网站转化渠道模型与转化阻力的分析

转化渠道模型：

　　根据《流量的秘密 Google Analytics网站分析与技巧》中的转化渠道图示(8.2.2渠道形状-图8.4，page:134)，我重绘了图形，基本保持了形状的一致性。只是去除了虚线部分，因为觉得不同类型的网站，转化的目标定义不同，为避免思维的定格化，就没有画出。大致的转化模型图有以下的几种：

　　

 

　　网站转化渠道模型与转化阻力的分析

　　渠道A：表示100%的转化率，所有的流量都全部成功达到定义的转化目标页面。这样的理想化渠道根本是不可能在现实中出现的。最多只可能在整个渠道中的某个流程出现。

　　渠道B：是大多数的转化渠道，表示流量逐步流失，最后的流程都很流畅顺利的成功转化，不再流失。

　　渠道C：表示各个环节都均匀的有少数访客流失，也是相当乐观的模型，也是大多数企业希望优化的模型。

　　渠道D：这个渠道看起来也比较好，但是确有不明的流量再途中增加，是无法预测和针对性改进的。表明渠道定义的不明，转化部分的流量是初始的，还是中途的，难以确认。

　　渠道E：非常的糟糕，大多数访客都在初始访问路径中流失，说明我们的渠道在前端出现严重的问题。

　　网站转化阻力

　　根据上面的转化渠道模型，简要分析一下可能的主力因素。

　　首先对于A渠道，这样理想的情况会在什么时候发生呢?这样的渠道发生的条件是访客的目的很明确，企业的网站也不需要冗余的信息，访客知道企业的网站是干什么的，直接过来的是下订单的，某些垄断商品是有条件出现的。对于这样的情况主要的转化阻力就是入口流量，优化的方向应该是如何放大入口流量。可能的因素就是品牌知名度，针对的客户群体的精准广告覆盖面，注意要是精准的广告覆盖，因为如果我们无法做到(实际上我们也无法做到)精准，就意味着会有无效的流量被引入进来，无效的流量进入肯定会是离开的，之后的渠道就不会一样宽，而是渐渐缩小了。可能会变形为BCE渠道中得某种。

　　对于B渠道模型，可能的转化阻力的情况是无效流量引入过多，或者关键的拐点在从转化目标逆向追溯中某个环节出现问题。针对无效流量就需要对广告匹配进行优化，对与与企业产品或服务相关的需求人群精细分类，分组匹配。如果我们确定引入的流量都是非常相关的，那么就运用逆向思维，从转化目标倒推过去，找出问题的根结。因为B渠道客户流失发生在比较接近入口的地方，可以认为是发生在预定环节之前(对不同网站转化目标定义不一样，流程也不一样，但基本会有这样的过程，可能是天下购物表单，或者类似的预定，还存在一些不确定因素)，因此在排除了无效引入的问题后，要找出问题，就要细化分解关键的转化路径，罗列各环节中的因素。通常的情况可能会是页面载入速度、引导不精准、页面体验、信息完备性(列举不全，需根据具体情况，数据观察)。针对的渠道优化也相对应的从到达预定环节之前的网站体验方面入手。

　　针对C模型，基本算是合理的模型，各个环节都有一定量的流失，通常意味着合理的转化阻力，这样的流失不一定意味着坏处，就是说对进入下一环节的访客资格进行一定审查，比如要求用户验证信息，可能会有流失，但可以避免一些恶意的注册或其他无关性的访客继续进入，这样可以保证下游的高转化。这样的情况可以适当的在各个环节都测试放宽漏口，避免过度依赖渠道页面的效果的情况。

　　对于D渠道，途中增加的流量是不明确的，渠道的转化阻力因素不在网站本身，而可能的是其他未知的新兴的营销手段效果，可能因为其他的推广手段见效，例如微博等社会化媒体的扩散效果是未知的，关于网站问题方面没有什么可以供优化的依据。

　　关于E渠道的转化情况，类似B模型，不同的是在初始环节的变化是激烈的，发生的情况甚至在更加近与入口出，转化阻力除了网站体验的因素外，可能也与渠道的单一性、初始审查条件过于严格有关。影响因素最多，需要改善的问题很多，但也通常是某一单一环节的问题，只要突破，可能便会有很好的转化提升。

　　结语：其实网站分析是一门实践的科学，是以实际的数据为分析依据的，是很具体的工作，而非抽象的概念。我们的分析是一项逆向学习的过程，而非访客真是的心理意图，我们的依据只是对于大多数用户会有相似的表现。所以得出的结论不一定是正确的，还需要去不断实践，通过定义不同的渠道，加以测试，持续优化，最终才会得到最优的转化路径。