个设计步骤的数据反馈得出产品的运行情况,然后通过各阶段的具体分析改善产品的设计,提升产品的用户体验。
① 漏斗模型符合自然规律
世界上的任何东西,发生相互之间的传递、转化时,一定会导致损耗,换句话说,你投入的资源不可能完全转化为你想要的东西。在产品设计中,也是一样,再牛X的产品也不可能达到100%的转化率(利润率可以达到或超过100%,但是转化率不行,这个需要强调)。
② AIDMA理论
AIDMA理论是漏斗模型的基础。
时代发展到21世纪,特别是移动互联网时代,漏斗模型有了更多的内涵,在传统的Attention、Interest、Desire、Memory、Action之外,应该还有Share(分享)。在产品运行的漏斗中,每一个环节都可以产生让用户分享给其他人的交互点。这个社交网络的时代,用户愿意在网络上分享自己的生活。
③ 事件序列的计算规则(可以将事件序列认为成一个关键路径)
用户要按照预先定义的事件顺序来完成漏斗。假设先前定义的事件序列是
A-B-C-D-E,以下举例说明哪些序列会被算做成功的转化。
方案一:用户完成了
A-B-C-D-E,我们认为用户成功完成了事件序列 A-B-C-D-E。
方案二:用户完成了A-H-G-B-C-D-O-E-F,我们认为用户成功完成了事件序列 A-B-C-D-E。只不过是按照松散的顺序完成的。
方案三:用户完成了A-B-D-C-E,我们认为用户成功完成了事件序列
A-B-C。是按照松散的顺序完成的
方案四:用户完成了A-B-C-G-A-B-U-C-H-D-D-E-O,我们认为用户依次成功的完成了事件 A-B-C-D-E
一次、事件 A-B-C-D 一次。
④
漏斗模型应用在关键路径中去
漏斗模型不仅显示了用户在进入流程到实现目标的最终转化率,同时还可以展示整个关键路径中每一步的转化率。
最近的项目中加入了统计分析用户兴趣的部分,在我们得到的数据图表中,可以清晰的看到用户的某些关键流程的转化率。
需要注意的是,单一的漏斗模型对于分析来说没有任何意义,我们不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏,所以必须通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析:
趋势(Trend):从时间轴的变化情况进行分析,适用于对某一流程或其中某个步骤进行改进或优化的效果监控;
比较(Compare):通过比较类似产品或服务间购买或使用流程的转化率,发现某些产品或应用中存在的问题;
细分(Segment):细分来源或不同的客户类型在转化率上的表现,发现一些高质量的来源或客户,通常用于分析网站的广告或推广的效果及ROI。
所以,漏斗模型适用于网站中某些关键路径的转化率的分析,以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化的空间等。试着去了解用户来你的网站的真正目的,为他们提供合理的访问路径或操作流程,而不是一味地去提高转化率。
相关文章推荐
- 电商研发方案 —— 产品模型业务分析和设计
- 产品设计(2.4)PRD写作 – 用例模型(产品用例图)
- 产品设计中用户模型的概念、获取及表达
- [国嵌攻略][167][产品功能模型设计]
- PLUTO平台是由美林数据技术股份有限公司下属西安交大美林数据挖掘研究中心自主研发的一款基于云计算技术架构的数据挖掘产品,产品设计严格遵循国际数据挖掘标准CRISP-DM(跨行业数据挖掘过程标准),具备完备的数据准备、模型构建、模型评估、模型管理、海量数据处理和高纬数据可视化分析能力。
- [课程设计]Scrum 1.1 NABCD模型&产品Backlog
- 如何比较Keras, TensorLayer, TFLearn ?——如果只是想玩玩深度学习,想快速上手 -- Keras 如果工作中需要解决内部问题,想快速见效果 -- TFLearn 或者 Tensorlayer 如果正式发布的产品和业务,自己设计网络模型,需要持续开发和维护 -- Tensorlayer
- 网站转化率与漏斗模型
- [课程设计]Scrum 1.1 NABCD模型&产品Backlog
- 购物商城之产品数据模型设计
- 数据产品设计专题(4)- 程序化交易业务架构模型
- socket库C++模型设计和实现--企业信息系统框架集成第三方产品案例
- 四步帮你分析用户流失原因 - 产品设计GAP模型
- 根据图论构建可量化评估的产品设计模型-类图(Like Graph)
- 谷歌最新AI产品——AutoML Vision,可以自动设计机器学习模型
- PLUTO平台是由美林数据技术股份有限公司下属西安交大美林数据挖掘研究中心自主研发的一款基于云计算技术架构的数据挖掘产品,产品设计严格遵循国际数据挖掘标准CRISP-DM(跨行业数据挖掘过程标准),具备完备的数据准备、模型构建、模型评估、模型管理、海量数据处理和高纬数据可视化分析能力。
- 面向对象的模型设计方法
- 通过Struts应用MVC设计模型
- 商务参考体系结构B2C-业务需求和设计模型