乐学 如何搭建高转化的营销漏斗？
这么好的问题，居然没有人回答，可惜。
笔者目前自己创业，做互联网营销社群，目前会员700余人，所以对这个问题还是有一些发言权的。
漏斗模型的本质在于转化率。
比如1000人看到了你的产品，100人表示兴趣，10人深度了解，1人成交下单。这个过程，漏斗模型不断发挥作用。
销售额=流量转化率客单价。所以提升销售额的方法有三个，增加流量、提高转化率或者提高客单价。
漏斗模型的提出已经很多年了，目前作用已经逐渐在降低，随着社会化营销手段的发展，波纹模型成为新的营销方法。
一个人下单，10个围观，1000人触达。每一个人即是消费者，又是传播者。
总体来说，两种营销方案都非常不错，可以结合起来用，欢迎继续交流。
在这个APP极度繁荣的时代，国民总时间作为有限网络资源的情况下，各家APP都在想尽一切办法争取用户使用频次和单次使用时间，而在APP使用频次和使用时间难以获得显著提升的背景下，各家APP所属的公司一方面开拓新的业务线来提升对国民总时间的占有率的同时，另外一方面在使用频次和单次使用时间没有显著增长的情况下更为关注用户转化率的提升。而在这诸多的APP中，其中以电商平台用户的转化模型最具代表性，因此本文对电商平台用户转化漏斗进行分析，读者可以以此作为对其他APP的用户转化率进行解读。简而言之，本文旨在提供一种分析用户转化率漏斗的分析模型。
电商平台的用户转化漏斗要结合用户在电商平台上的购物路径来进行分析，购物路径的终点是完成成交，而完成成交的标识是用户完成确认收货。
电商的购物路径是：进入购物APP，找到选购商品，线上购买确认，线上完成下单，线上确认收货。鉴于现在电商领域内购物生态最为成熟和完善的是阿里系产品，因此这里将选择淘宝作为分析的具体案例。
1、进入购物APP
进入淘宝商城的渠道有淘宝系的内部渠道和外部渠道，其中内部渠道包括淘宝自身的APP、淘宝的WAP版、淘宝的PC网页版、聚划算导流通道、淘直播导流通道、淘宝社区导流、淘宝客导流通道、支付宝购物通道、UC商品广告、微博商品广告等，外部渠道包括分享到社交媒体上的访问链接或访问信息、邮箱收到的商品访问链接、电视媒体广告、各类合作导流站点（例如：新闻媒体网站上的商品广告位等）。
用户通过不同的渠道进入淘宝商城之后落地的页面不同，有的渠道的落地页是商城的首页，有的渠道落地页是活动专题页、有的渠道的落地页是商品列表页、有的渠道的落地页是商品的分类页面、有的渠道的落地页面是店铺首页、有的渠道的落地页面是品牌页面、有的落地页面是商品详情页。
用户通过不同的渠道进入不同的落地页面，不同的落地页向用户传达的信息不同，带给用户的体验不同，对用户的影响也必然会不同。
11落地页是商城的首页
一般而言落地页为商城首页的渠道主要是商城自身的APP、官网首页、以及一些平台宣传广告等等，商城首页最为核心的一个作用是实现对访问用户的分流（另外一个作用是满足运营广告宣传的需求，这也是分流的一种手段这里不展开讨论）。用户认知信息的心智模型将对首页的框架、布局、功能、内容、视觉等产生最直接的影响，而用户的类别细分又将对网站在布局、视觉、内容层面上产生细微的影响。
用户认知信息的心智模型有四种：地毯式、探索式、已知式、返回式。 为了满足不同的用户认知心智模型，商城首页将会采用不同的功能来满足。
111地毯式认知模型
地毯式认知模型是指用户并不确切的知道自己想购买什么，而是在漫无目的的闲逛的过程中发现了自己需要的信息，确定了自己想购买的商品。
为了满足地毯式心智模型，商城首页通常会以瀑布流的方式呈现各种各样的单品，不对商品信息进行任何分类，用户通过闲逛的模式不断的浏览各类商品，在这种漫无目的的闲逛中用户可能会发现自己想购买的商品。马云曾说过每天晚上有1700万人在淘宝上闲逛，而这类人主要是通过地毯式来满足自己的认知心智模型的，而在不同的内容层级（专题、活动、促销、优惠、店铺、分类等等）上采用瀑布流的方式来呈现商品信息正式为了满足用户的这种认知心智模型。
112探索式认知模型
探索式认知模型是指用户对自己想要获取什么方向的信息有一定的方向，但是并不确切的知道自己想要什么。比如：小王新加入了一家公司，该公司对员工着装有要求，对于小王来说需要购买一套职业装来满足自己的着装需求，但是小王并不清除自己应该购买什么样的职业装，这种情况下小王满足自己信息认知模型的方式既是通过探索式认知模型来达成的。
