这篇文章我想跟你谈一个很重要的分析思维：『指针优化』，这个观念会帮助你在定义分析方向、甚至是营销策略时，会有更清楚一点的概念。

在分析的世界中有非常多的『指针』，以Google Analytics来说，Google Analytics里面就有上百个指针，广告相关的指针有点阅率、点击、CPC…等，交互相关的指针有跳出率、停留时间…等，与商业表现有关的指针有电商转换率、订单成交数…等，每一种指针都有它的功能存在，并且可以在商业上告诉你特定的商业现象，举例来说：

指针分析的重要性

#1 当你的广告『点阅率』过低的时候，你会知道是广告素材有问题、或是广告锁定的受众对你的产品没有兴趣，这两项是常见的广告点阅率过低的主因，如果你看到点阅率过低，你会往这两个方向思考，这就是『点阅率』的功能之一。

#2 当你的跟 Y媒体合作、请他撰写业配的新闻报导后，他为你带来的『工作阶段』比预期少的时候，你会思考到是否这家媒体无法帮你有效的触及更多的客户、带来更多的流量，这就是『工作阶段』的功能之一。

#3 当你看到 Z文章的『网页停留时间』比 X文章还要少一倍时，你会意识到，很大的可能是 Z文章的内容写得不够好，因此你会回头查看文章的内容是否写的不够丰富，这就是『网页停留时间』的功能之一。

我发现大家在理解『点阅率』、『CPC』、『Facebook的触及人数』这些指针时都没有太大的问题，也可以很习以为常的使用这些指针来优化你的广告，广告『点阅率』过低，你就会调整广告素材、Targeting设置，因为你知道优化『点阅率』的方法就是广告的设置跟素材，你也知道『点阅率』反应出来的就是消费者对你的广告是否产生兴趣。

优化点阅率似乎不是一件非常级困难的事情，但是，当刚学习分析的人，如果你要他优化『跳出率』、『转换率』时，总是会一头雾水不知道该怎么做、甚至感受到很大的挫折。我希望你可以理解，分析的世界并没有你想像中的困难，你只是需要知道每个指针该怎么样使用，既然你会使用也会优化广告的『点阅率』，那么，你也一定可以学会该怎么优化『跳出率』，『跳出率』跟『点阅率』一样，都只是网站分析中的其中一个指针 : )

同时，我们应该一起思考一下问题的源头，为什么『点阅率』你可以很轻松的应用并进行优化，但『跳出率』、『转换率』却不知道该怎么优化呢 : )

其实背后的原因很简单，因为像跳出率、转换率这样的指针背后所展现出来的涵义以及复杂度不同 ，当事情变的复杂时，就会让初学者感受到困难以及挫折感 。

我们都知道，广告点阅率会低，就是受众对你的广告没兴趣罢了，所以你才会想到要调整广告素材、或是重新换个投放的受众，点阅率展现出来的涵义相对较单纯。但是『跳出率』会太高，背后的因素跟可能性却非常多，从你网站的易用性问题、网站动线设计、Landing Page的标题以及图片素材、网站的速度快慢、商品图片、甚至是访客本身的背景/需求都会影响跳出率。

『跳出率』本身的存在意义便是帮助你了解访客的交互状况，当你的『跳出率』太高时，代表你的访客大多进到 Landing Page后就直接离开你的网站，对你的网页是没兴趣的，也就是说『跳出率』可以帮你评估＂有多少人对你的网站没有兴趣＂，当你的跳出率是90%时，代表每10万个访次就有9万个访次在你的  Landing Page会直接离站，但访客在Landing Page离站、对你的网页没有兴趣的原因有百百种，因为背后的成因复杂，导致刚接触分析世界的人，会不知道该怎么解决问题、或是该怎么优化。

