在網際網路業務中，轉化率無處不在：
投放轉化率：有多少人從廣告連結，進到我們的商品頁面？
購買轉化率：有多少人在商品頁面下單買貨？
毫不誇張的說，轉化率就是網際網路業務的核心。沒有轉化率支撐，再多使用者活躍，再多新人註冊，再多廣告閱讀，都是紙面上的虛假繁榮，因此轉戶率如果降了。常常引得老闆大吼：快分析原因！然而資料分析師給的分析結論，常常不令人滿意。今天，我們就係統講講轉化率的問題。
問題場景
某K12線上教育行業，賣課程的大概流程是：廣告投放使用者註冊銷售邀請試聽試聽後銷售跟進客戶下單。廣告投放由市場部負責，在超過20個渠道分散投放。銷售部負責跟進客戶，課程部負責出課程。現在8月份1-15日，最終轉化率（流程起點到終點的轉化率，廣告投放客戶下單）暴跌60%，問：如何分析轉化率下降問題。
1
轉化率分析的基本做法
轉化率分析的最基本做法：
1、梳理業務流程，先看有幾個環節
2、統計過程資料，每個環節多少人，到下個環節還剩多少人
3、統計分類資料，如果總流程由若干子流程構成，分別統計子流程資料
比如本問題場景。基礎業務流程包括5個步驟廣告投放使用者註冊銷售邀請試聽試聽後銷售跟進客戶下單，因此就有四步轉化率：
1、廣告投放使用者註冊
2、使用者註冊銷售邀請試聽
3、銷售邀請試聽試聽後銷售跟進
4、試聽後銷售跟進客戶付費
同時，由於市場部有20個以上投放渠道，所以存在20個以上子流程。基於以上資訊，我們可以歸納轉化過程如下圖。
由於在轉化過程中，每個環節都有使用者流失，因此也有形象的叫法，管它叫漏斗模型——如同漏斗一樣，越往下越小。
2
轉化率分析的常見錯誤
很多新手同學，做完這個所謂的漏斗就開始下結論了：
轉化率低，因為試聽客戶付費轉化率
太低
轉化率低，因為A渠道的轉化率
太低
所以，我們要把試聽客戶付費轉化率
搞高
！
所以，我們要少做A渠道轉化率
搞高！
以上回答，可是基於漏斗模型分析結論呢，老闆聽了肯定開心
開心個屁咧
這就是轉化率分析的
最大問題：簡單的複述資料，沒有任何分析結論
。只要老闆不是瞎子，肯定能看到轉化率太低，只要老闆不是傻子，肯定是想搞高。問題是：怎麼搞，誰來搞，搞到多高，為啥是搞高不是換一個。
老闆希望聽到的分析是：
轉化率低，是因為產品競爭力差
轉化率低，是因為廣告投放偏差
轉化率低，是因為銷售話術不行
這些才是真正的分析結論
然而如何把10000人，5%這種資料，對應到一個業務上的具體原因呢？想破解這個難題，得回答三個核心問題。
3
轉化率分析的強化方法
第一個問題：轉化率有沒有上限？
答：肯定有！
世界上最強產品力莫過iphone、莫過特斯拉、莫過微信。這哥仨都還沒有普及到人手一個，更不用說你那些品牌弱、產品抄襲的小產品。所以一個渠道、一個產品品類，其轉化率
存在先天上限
。明白了這一點，就可以對廣告渠道、產品、銷售進行轉化率分類，看清楚哪些是A級，B級，C級。
有了分級，就有了分析的基準線
。當我們發現廣告渠道、銷售人員登記、產品結構發生變化的時候，就能把一個數字上變化，和業務動作關聯起來。這樣就能一定程度上，把資料推導到業務動作（如下圖）。
注意，基於一個月的分類可能是不穩定的。比如銷售轉化率，很可能有四種形態。如果真出現下圖所示的，完全隨機的業績分佈，那說明銷售在整個流程中的作用就是聽天由命，很隨緣的，就沒必要設基準線。其他場景下，則可以靈活設定基準線，沒必要一刀切。