为了满足探索式心智模型，商城首页通畅采用的分类和搜索的方式来满足用户的需求，在分类层面上淘宝APP首页上顶部导航上的分类索引，在搜索层面上所支持的分类搜索、品牌搜索、店铺搜索、精准产品搜索等功能。上述例子中的小王完全可以通过为了满足探索式而开发的功能来实现自己购买职业装的需求。
113已知式认知模型
已知式认知模型是指用户对自己想要获取什么信息有非常明确而具体的认知，已知式虽说可以从相对性的角度来分析，但是我们这里说的已知式是指非常具体的认知模型。比如：小王新加入的公司对职业装的要求是“某某品牌”“某某系列”“某某型号”的服装，而对于小王来说结合自身的身材可以选择该品牌、该系列、该型号下的具体尺寸。
为了满足已知式认知模型，商城首页采用的搜索的方式来满足用户的认知模型，而满足的方式主要靠精准搜索来满足。小王如果非常清楚自己想要的产品是什么完全可以通过这种方式来满足自己获取到对应产品的需求。
114返回式认知模型
返回式认知模型是指用户已经获取到过该类信息，只需要再次重新查找该类信息就可以获取到相关信息。比如：小王在浏览商品首页的过程中，通过瀑布流的方式，滑到了页面很下面的位置，要想返回到页面顶部查看自己之前看到的信息，可以通过返回式来满足自己的认知。
为了满足返回式认知模型，商城首页采用的“一键返回顶部”的功能来满足用户的此类认知模型。有了这个功能之后，不管小王以瀑布流的形式向下滑动了多少屏页面都不用在担心了，只要点击“一键返回顶部”功能就可以迅速的返回页面顶部。
12落地页是活动专题页
活动专题页是指面向特定的需求场景而把一些商品进行聚合而形成的商品页面，该页面中的商品可能属于不同的商品类别，但是这些商品都具备满足特定需求场景的属性。比如：为了满足炎炎夏日人们清凉的需求而设计的专题所聚合的商品可以包含风扇、空调、空气加湿器、制冰机、清凉饮料、遮阳伞等等，这些商品之间类别跨度较大，但是确实都可以用于炎热的夏天人们清凉的需求。在这样的专题活动页面，平台为用户提供了不同的商品解决方案，总有一款商品能满足用户的需求。
13落地页是商品列表页
商品列表页是基于一定的聚合维度（分类、品牌、店铺等维度）对商品进行聚合，以列表的形式来呈现出商品的页面。聚合出来的页面可以是一个个单品、也可以是一个个品牌、还可以是一个个小的分类，视为了所满足的具体需求场景而定。
14落地页是商品的分类页面
商品分类页面是基于分类的这一单一维度而对商品聚合并进行呈现的页面。比如在长江中下游会出现的梅雨季节，空气除湿这个小类别是诸多用户面临的需求场景，如何对这个类别下的产品进行聚合或者说选择哪些产品作为该类别下的产品是需要认真思考和衡量的问题。
15落地页面是店铺首页
店铺首页是基于店铺这个核心维度对商品进行聚合和呈现的页面，也因此店铺首页呈现哪些信息作为店家来说可以有较大的自由度，商家可以结合自己的经营范围和优势产品，植入一些推广活动形成别具特色的店铺首页。
我们经常会看到在一些电视频道上有些品牌和天猫联合推出的广告，这是有效的把用户导向店铺首页的其中一种方式。前文中我们提到的其他渠道也有一些适合接入店铺首页作为落地页，这里不再展开，有兴趣的同学可以自行总结。
16落地页面是品牌页面
品牌页面是基于品牌这个核心维度对商品进行聚合和呈现的页面，这种活动页面一般是品牌和平台联合而发起的活动页面。页面内所包含的商品是某个具体品牌的各类商品，这些商品的类别跨度根据品牌自身商品覆盖范围的不同而不同。
17落地页面是商品详情页
商品详情页是指为了全面的呈现商品的信息而把商品的各种描述文本或属性聚合为一体而呈现的页面。
用户通过不同的渠道进入对应的落地页之后，第一要素是是否能吸引用户的注意力，进而在总体框架和整体布局上是否能带给用户比较舒适的感觉，再而页面所具备的功能和内容是否可以满足用户的需求。这三个层面会对用户在该页面的浏览量、访问次数、访客数、新访客数、新访客比率、IP、访问时长、跳出率、进入下一步的转化率等页面分析指标产生影响。
而其中最可能为我们带来价值的几个指标有访客数、访问时长、访客数、新访客数、跳出率、进入下一步的转化率等，通过分析用户进入页面后的这几项关键指标可以初步对页面的好坏有一个清晰的认知。哪一项或者哪几项关键数据有问题，是指导页面调整和优化方向的关键元素。
2、找到选购商品