Step 1：思考每个指针变化所代表的涵义

在网站分析的世界中有非常多的指针，我希望你可以在学习分析工作时，率先思考当每个指针产生数据变化时，背后代表的涵义以及对你的商业影响是甚么。

『点阅率』降低的涵义是：你的广告没有引起受众的兴趣、他们不愿意点击广告、甚至是忽略广告。

『跳出率』高的涵义是：大多的访客在进到你的到达网页后，不愿意产生更进一步的交互就离开网站。

『转换率』低的涵义是：你的访客在进到你的网站后，有很低的比例会完成购买。

『平均购买商品数』低的涵义是：你的访客不会购买太多的商品，一次可能只购买一件、或是两件商品。

目前到这里，看起来都很简单且理所当然，并不难，对吧 : )

虽说理解每个指针背后的涵义也许并不是太难，也是我建议你第一步该做的，但我希望你更进一步思考，当这些指针被改善时，对你的商业会产生甚么影响？ 如果这些指针产生了变化会对商业有正向影响，你才需要去优化这个指针，就好像你会去优化广告『点阅率』，就只是希望你的受众看到广告时会愿意点击广告、对广告产生兴趣，对吧？希望受众看到广告时会更愿意点击广告、对广告产生兴趣，这是你在优化『点阅率』时，希望带来的商业影响。

我们举个非常简单的例子，下图我们可以看到四个不同网页的离开率，以产品页离开率59%来说，代表到『产品页』的访客，有59%的人会离开我的网站，『结帐填写送货数据』以及『填写信用卡页面』的离开率个是32%以及76%，『结帐完成页面』离开率则是97%，试想一下，如果你优化并降低＂结帐完成页面＂的离开率，会对你的商业产生影响吗？答案很显然是：不会 。消费者结帐完成后、在结帐完成的页面离开你的网站是一件非常合理的网页行为，毕竟他已经完成购物了，这时你再硬性把他留在你的网站上，不太可能对你的转换率或商业表现有正面影响。但如果你选择优化的是降低『结帐流程 – 填信用卡数据的页面』的离开率，你的商业会受到影响吗？答案是：非常有可能 。

消费者在结帐完成页面离开你的网站，代表他已经完成购物行为、并且得到他所需要的商品了，但消费者在『结帐流程 – 填信用卡数据的页面』离开你的网站，却代表着他本来有购物的意愿、但中途放弃购物意愿，如果我们可以找出他放弃购物意愿的原因并加以改善，你的商业非常有可能会得到正面影响。

上述的例子是一个常理，你不会去在乎『结帐完成页』的离开率太高，因为你知道『结帐完成页』的离开率高是一个常理，你去降低他的离开率也不会增加你的营业额，指针优化也就是这么简单的概念，在优化任何指针之前，我们必须先确保＂你所选择优化的指针会对你的商业有产生正面影响＂，以购物完成页面的离开率很高 这件事情，根本不需要被优化。

但我们换个例子，举例来说，我们来看一下以下的报表：

在上面这张报表中，我们可以看到只有浏览1页的访客占了全站流量的 82%，剩下18%的访客只要浏览越多页数，后续会把商品加入购物车的比例是比较高的，同时，转换率也会相对的较高，也就是说，在这张报表中我们得到的消息是：当访客的交互状况越好时，他们后续越有可能成为购买者 。这时候如果我们去优化『跳出率』或『浏览页数』，只要获得更多愿意产生交互的访客，你的订单转换率很可能就会产生正面的影响。总结来说，在这张报表中我们观察到的规律是＂浏览越多页数的访客，后续转换率越高＂，因此结论是：如果我们去优化网站的跳出率或浏览页数，获得更多愿意交互的访客，你的商业很可能会被得到改善、转换率很可能会提升。

我们再看一张报表，如下图：

这张报表我们可以看到完全相反的状况，浏览页数较多的访客，却不一定会有较高的加入购物车的比例，转换率也并不会因此而明显的比较高，这样的情况在很多网站中也都是常见的，实务上未必访客的交互较好、后续的转换率就较高。为什么会有这样的情况呢？可能的原因有很多，举其中一种例子来说：你的购物动线设计有问题时就会有这样的情况，如果购物动线设计有问题，即便有访客愿意花很多时间浏览你的商品、浏览更多页数，但他们却找不到在哪里加入购物车、甚至是加入购物车之后不知道该怎么使用你的购买流程，就会导致访客即便浏览页数很多，但还是无法完成转换（也非常有可能因为购物动线有问题的关系，才导致浏览页的提高，因为你的访客在购物动线内不断的迷路，不知道该如何使用购物系统）。

