更清晰的分析思维:谈『指针优化』

作者: 用户投稿 阅读:109 点赞:187

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 : )

本站内容均为「码迷SEO」网友免费分享整理,仅用于学习交流,如有疑问,请联系我们48小时处理!!!!

标签: 优化 分析

  • 评论列表 (0