在寻找选购的商品时，用户通过不同的渠道进入不同的落地页面，会有不同的路径来达成自己选购商品的目的。这里我们选择商城首页作为商品选购路径分析的起始页面，以商城首页为起始页是选购路径中最为复杂的路径，也因此最具代表性，其他落地页可以参考该分析思路作为参考。
用户通过分类、搜索、活动专题、广告位、商品列表单品链接等分流渠道可以进入下一级页面，下一级页面可以是商品列表页、专题详情页、广告详情页（可以是品牌、店铺、商品、分类等内容）、商品详情页等，而用户在这一级页面又可以进一步进入下一级页面，最终用户会落地到商品详情页上。
而用户在从商品首页进入商品详情页的过程中，通过不同的信息认知模型采用不同的方式进入商品详情页的过程中，路径的节点不同用户在每个页面都会面临浏览量(PV)、访问次数、访客数(UV)、新访客数、新访客比率、IP、跳出率、平均访问时长、平均访问页数、转化次数、转化率等指标。
对上述指标进行聚合可以分为 流量数量指标、流量质量指标、流量转化指标 三大指标，从上一个页面进入下一级页面需要 提升流量数量指标、增加流量质量指标、改善流量转化指标 ，哪个指标维度低就重点在哪个维度上下功夫，多多尝试不同的思路来进行验证，最终实现用户选购商品路径的各项指标的提升。
在指标优化的路上没有捷径，在电商个场景解决方案日趋成熟的今天，如果不能很好地推陈出新，只是使用既有的知识很容易被框定在现有的方案中难以跳脱出来。也因此在指标优化时，团队可以在维持稳定解决方案的前提下，面向一部分用户（可以按照活跃度所占比例选择一定的数量）采用A/B Test的方式不断的验证自己的方案。
3、线上购买确认
用户通过不同的路径进入到商品详情页，确认对应的商品为自己想购买的商品之后，会通过加入购物车或者立即购买等功能进而进入线上购买确认的动作。
用户在商品详情页会存在的下一步行为包括跳出、加入购物车、立即购买，如何减少用户跳出，提升用户加入购物车或者立即购买的行为是线上购买确认的关键。为了提升用户加入购物车的行为，商家一般会采取发放优惠券、开展满减活动等方式来提升用户把商品加入购物车的行为。为了提升用户立即购买的行为，商家一般会采取限时抢购的活动来提升用户进行立即购买的行为。
对于平台来说，用户把商品加入购物车后仍然有跳出的可能性，如何在购物车页面提升用户进入下一步行为的可能性？平台现在采取的方式一般是在购物车页面展示商品参加的优惠活动，方便用户进行拼单凑满减或者快捷的领取优惠券来达成该目的。
即使用户进入订单确认页面，用户仍然可能会从该页面跳出，为了有效的减少该用户从页面的跳出行为，平台会在该页面尽量全面的显示会影响用户购物行为的属性，这样用户不需要从该页面跳出就可以完成对自己购买商品的确认。另外还会采用呈现商品原价和商品优惠幅度的信息来提升用户进入下一步行为的决心，进而减少用户在订单确认页面的跳出率。至于用户已经决定从订单确认页面跳出的行为，作为平台来说很难进行阻止。
4、线上完成下单
在用户完成线上订单确认后会进入线上支付下单的过程，在这个过程中，为用户提供方便快捷的支付方式是减少用户跳出提升用户成功下单的关键因素，而国内线上支付渠道发展到今天其支付的便利性已经不存在任何问题，特别是对淘宝这个具备支付宝这个强力支付工具的平台而言更是如此。
但是在这里我们要提一句有些商家在用户支付的过程中，当用户选择使用 *** 或者花呗进行支付时，会要求用户支付一笔额外的费率，而往往就是这种行为给用户带来不好的消费体验最终导致用户放弃支付。
在用户下单之后，用户仍然可以选择取消订单来跳出自己的购物行为路径，在用户取消订单的过程中如何提高用户使用该功能的门槛的前提下又不至于给用户带来极差的体验是需要综合衡量的。一方面提高用户使用该功能的门槛会让一部分用户觉得有点繁琐而放弃取消，另外一方面该功能如果设置的过于复杂又会给真正需要该功能的用户带来极度糟糕的体验，这可能会激发用户的逆反心理让用户更为坚定自己取消订单的决心。
5、线上确认收货
线上确认收货是指用户拿到实际实物商品之后，用户手动确认收货或者由平台根据发货时间设置一个时间区间而自动触发确认收货的过程（现在物流状态丰富和齐全的情况下，也有以物流配送到用户手里即自动确认收货的）。
线上完成确认收货，是正常购物流的结束，却是另外一些流程的开始。比如用户退换货，用户再次购买等流程。做缺陷分析需要投入不少的人力和时间，所以在缺陷分析之前首先我们必须明确我们为什么要做缺陷分析，缺陷分析能给我们带来什么。是效率的提升还是开发质量的提高。