在这样的情境之下，如果你去优化你的跳出率、获取更多愿意浏览更多页的访客，你的商业表现会被得到改善吗？

答案是：不见得 ，因为你的网站问题是在购物动线，并不是访客的交互状况 : )

实务上我们要花时间去观察每个指针、每个维度的数据，从中观察规律，如果你确定跳出率的降低会对商业有正向影响时，你才应该选择率先优化『跳出率』，如果你不确定的话，则应该花更多时间去看每一个重要的报表、花更多时间了解你的数据、并从中找到规律，等确定跳出率对转换率、对商业有影响，再来把跳出率当一回事。

总结来说，第一步，我希望你们去思考每个指针背后的涵义，以及当每个指针产生变化时，对你的商业是否有正向的影响。未必每个网站都需要去优化『跳出率』，也未必每个网站都需要去在乎离开率。

通常分析师在解决网站上的问题时会选择一些关键的指针进行优化，但这些指针必须要对商业有影响。

Step 2：根据优化目标来选择要优化的指针

以上述 Step – 1提到的例子来说，优化跳出率未必能够改善你的转换率、甚至是商业表现，因此你必须要先确保你所优化的指针会对你的商业产生正向影响，这是指针优化很基本的观念。（怎么确保呢？花时间去看你的分析工具内的每一张报表，从中找出规律，你需要勇敢大胆的猜测、并不断透过数据去验证自己的假设与猜测）

# 他的主力Landing Page是哪些网页？每组Landing Page的交互状况以及转换率如何？

# 他的购物车放弃率多高？消费者都在结帐的哪一个环节中流失？

# 访客交互状况较多是否意味着较好的转换率？

# 还有很多很多…（也许光网站的Basic Profile该怎么创建，未来就可以写好几篇文章了…）

当我透过数据、以及商业情境的研究来了解他的网站后，我会提出多种影响网站转换率的猜测与假设，并往下进行测试与研究，每一种假设或商业现象，都有对应的指针可以去测量，以转换率来说我举几个例子：

我们可以看到上图，今天我们的例子是…，我期望透过数据优化网站并得到的商业结果为：改善转换率 。

接下来我了解他的商业情境、以及数据的概况后，我提出了几个假设（上图）：

#1 如果我确定是他的Landing Page不够吸引人、无法让访客愿意进一步的交互，且也确定这是影响转换率的主因之一，那么我就会首先优化Landing Page的『跳出率』，『跳出率』会是我首要希望改善的指针。

#2 如果我认为是他的广告没有打到正确的受众，导致错误的受众进站后根本对我的产品没兴趣，后续的转换率也因此受到影响，那么我会调整广告的受众，并且观察广告带来流量的『跳出率』是否有得到改善，如果光是调整广告的受众后，广告的『跳出率』得到改善，代表我的受众设置方向是有被改善的，这时候『跳出率』会是我首要希望改善的指针。

#3 如果我发现他的结帐动线中有很严重的流失情况，那么我会把流失最严重的环节辨识出来，并且我首要优化的目标会是降低购物结帐的『放弃率』，『放弃率』会是我首要希望改善的指针。（结帐动线的流失情况你可以依赖Google Analytics的＂结帐行为＂报表来观察到）

#4 如果我认为是网站的CTA有问题，那么我会用热点图、或Google Analytics的事件追踪来追踪 CTA的点击状况，甚至可能会做 A/B Test来测试各种不同的CTA，这时候我希望优化的指针是 CTA的『点击率』。

很重要的一点是 ，上述虽然有着这四种不同的优化方向，但请一定要记得 ，不管最后选择的是这四种的哪一种情况去优化，最后你一定要观察『转换率』的变化，因为在上述范例中，我们希望得到的商业结果是『转换率』得到改善。因此，在跳出率得到改善后，究竟转换率有没有跟着提升？在购物车的放弃率改善后，究竟转换率有没有改变？这都是你必须要观察的重点。