第二個問題：轉化率能不能改進？
答：肯定能改。
改進的效果可能有兩種
區域性改進：只對轉化某個環節有作用
全域性改進：對各個環節都有作用
比如本問題裡，廣告投放改個文案標題，就隻影響使用者點不點選廣告；銷售跟進話術，只能影響試聽過使用者。但是課程內容增加，課程價格下降，則會影響全過程。畢竟使用者是來買產品的，產品便宜了，產品內容多了，都會更吸引力。這些環節的最佳化效果是可預期的，因此可以做深入分析。
所以有了基準線以後，要
每一期收集業務改進動作，預判指標變化方向。把開放題變成檢驗題
。這樣就能避免乾巴巴的說：上升下降，而是一定程度上對應到：因為本次改進發揮了作用/因為新產品不受使用者歡迎。
要注意：改進不見得全都是我方發起的，也可能是對手發起，引發我們被動改變的。比如
對手挖了我們的人
對手大降價促銷
對手上了爆款產品
因此收集對手動作同樣重要。並且對對手的動作的業務效果，要有預判。對手做的會對我們產生區域性影響（比如推出一個英語爆款，那會影響我們的英語課）還是全域性影響（對手全部降價50%），對手啥時間開展的動作（從這個時間起開始統計影響），都要有記錄和預判，這樣能一定程度上補充資訊不全的問題。對外界環境變化做出判斷。
第三個問題：低了是不是一定要搞高？
答：肯定不是。
比如廣告投放，如果一個渠道質量很差， 市場部可以選擇放棄這個渠道，轉投其他人。銷售轉化率低，完全可以放棄對銷售的培訓，轉而靠產品、價格吸引人，甚至故意用看似低階的廣告，逆向選擇客戶（這一點在保險、電話銷售、傳奇類遊戲等等領域屢見不鮮）。所以低了到底要不要搞高，完全看業務部門的策略。
這樣梳理，就發現了影響轉化率的第三條暗線：業務策略。業務策略的變化，更多體現在各子流程份額的變化，而導致的整體轉化率變化。
每一期收集業務策略方向，預判份額變化，把開放題變成檢驗題。
就能一定程度上對應到業務動作（如下圖）
注意：業務策略不見得都會成功，很有可能失敗，從而導致一些負向變化。特別是對第一次採用的策略。因此不要聽信業務說什麼“這麼做很符合邏輯呀！”再符合邏輯，也得資料說話。做策略調整的時候，要謹慎觀察效果。
4
小結
經過這三個問題強化，在一定程度上，我們能把資料變化，歸因為：
渠道質量先天性下降
銷售人員培訓不足
新課程不受歡迎
對手降價針對
等等，從而提供更有價值的分析建議。
這些分析建議，基於：
1、對渠道、銷售、產品基礎情況有分級
2、對全流程轉化率有長期監控
3、對業務策略，改進動作有收集和預判
4、對競品動作有收集和預判
少一個，都沒法深入下去
然而同學們也注意到了，在上邊的講解裡，陳老師反覆使用了“一定程度”，因為即使你全都都做了，還是會遇到一些稀奇古怪的問題。或者說，轉化率分析的真正難點根本不在這裡。
5
轉化率分析真正難點
轉化率跌了50%
市場部說：投放到註冊轉化率沒降，所以我沒有問題！
銷售部說：人員和話術沒變，咋可能怪我
課程部說：課程上個月都賣很好，咋可能睡一覺就不行了！
總之都不怪我！
請資料分析師深入分析，到底使用者不買：
百分之多少因為廣告
百分之多少因為銷售
百分之多少因為產品
百分之多少因為本澤馬
百分之多少因為競爭對手
百分之多少因為使用者自己不想買
謝謝！
那麼問題來了，作為資料分析師
你信誰？
你信了一個人，怎麼面對其他人？
這才是轉化率分析的真正難點。