接下来我们要确定缺陷分析的粒度，如果粒度太大，无法分析出具体有用的结果，如果粒度太小，投入的人力时间太多，与最终得到的成效相比，代价过大。
缺陷分析主要不是解决缺陷，而是防止缺陷的再次发生。正如我们应该提高自身身体素质，防止生病，而不仅仅是治病。
进行缺陷分析首先我们要从缺陷的来源下手，来源主要分成两类：
1产品发布以后的缺陷
数据：产品发布以后的缺陷主要来源于用户报的问题，当然也有一部分是自己内部员工发布的问题，可以是产品经理，测试，开发或者其他的员工。
目的：分析这部分缺陷能让我们知道我们测试工作中的不足，找到相关的原因，提高测试工作的质量。同时，可以发现用户遇到的问题，在之后的开发工作中避免这种问题再次出现，提升用户体验。
指标：计算出平均修复时间指标，知道我们维护阶段处理缺陷的效率。提高效率，提升用户的满意度。
2产品发布之前的缺陷
数据：产品发布之前的缺陷主要来源是测试开的bug。
目的：分析这部分的缺陷，能发现需求上描述不清楚或者不合理的地方，编码容易出错的地方，流程上不合理需要改进的地方，软件薄弱的地方等。我们逐个击破，提高整个开发团队的素质。
指标：同时通过缺陷分析，计算出缺陷指标，评估风险以及开发阶段软件的质量和需要的工期。
下面我们要重点介绍的缺陷分类方法叫漏斗模型缺陷分析法。模型从上到下是一个逐渐缩小的过程，让我们从一开始的缺陷到最后找到导致这个缺陷的部门和生产过程，以便有针对性的进行改进。
模型从右到左是生产的反向过程，在右边的生产活动如果缺陷过多，就会掩盖掉其左边的生产活动，我们必须先解决掉右边活动存在的问题，减少它产生的缺陷，这样才能看到模型左边的生产活动存在的问题。 模型如下图，绿色的是缺陷的分类，蓝色的是生产活动，红色的是对应的责任职位。
我们如何利用这个模型进行分类呢。可以分为以下几步。
1对缺陷进行分类
把所有的缺陷按照模型的最上面一层进行分类。如果是老的缺陷，那会比较麻烦，需要重新分析老的缺陷，然后给老的缺陷分类。如果打算忽略老的缺陷，直接在之后的缺陷里进行统计，那可以直接在创建缺陷的时候加入一栏“缺陷类别”，而类别就是模型里的第一层，之后的统计中就会方便很多。
2计算出每个类别的缺陷数目，然后对应到生产活动。
我们的生产活动主要有：
-- 编写需求
-- 理解需求
-- 系统设计
-- 编码
-- 设计测试用例
-- 功能测试
-- 回归测试
-- 性能测试
-- 实施
然后按照缺陷个数的高低进行分析每一个生产行为，分析产生缺陷的原因，是因为人还是因为制度还是因为流程。然后进行相应的改进。
以我目前的一个项目来举例，首先我提取了最近一个月发布前的缺陷。（这里主要的是，缺陷数目越多，能发现的问题更多，也更具有代表性。我这里取一个月的缺陷，只是为了说明，因为数据量太小实际参考效果不佳。）
先根据缺陷类别统计每一个类别的缺陷个数，然后对应到生产活动。我们发现排名第一的是编码，第二的是需求，需求产生的缺陷个数居然有29个，占比326%。需求的缺陷占比如此之高是不太常见的。从另一方面来说如果解决了需求这一块存在的问题，在效率的提高和产品质量的提高上会有很大的帮助。一般如果是由于需求导致的缺陷，如果找到原因并且采取有效措施后会比较容易在以后的工作中避免。
那我们来具体分析下为什么会有这么多需求的缺陷。需求缺陷中，其中主要的问题是需求描述不清楚，其次是多语言翻译，最后是用户体验。
需求为什么会描述不清楚，一是因为产品人员没有真正理解产品，很多情况没有考虑全面。 二是描述语言不够清晰，逻辑不够清楚。三是业务上没弄清楚真正需要的是什么。对于第一点，一方面产品人员要加强对于自身产品的理解，测试人员也可以在这方面给产品人员把关，尽量保证需求考虑足够全面。 对于第二点，产品人员在写需求的时候尽量理清思路再写。对于第三点，这一点比较难，需要产品人员多提升专业知识。
对于多语言翻译，一开始产品人员就应该明确哪些语句需要支持多语言，并且列在一个表里，保证他们都翻译了。而不是通过测试，发现问题，报告缺陷，然后解决，再去验证。这样对于测试资源是一张浪费，特别是在测试资源紧缺的时候，更是雪上加霜。
对于用户体验方面，希望产品人员多提升在用户体验方面的认知，在设计产品的时候时刻注意，不能是一拍脑门做决定。
