• 投放转化率：有多少人从广告链接，进到我们的商品页面？
• 购买转化率：有多少人在商品页面下单买货？

毫不夸张的说，转化率就是互联网业务的核心。没有转化率支撑，再多用户活跃，再多新人注册，再多广告阅读，都是纸面上的虚假繁荣，因此转户率如果降了。常常引得老板大吼：快分析原因！然而数据分析师给的分析结论，常常不令人满意。今天，我们就系统讲讲转化率的问题。

问题场景

某K12在线教育行业，卖课程的大概流程是：广告投放→用户注册→销售邀请试听→试听后销售跟进→客户下单。广告投放由市场部负责，在超过20个渠道分散投放。销售部负责跟进客户，课程部负责出课程。现在8月份1-15日，最终转化率（流程起点到终点的转化率，广告投放→客户下单）暴跌60%，问：如何分析转化率下降问题。

转化率分析的最基本做法：

1、梳理业务流程，先看有几个环节

2、统计过程数据，每个环节多少人，到下个环节还剩多少人

3、统计分类数据，如果总流程由若干子流程构成，分别统计子流程数据

比如本问题场景。基础业务流程包括5个步骤广告投放→用户注册→销售邀请试听→试听后销售跟进→客户下单，因此就有四步转化率：

1、广告投放→用户注册

2、用户注册→销售邀请试听

3、销售邀请试听→试听后销售跟进

4、试听后销售跟进→客户付费

同时，由于市场部有20个以上投放渠道，所以存在20个以上子流程。基于以上信息，我们可以归纳转化过程如下图。

由于在转化过程中，每个环节都有用户流失，因此也有形象的叫法，管它叫漏斗模型——如同漏斗一样，越往下越小。

很多新手同学，做完这个所谓的漏斗就开始下结论了：

• 转化率低，因为试听→客户付费转化率太低
• 转化率低，因为A渠道的转化率太低
• 所以，我们要把试听→客户付费转化率搞高！
• 所以，我们要少做A渠道转化率搞高！

以上回答，可是基于漏斗模型分析结论呢，老板听了肯定开心

开心个屁咧

这就是转化率分析的最大问题：简单的复述数据，没有任何分析结论。只要老板不是瞎子，肯定能看到转化率太低，只要老板不是傻子，肯定是想搞高。问题是：怎么搞，谁来搞，搞到多高，为啥是搞高不是换一个。

老板希望听到的分析是：

• 转化率低，是因为产品竞争力差
• 转化率低，是因为广告投放偏差
• 转化率低，是因为销售话术不行

这些才是真正的分析结论

然而如何把10000人，5%这种数据，对应到一个业务上的具体原因呢？想破解这个难题，得回答三个核心问题。

世界上最强产品力莫过iphone、莫过特斯拉、莫过微信。这哥仨都还没有普及到人手一个，更不用说你那些品牌弱、产品抄袭的小产品。所以一个渠道、一个产品品类，其转化率存在先天上限。明白了这一点，就可以对广告渠道、产品、销售进行转化率分类，看清楚哪些是A级，B级，C级。

注意，基于一个月的分类可能是不稳定的。比如销售转化率，很可能有四种形态。如果真出现下图所示的，完全随机的业绩分布，那说明销售在整个流程中的作用就是听天由命，很随缘的，就没必要设基准线。其他场景下，则可以灵活设置基准线，没必要一刀切。

改进的效果可能有两种

局部改进：只对转化某个环节有作用

全局改进：对各个环节都有作用

比如本问题里，广告投放改个文案标题，就只影响用户点不点击广告；销售跟进话术，只能影响试听过用户。但是课程内容增加，课程价格下降，则会影响全过程。毕竟用户是来买产品的，产品便宜了，产品内容多了，都会更吸引力。这些环节的优化效果是可预期的，因此可以做深入分析。

所以有了基准线以后，要每一期收集业务改进动作，预判指标变化方向。把开放题变成检验题。这样就能避免干巴巴的说：上升下降，而是一定程度上对应到：因为本次改进发挥了作用/因为新产品不受用户欢迎。

要注意：改进不见得全都是我方发起的，也可能是对手发起，引发我们被动改变的。比如

• 对手挖了我们的人
• 对手大降价促销
• 对手上了爆款产品

因此收集对手动作同样重要。并且对对手的动作的业务效果，要有预判。对手做的会对我们产生局部影响（比如推出一个英语爆款，那会影响我们的英语课）还是全局影响（对手全部降价50%），对手啥时间开展的动作（从这个时间起开始统计影响），都要有记录和预判，这样能一定程度上补充信息不全的问题。对外界环境变化做出判断。

比如广告投放，如果一个渠道质量很差， 市场部可以选择放弃这个渠道，转投其他人。销售转化率低，完全可以放弃对销售的培训，转而靠产品、价格吸引人，甚至故意用看似低级的广告，逆向选择客户（这一点在保险、电话销售、传奇类游戏等等领域屡见不鲜）。所以低了到底要不要搞高，完全看业务部门的策略。

这样梳理，就发现了影响转化率的第三条暗线：业务策略。业务策略的变化，更多体现在各子流程份额的变化，而导致的整体转化率变化。每一期收集业务策略方向，预判份额变化，把开放题变成检验题。就能一定程度上对应到业务动作（如下图）

注意：业务策略不见得都会成功，很有可能失败，从而导致一些负向变化。特别是对第一次采用的策略。因此不要听信业务说什么“这么做很符合逻辑呀！”再符合逻辑，也得数据说话。做策略调整的时候，要谨慎观察效果。

经过这三个问题强化，在一定程度上，我们能把数据变化，归因为：

• 渠道质量先天性下降
• 销售人员培训不足
• 新课程不受欢迎
• 对手降价针对

等等，从而提供更有价值的分析建议。

这些分析建议，基于：

1、对渠道、销售、产品基础情况有分级

2、对全流程转化率有长期监控

3、对业务策略，改进动作有收集和预判

4、对竞品动作有收集和预判

少一个，都没法深入下去

然而同学们也注意到了，在上边的讲解里，陈老师反复使用了“一定程度”，因为即使你全都都做了，还是会遇到一些稀奇古怪的问题。或者说，转化率分析的真正难点根本不在这里。

作者：接地气的陈老师 最接地气的数据分析观点