在这个例子中，改善『转换率』才是我要的商业结果，而优化『跳出率』只是改善『转换率』的一个过程。

在实务上我们一定是先有明确的优化目标，先思考＂你希望改善你网站上的甚么事情？＂，接着对商业情境进行很全面的研究、然后花时间了解数据的概况后，再来决定要优化的项目，当你有了明确的优化项目后，就肯定会有对应的指针可以帮助你测量你的优化工作是否成功 ，以上述范例 #2来说，我的优化项目是＂广告打到正确的受众＂，所以我的对应指针是广告流量的『跳出率』，并且我会观察广告的跳出率降低后，我的转换率是否有跟着提升。

有的时候，指针的优化只是我们得到商业结果的一个过程，就好像上述范例所说，优化『跳出率』只是改善『转换率』的一个过程。

请先设置预期商业目标与商业结果后，再来选择该优化的指针，并且，你要确定优化这些指针能够对你的商业产生影响、甚至是得到你要的结果。选择你要优化哪个指针是很重要的一件事，想想文章前段我提到过的，跳出率的降低未必会对你的转换率有影响。

Step 3：拆解指针变化的原因

回到我们文章开头所提到的，为什么刚接触分析的人能够得心应手的应用『点阅率』，但在应用『跳出率』或『转换率』上却觉得相当棘手且挫折？

因为『跳出率』、『转换率』、『点阅率』这些的指针背后所展现出来的涵义以及 复杂度不同。

影响转换率的原因以及可能性比广告的点阅率还要多上太多了，因为背后的成因复杂，导致我们不知道该怎么着手，但事实上，只要你将＂转换率低＂这件事背后的原因跟可能性条列出来，提出你的假设、并设法思考＂该如何验证你的假设＂，事情就会变得比较容易被理解。

（点图放大看）

转换率低的原因很多，每个网站所面临的问题跟可能性并不一样，我们大致上举几个例子（如上图），有的网站转换率低是网站动线/易用性有问题，有的是CTA设计的问题，实务上我们需要针对自己对于网站的理解去提出假设，如果你对你的网站有足够的理解，你才能更有效率的提出假设，提出假设后就是配合数据去验证假设的过程。以＂CTA设计问题＂来说，若我们认为这是最有可能导致转换率过低的可能，在分析工作上要做的便是用A/B Test测试不同的CTA点阅率，来观察不同的 CTA是否会对CTA的点阅状况有影响，当然，如果测试了不同CTA，发现点阅状况确实会有差，后续你还是要观察＂当CTA的点阅率提升后，转换率是否有提升＂，如果CTA点阅率与转换率的变化是有相关的，我们才可以确定＂CTA设计影响着你的转换率＂。

在遇到『转换率』、『跳出率』这种复杂的指针优化时，你对你的网站以及商业的理解越深，提出的假设就会越有效率且越精准，举例来说，若有读者拿着网站来找我寻求转换率优化的问题，如果你当下立刻要我给你答案，我可能会提出非常多种不同的假设，而且我无法确定哪些假设的可能性最高，因为当下立刻我并不够了解你的网站跟你的市场、还有你的消费者，但如果你给我一天的时间，我有多一点的时间研究你的商业模式、竞争对手、消费者的习惯，我就可以把可能性降低到较少的数字以内，这也是我们一直强调的商业情境 。

事实上，即便是资深的分析师做的事情也只是拆解各种不能的可能性，并依照分析师对于网站、商业的理解，再加上自己的经验以及营销思惟去提出假设，然后设计验证假设的实验流程，然后解决问题。

当你遇到背后影响因素越复杂的指针时，因为背后的可能性很多，若不知道怎么开始优化，其实对于新手来说最简单的方式就是＂把你所有想到的、会影响转换率的可能性先列出来＂，然后逐项去思考哪一项的可能性最高，接着再设计实验流程来验证假设 : )

今天这篇文章我们就先谈到这哦，希望对你有帮助，我们下一篇文章见 : )