【整理版】漏斗圖的兩個實際工作案例

演講主題：漏斗圖的實際工作案例

黃捷：先做一個簡單的自我介紹，我是攜程國際業務事業單位運營經理，負責產品供應/產品轉化/用戶運營數據分析工作。

畢業到現在有十多年，一直是在互聯網的產品運營方面工作，其中六成時間在創業團隊，四成在上市企業之類的大團隊，基本上帶的也都是三人到四人，這樣一個比較小的規模，因此我的內容會比較契合小團隊的情況。

因為被邀請過來也只講十分鐘，我很簡單的直接切入主題。

先給大家建立一個期望，十分鐘里會包括什麼樣的內容？（如圖）分別是時間序列CR漏斗，用戶分層漏斗，和漏斗結合AB測試。

為什麼題目叫做實際工作案例，是因為這些是實際日常工作交流的材料，去掉敏感數據之後的內容，主要源於攜程有比較好的內部學習和分享的氛圍，各部門各組有常規分享培訓，用具體的數據和具體碰到的問題，來碰撞想法，互相吐槽，英文叫peer review。

下面進入第一個案例。

時間序列CR漏斗

第一個案例是日常工作最常見的場景，設想會議上有個議題是，上周轉化率有下降，是什麼問題？可能的因素有些是定性，有些是定量，我們怎麼從頭到尾梳理出來一個富有邏輯解釋的答案呢？

上圖是所謂的時序CR圖，綠、紫、橙、藍，分別是各個核心流程的轉化數字，根據時間描出離散的點，連起來形成curve圖。

所謂核心流程，用機票舉例，比如說想去曼谷玩，搜索以後，會到搜索結果頁，然後會進入填寫個人信息的頁面，然後是支付。我提到的步驟，無論所處的網站是賣鞋子、賣衣服還是其它的什麼，大體都是這樣。

區分每個步驟的成功進入下一步的數字，是我們解析問題出在哪個地方的重要線索。

例如「為什麼區分出填寫的步驟」，假如有一個改版，是方便用戶調出上次買機票的信息，那就能明確看到對應位置的影響。

再例如「為什麼區分出搜索步驟」，通常來說，當市場試探新渠道，或做測試流量，或購買的流量有問題的時候，經常在著陸位置壓低轉化率，區分各位置的轉化，可以一目了然。

簡單概括來說，轉化率的變化結果，就像中學學物理一樣的，是最後受到的合力的結果。我們需要把它拆到各個來源，用這樣一步步的時序圖，把各個步驟拆分開來，結合時間節點/對應的事件來看，就比較有說服力。

時序curve圖可以宏觀上看到趨勢，例如某個活動節點前後，第二個步驟轉化下降，但是如果要精細分析出百分之多少，這樣是看不明顯的。

可以取兩個具備可比性的時間節點，切一個橫截面，如下圖，即可計算哪個步驟環比好了，哪個差了，以及具體的百分比。

可比性是一個值得一提的點，通常是對比上周、上月，或者是去年同期。有些需要稍微動腦的，比如說上個月的時候是春節的情況，這時候不僅要考慮節假日，還要考慮春節的情況不應該基於公曆去對比。

這裡只是舉了一些非常粗淺的例子，實際工作中千變萬化。例如說，如果熱賣品的價格比競爭對手相對變差了，大家認為是漏斗的上半部分變差，還是下半部分變差？

簡單來說，如果說是查詢速度的問題，和價格的問題的話，會對於靠漏鬥上面的步驟的影響比較大。對於客人一著陸進來，是否進入詳情頁會有一個比較大的影響。

但是如果上半部分沒有影響，填寫頁往後的話，通常不是價格的問題，一般願意填寫的人已經接受價格了。

大體上，速度、流量質量和產品價格會影響漏鬥上半部分，而表單、支付、介面穩定性會影響下半部分。

用戶分層漏斗

我們在日常的工作中，怎麼樣考量客人是怎麼流失的？同樣可以用上圖這樣的漏斗形式，用數據來考量。

關於流失挽回這個話題，經常遇到的所謂一步到位的方法是，首先把數據全導出來，然後「大數據」做分類，然後比如分了50個類別，問他對這50類幹嘛？發50種不一樣的郵件或簡訊。這並不是數據運營，只是表面文章。