总结下来。对于需求产品的缺陷，只要产品人员在平时工作中多加注意，相信这一方面的缺陷会少很多。整个组的效率也会提升很多。
接下来我们来分析下编码导致的缺陷，编码导致的缺陷中占比比较大的是，逻辑错误，遗漏功能，和不同组直接的依赖。这里面我们能努力的方面是遗漏功能和不同组之间的依赖。
遗漏功能一方面是对于需求没有了解清楚，另一方面是没有考虑全面，比如特殊的数据处理，特殊场景的处理等。改进的方向是，在做之前确认自己是否真的理解了需求，还有就是积极参加测试用例评审大会，听一听测试人员的测试用例，看自己有什么遗漏的地方。 另外就是自己整理一份特殊数据，特殊场景的情况，每次做到有关的内容的时候，都提醒下自己是否考虑到了。
不同组之间的遗漏，在于组之间的不透明。对于相互影响的模块，可以考虑创建一个组之间模块依赖表，每一个组设置一个接头人，一旦有依赖的模块发生变化了立刻通知到其他组。对于上下游的模块，每次下游测试前要和上游确认所有的需要的准备工作已经完成。
前面的这些分析都是按照缺陷个数进行的分析。当然有些缺陷个数很少，可是影响却很恶劣，对于这种缺陷我们必须强烈避免，按照漏斗模型找到对应的生产活动对应的负责人，case by case的处理。坚决避免此类情况再次发生。
在我们日常的工作中，大家对于缺陷分析的重视度并不够。一方面是不知道该如何利用缺陷的价值，如何进行分析，另一方面是记录的缺陷不规范，要进行缺陷分析难度太大。我所处的项目组由于业务多，时间上紧，所以大家都很忙很累，大家都意识到流程上业务上存在问题，可是却无法知道具体问题出在哪里，如何改进，更没有数据可以用来说服老板或者其他人进行改变。直到某天我意识到，缺陷就是开发过程的产物，它最能说明我们的开发过程到底存在什么问题，然后我就开始进行缺陷分析，不过一开始没想好从哪个维度入手，也不清楚缺陷该如何分类，分类的粒度应该多大。于是慢慢的尝试，最终整理出来的漏斗模型里面列的那些分类，因为整个图很像漏斗加上分析的过程就像用漏斗一样，一遍遍的过滤信息，最终找到根本问题，所以我把它叫做漏斗模型。希望大家能从我这篇文章中得到帮助。 SEM入门有3个多月，从一窍不通的小白到现在初级入门菜鸟，正在不断学习和积累中，也有了自己一点小小的总结和感悟。有任何不正确的地方，欢迎指正~
“漏斗原理”其实在很多领域都有涉及和应用，比如销售行业的销售漏斗。在SEM中，漏斗模型是最重要的一个模型，也是日常分析问题最主要的思路。SEM的漏斗模型主要以用户浏览或使用过程划分，对应搜索营销的各个环节，构成要素分为以下：
1、展现量
展现量即关键词展现在用户前的次数，是漏斗原理的第一层。
影响展现量的因素主要分为3个：账户整体设置、关键词、网民搜索量。在账户整体设置方面，账户的投放地域、时段对展现影响较大。投放地域多、全天投放，账户的展现自然就高；在关键词方面，影响最大的是关键词的匹配模式。在百度搜索推广中，匹配模式主要分为广泛、短语-核心、短语-同义、短语-精确、精确5中，匹配模式越宽，展现越大；此外就是关键词的排名和数量。
2、点击量
点击即网民看到搜索推广后的点击次数。
影响因素主要分为2个：关键词、创意。关键词的排名是影响点击量的主要因素，此外，关键词的展示样式也是很大的一个因素，如闪投的点击率一般会高于普通创意（可见颜值的重要性）。创意方面，流畅影响链接对网民的吸引程度。创意还与账户的结构有关，因为创意以单元为单位，账户结构越合理，单元的关键词越相像，创意也就越流畅。
3、访问量
访问量即网民到达网页的次数，此时已经脱离SEM范围，主要与网页的网文时差、UI有关。
4、咨询量（注册量）
对于一些行业来说，这一层为咨询量，如教育行业的访问咨询，其他对于搜索推广的目的是用户注册的公司来说，这一层级即为注册量。
影响网民注册的因素主要有：loading page。其他如网页的访问时长等已经脱离了SEM的范围，而loading page是SEM所需要优化的。
5、订单量
订单量靠的是产品或者销售了。
以上是SEM中的漏斗原理，用户随着漏斗的层级一层一层流失，为了最后的订单量（或者注册量、咨询量）足够多，需要把从展现开始的每个层级尽可能做大，并且减小流失率。
在 *** 作账户过程中，总会遇到各种各样的问题，这些问题很大一部分都需要用漏斗原理来思考和解决，因此对漏斗原理的一些过程指标以及他们到底对应我们日常数据中的哪一项、最终的影响结果是什么都需要掌握，这样在账户有问题时，才不至于无从下手纸上谈兵。