我不知道大家一年坐多少次飛機，70%的人一年只坐一次飛機，如果拚命的推送，希望變成一年定10次機票的，可能嗎？

我們對用戶有一個基本的漏斗分層，可以按照會員等級，或者是下單的頻次進行分層，上圖的漏斗是根據頻次。

有一些人一年只飛一次，有一個自然流失，無論怎麼拉都是拉不回來的。基於這個思想，我們把頻次從低到高，用漏斗的方式來觀察月度，年度對比。

有些客人沒有辦法從一到二，不是因為我們做的不好，是因為他不需要。而二到三，三到四的環比趨勢，是我們非常關心的，這是主要的戰場。

漏斗圖的奧妙在於，通過分層，經常會看到總量看不到的東西，我的鑽石客人是不是減少了？首先鑽石客人肯定不是一年只飛一次的客人，如果減少了，只是流失到別的地方了，針對這些特徵的用戶改進服務流程，提高一些服務成本和營銷成本，然後觀察這個漏斗位置是否有好轉，這樣是否比發50種簡訊郵件要合理呢？

我們回顧一下第一點，為什麼要把轉化率拆開看，因為如果不拆開看，就不知道是市場的人搞砸了，還是研發的人搞砸了。

這裡也是一樣，當把所有的用戶數據放一起看，不考慮業務本身情況直接做分類的話，最後只能發各種郵件，簡訊，浪費時間和資源。

現在流行所謂自動營銷，發來發去，都是基於用戶畫像。什麼叫做用戶畫像呢？除了有外部購買的數據之外，內部無非是根據歷史行為。這裡就有一個邏輯的悖論，如果你很了解這個客人，這個客人本身就已經是高頻客人了。

我們前面分析說，2-3-4次的層級才是主戰場，自動營銷發來發去都是高頻次客人，或者用歷史關鍵字反覆刷客人的廣告位，最後就是騷擾，還要回過頭去追查由此帶來的客戶流失，搞得很忙的樣子。主戰場的二、三、四，數據不足可能被排掉了根本啥也沒做。

第三個是結合A/B測試的漏斗

我們回到第一個案例看一下，如果在節假日附近做了改版，轉化有上升的話，往往還是很難解釋，是由於季節性的波動，還是改版，還是競爭對手做了錯事，讓用戶到我這裡來的。AB測試可以盡量削減這些影響，使得漏斗對比更加健壯。

A/B測試的優點不多贅述，缺點是容易被過度濫用。因為我們沒有像谷歌那麼多的時間可以測哪種顏色按鈕更好。實際工作里，每個AB實驗都要能夠賺到錢。

更多的是測試我是發50塊錢的優惠券好，還是不發好？優惠券活動可能會帶來多一萬人的下單，但是毛利每個人就減少了50塊錢，要算成本。做這樣一個AB測試之後，比較能說服別人，發50塊錢的券，比發30塊錢的券，成本和收益各自的得失。

如果不分A/B測試。你跟所有人做解釋，就只能用一些定性的東西去解釋，比如「我洞察了用戶的人性，50塊錢正好」。

如果經常做A/B測試，有六成的A/B測試不像你想像的那樣。你希望有更多的人來下單，結果是更少了。這個時候對你來說，最大的一個挑戰，就是怎麼樣找到原因。如果你可以找到原因，就可以進一步的挖掘痛點、創新流程。

這個時候我們就必須要把整個流程拆步驟，包括前面說的拆會員，或者是拆核心的下單步驟。究竟是損失到哪裡，這幾乎是創新的必備前奏。

大家如果喜歡在網上看一些東西的話，這部分的內容基本上都會用定性的方式來描述，但是這部分我們在實際工作中，全部都是定量的。你做的好不好，最開始忽悠的時候是可以定性的，最後的結果都是定量的。

簡單小結一下

前面舉的三個案例，無論是轉化率的優化--改版效果的評估，節日大促的效果；還是用戶分層、用戶挽回--最核心的老客戶，有沒有被競爭對手搶掉，還是自然流失，這些全部都是可以量化的。

做的好不好，上升10%，下降20%，原因、經過、結果，全部都是數據化，不會容忍任何所謂洞悉人性，產品調性，市場直覺之類的毫無意義的解釋，否則的話，這塊工作就沒有辦法專業地去做好。

謝謝大家。