按照漏斗原理（这里以app注册推广为例），在转化过程中需关注的过程指标有：点击率、点击注册率、买单率，在推广的结果中需关注：ACP、注册成本、人均付费。
1、点击率
点击率=点击/展现
影响点击率的因素即为影响点击与展现的因素。主要分为关键词排名、创意质量度。关键词排名越高，点击越多；创意质量度越高，越吸引用户点击。
落实到优化措施中，提高关键词排名则需要调整关键词的质量度和出价；提高创意质量度则通过修改创意，让创意中的通配符与单元里的关键词更加吻合。
2、点击注册率=注册/点击
点击注册率是考量投放效果好坏的一个重要指标。影响的因素主要有关键词匹配方式、loading page、网页访问速度。其中网页访问速度不是投放人员所能控制，因此先不说；关键词的匹配方式影响所带来的搜索词，匹配方式越宽泛，带来的搜索词越多越杂，引起了无效点击；loading page的UI和内容是否能引导用户进行下一步的动作，对点击注册率也有很大的影响。
落实到优化措施中，通过查看搜索词报告和关键词报告，来进一步优化关键词的匹配方式，让流量更精准的流入到各个关键词中；对于loading page，则通过A/B test来测试不同页面的注册率，优选注册率高的。
3、买单率
买单率=买单人数/注册人数
买单率其实代表投放的准确度和用户质量的高低，投放越精准，带来的用户质量越高（即为目标用户），则买单率自然不会低。所以我个人觉得这是一个衡量投放整体情况的指标。当买单率较低时，因为搜索账户目前没有定向方式，因此可以看注册用户的用户属性，通过调整用户属性来优化投放。
4、ACP
ACP就是平均点击价格，ACP=消费/点击次数
当ACP提高时，不可避免的注册成本就会提高，因此ACP可以说是注册成本的另一种形式的表达。如果账户中ACP提高，但注册成本并没有多大变化，那么账户中一定有注册成本很小的词存在。这也给投放优化带来了一点难度。
ACP的影响因素有：关键词出价、其他竞争对手的关键词出价、关键词质量度。在百度搜索推广中，关键词的点击成本有一个计算公式，公式里包含的因素即为上面罗列的这三个。
5、注册成本
注册成本=消费/注册
注册成本是搜索推广中非常重要的一个指标，成本的高低直接影响最后的账户回本。注册成本的影响因素比较多，也比较复杂，因为注册成本是一个综合性的指标。
影响注册成本的原因可能有：ACP、点击注册率。因此可根据ACP与点击注册率的影响因素进行调整。
在投放过程中，最主要的是有一个思考的逻辑，发现问题，接着一步一步分析问题，找出影响因素后，再对应到数据指标中，由数据指标最后对应到优化 *** 作。
漏斗数据是漏斗分析，是一种可以直观地呈现用户行为步骤以及各步骤之间的转化率，分析各个步骤之间的转化率的分析方法。
营销漏斗模型指的是营销过程中，将非潜在客户逐步变为客户的转化量化模型。营销漏斗模型的价值在于量化了营销过程各个环节的效率，帮助找到薄弱环节。所以整个漏斗模型其实就是将了解到购买这整个流程拆分成一个个可以量化的步骤，用转化率来体现。
详细信息：
漏斗分析的价值主要有：功能优化，运营投放，用户流失等。营销的环节指的是从获取用户到最终转化成购买这整个流程中的一个个子环节，相邻环节的转化率是指用指标来量化每一个步骤。
最后通过异常的数据指标找出有问题的环节，从而解决问题，优化该步骤，最终达到提升整体购买转化率的目的。整体漏斗模型的核心其实就归为分解和量化。
这就是一开始所提到，我觉得漏斗模型不仅仅是一个模型，更是一种方法论，一种思维方式的原因。
可以通过这种分解和量化的形式，将问题进行不断的拆解，最后通过量化的形式来辅助达成目标，或者对异常的步骤进行调优，最终达到总目标。它可以广泛应用于流量监控、产品目标转化等日常数据运营工作中，称为转化漏斗；也可以用于产品、服务销售，称为销售漏斗。
1、RFM模型RFM分析是客户关系分析中一种简单实用客户分析方法，将最近一次消费、消费频率、消费金额这三个要素构成了数据分析最好的指标，衡量客户价值和客户创利能力。
RFM分析也就是通过这个三个指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。
R——最后交易距离当前天数（Recency）
F——累计交易次数（Frequency）
M——累计交易金额（Monetary）
在这三个制约条件下，我们把M值大，也就是贡献金额最大的客户作为“ 重要客户 ”，其余则为“ 一般客户 "和” 流失客户 “，基于此，我们产生了8种不同的客户类型：
重要价值客户 ：复购率高、购买频次高、花费金额大的客户，是价值最大的用户。
重要保持客户 ：买的多、买的贵但是不常买的客户，我们要重点保持；
重要发展客户 ：经常买、花费大但是购买频次不多的客户，我们要发展其多购买；
重要挽留客户 ：愿意花钱但是不常买、购买频次不多的客户，我们要重点挽留；
一般价值客户 ：复购率高、购买频次高，但是花费金额小的客户，属于一般价值；
一般保持客户 ：买的多但是不常买、花钱不多，属于一般保持客户；
一般发展客户 ：经常买，但是买不多、花钱也不多，属于一般发展客户；
一般挽留客户 ：不愿花钱、不常买、购买频次不高，最没有价值的客户；
下面是我用 FineBI 做的RFM模型可视化仪表板，可以通过RFM模型对客户的终生价值做一个合理的预估，基于一个理想的客户特征来衡量现实中客户价值的高低，通过此类分析，定位最有可能成为品牌忠诚客户的群体，让我们把主要精力放在最有价值的用户身上。
波士顿模型最初是一个时间管理模型，按照紧急、不紧急、重要、不重要排列组合分成四个象限，以此便于对时间进行有效的管理。
运用在客户分析中，也就是利用销售额和利润这两个重要指标分为四个象限，对我们的客户进行分组。我们将这两个维度作为横纵坐标轴分为四个象限，将产品或者服务分为下面四种类型：
明星类 ：增长率高、占有率高，代表着十分成功的产品，是主打的明星产品；
金牛类 ：增长率低、占有率高，已经占据了市场但是没有发展空间的产品，属于现金牛产品；
问题类 ：增长率高、占有率低，说明用户需求高，但是本身产品有问题，需要改进优化；
瘦狗类 ：增长率低、占有率低，市场不认可的失败产品，需要尽快去除；
我们如此分类的目的正是要根据波士顿矩阵，将一些没有发展前景和市场潜力的产品尽快淘汰掉，保证明星产品和现金牛产品的份额，从而搭配好产品或者业务的整个市场布局。
FineBI制作的波士顿模型实际使用：
如图所示，每个销售大区与每个销售年份下的客户分布，通过筛选数据，我们得到我们想要的客户信息。而波士顿矩阵则是一个非常有力的工具，可以帮助我们将杂乱无序的东西组块整理，在使用矩阵的的时候，尽量选取纵向和横向毫无关联要素来分析，这样才能发挥矩阵分块整理的作用。
我们知道并不是所有的顾客都具备相同的价值，如果企业能够专注于那些可以带来最大未来利益的客户，就可以实现更好的运营。所以企业必须识别出这些客户，CLV是对客户未来利润的有效预测，它还有另外一个名字，叫做LTV （life time value)。
这里需要特别说明的是，CLV考虑了完整的客户生命周期，包含客户获取和客户流失，也就是它计算的不只是眼前顾客已经产生的价值，还预测了未来价值。
CLV的计算公式有非常多，有的会非常复杂，主要在流失率这个环节和影响因素就相当多，也有会加上投入成本，价值变化率和利率变化等等。
比较实用简单的是这种：
那对于CLV的应用，可以从以下两个模型来看，将企业的最优客户与不值得投入的客户区分出来：
帕累托原则，又称二八原则，是关于效率与分配的判断方法。帕累托法则是指在任何大系统中，约80%的结果是由该系统中约20%的变量产生的。应用在企业中，就是80%的利润来自于20%的项目或重要客户。
模型的解释：当一个企业80%利润来自于20%的客户总数时，这个企业客户群体是健康且趋于稳固的。 当一个企业80%利润来自大于20%的客户总数时，企业需要增加大客户的数量。当一个企业80%利润来自小于20%的客户群时，企业的基础客户群需要拓展与增加。
模型的实际使用，某商场品牌商的销售额。
一共10家客户，5家客户（50%）提供了80%的销售额，这就说明需要增加大品牌客户数量。
带来大量销售额的客户必须认真对待和维护，如果客户数量大，尤其需要列出重点客户重点跟进，把有限的精力放在创造利润大的客户上。
5、漏斗模型
漏斗模型本质是分解和量化，为了方便大家理解，这里以营销漏斗模型举例：
也就是说营销的环节指的是从获取用户到最终转化成购买这整个流程中的一个个子环节，相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。
所以整个漏斗模型就是先将一个完整的购买流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，然后解决该环节的问题，最终达到提升整体购买转化率的目的，所以漏斗模型的核心思想可以归为分解和量化。
比如分析电商的转化，我们要做的就是监控每个层级上的用户转化，寻找每个层级的可优化点。对于没有按照流程 *** 作的用户，专门绘制他们的转化模型，缩短路径提升用户体验。
PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。
宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。
对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。
政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。
社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。
技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。
经济环境：GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much），主要用于用户行为分析、业务问题专题分析、营销活动等。
该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具，以用户购买行为为例：
Why：用户为什么要买？产品的吸引点在哪里？
What：产品提供的功能是什么？
Who：用户群体是什么？这个群体的特点是什么？
When：购买频次是多少？
Where：产品在哪里最受欢迎？在哪里卖出去？
How：用户怎么购买？购买方式什么？
How much：用户购买的成本是多少？时间成本是多少？
SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。
SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。
运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。
4P即产品（Product）、价格（Price）、渠道（Place）、推广（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。
可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。
产品：从市场营销的角度来看，产品是指能够提供给市场，被入们使用和消费并满足人们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。
价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个:需求、成本与竞争。
渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。
促销：是指企业通过销售行为的改变来刺激用户消费，以短期的行为（比如让利、买一送一，营销现场气氛等等)促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。
逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于 *** 作的任务，确定各部分的优先顺序，明确地把责任落实到个人。
逻辑树的使用必须遵循以下三个原则：
要素化：把相同的问题总结归纳成要素。
框架化：将各个要素组织成框架。遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不独立。
AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。
每个环节分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。
0条评论