【前言】
從事電子商務工作一段時間後,我發現自己對數據的想法有了很多變化。過去,我們拿著國外的理論,站在河邊岸上,對河中游泳的人指指點點;今天,當你也跳入河中,感受就全然不同了。一方面河水冰冷刺骨,另一方面,你也開始理解,為何曾經河中的人們要用各種「怪異的姿勢」奮力搏擊。這篇文章,是我在杭州參加車品覺老師《智論商道,西湖秋學》活動的演講整理,也記錄了我的「河中感受」。
【正文】
這是一個很大很難、卻又是每個電商人都會問的問題——我該如何優化業務中的關鍵數字?
我也面臨這個問題——一個有數百種、甚至數萬種大同小異答案的問題。優化關鍵業務數字沒有固定策略,因此也沒有標準答案,但並非無跡可循,而是有章有法。甚至,這些方法並不需要你從頭摸索,前人早已準備了眾多滋養,只需你有心跟隨即可。
既如此,就讓我們先看看前人給我們的這些滋養是什麼。
優化電子商務關鍵數字的第一步是什麼?
說來好笑,這個問題的答案是——「什麼是電子商務的關鍵數字?」不過這是個很嚴肅的答案,也是一個很嚴肅的問題。
分析不是為分析而分析,沒有明確目的的分析,是「無病呻吟」。分析需要消耗資源,而且消耗的全是「沉沒資源」——時間。你不能把分析投入到本不需要分析的領域去。因此,電子商務關鍵數字優化的第一步,恰恰是識別出關鍵數字是什麼。
對關鍵數字的識別,始於「KBR」。KBR 是我在 Adobe Omniture 時被「洗腦」的一個詞,意思是 Key Business Requirement。當然,這不過是「人頭馬酒瓶裝二鍋頭」罷了。KBR 並無新意,但它點明了一件事:你的分析要從組織的關鍵業務需求出發。
這個思想很重要,本質上就是我們熟悉的「金字塔思維方法」——事情有一個根本基點,一切最終都要回到這個基點。我們做分析時,常常被興趣牽引:發現麻雀去追麻雀,發現兔子又去攆兔子,這也正是分析工作最初吸引新人之處——一切看起來都新鮮有趣。但商業分析不能浪費你的「沉沒成本」,我們不為興趣所指引,所做的一切都需不斷反問自己:是否始終圍繞著 KBR 進行?

KBR 意味著組織的「當務之急」。對電子商務,尤其是國內電商而言,業務上的當務之急清晰而明確——增加銷售、降低成本。不過這還算不上 KBR,因為它太粗放、不夠具體。但沿著這個方向,我們會發現大部分電商公司在增銷降本上,歸根結底都聚焦於兩件事——量與率。

量,歸根結底是銷售量,而銷售量又取決於流量、註冊量以及轉化率與回頭率。因此我們的思路是:要提升銷售,就要提升流量與註冊,並提升轉化與回頭的機會。這和線下商店的關鍵指標其實類似——人流多少、多少人進店買了東西、又有多少人再回來。
說點題外話。我認為國內電商公司因其「股票公司」的特性,利潤率反倒不是它們真正關心的。區分哪些電商更在乎利潤率,一個有趣的指標是——它們是否獲得了外部投資。當這些公司沒有外部投資、維持在較小規模時,利潤率非常重要;但當投資進入、擴大規模擠死對手成為主線時,利潤率就成了一個可以犧牲、甚至必須犧牲的指標了。這很有趣:對消費者而言,一家電商剛獲得投資時,促銷往往最給力,這時的商品最值得購買。
當然,電商是否還有其他關鍵數字,取決於公司自身的經營特點與業務特性,這裡不再贅述。強調一點:我們關注方法本身。關鍵數字優化的第一步,是真正識別出你業務的關鍵數字。KBR 不宜是最大那個放之四海而皆準的目標(例如 Revenue),而應是這個大目標之下、與大目標達成真正關聯的那幾個可以清晰定量的目標(例如電商中的量與率)。你值得花些時間找到真正的 KBR。
現在,你通過自己的思考或「老板的指示」知道了 KBR 是什麼。接下來該怎麼辦?
我們都知道,任何複雜問題都可遵循一定方法來解決;若未解決,只是因為還沒找到方法。例如哥德巴赫猜想,人們並非在尋找答案,而是在尋找方法。同樣,KBR 無法優化,並非它不能優化,而是我們可能沒找到正確方法,或沒去正確執行。下面是我的方法,你當然也可以建立自己的方法——有效果的方法就是好方法,這裡沒有標準答案。

上圖是我總結的 KBR 優化路徑。它看起來文字繁多、步驟瑣碎,實際思想非常簡單。你也可以看我下面的白話描述,可能更好理解:
定義 KBR——分解影響 KBR 績效的那些「破事兒」——哪些破事兒更具全局影響力?哪些是局部的?——想辦法搞定這些破事兒——真的搞定了嗎?測試看看——靠譜的辦法固定下來——不能用一種辦法搞定所有情況,多準備幾個辦法針對不同場景!
我覺得 KBR 就是被這麼搞定的。只是每個破折號後的每一步,都體現著水平高低。網站分析甚至不算技術活,畢竟我們沒搞什麼高深的數學模型,但它確實需要缜密的心思、豐富的經驗、敏感的嗅覺,以及不斷嘗試的勇氣。
當然,你可能還是覺得上面這個「模型」太抽象,仍不太理解:什麼是驅動因素?為何分基礎與非基礎?測試如何做?又如何動態化、定制化?一連串的問題,待我慢慢道来。
「驅動因素」真是個拗口的詞。它是個西方詞,不是老祖宗的漢語,但我們不得不用它,因為現代科學與管理學都是西方人樹立的。
「驅動因素」是 initiative 的翻譯,這詞既是形容詞也可作名詞,找不到更好的譯法,於是國人便譯成了「驅動因素」。你把它理解為「影響因子」也行(唉,「因子」也是 factor 的翻譯)——它就是那些會影響 KBR 績效的因素。例如,影響「流量」這個 KBR 的驅動因素,包括資源投入(如花錢多少)、營銷活動的水準、SEO 水平等等,這樣應該很好理解。
那麼,什麼是基礎驅動因素與非基礎驅動因素呢?這是我自己琢磨出來的,雖無理論依據,但我覺得好用。
所謂基礎驅動因素,就是那些一旦你改變(優化)了它,就會全局性、長時間地改變(優化)KBR 的影響因子;
而非基礎驅動因素,則是那些一旦你改變(優化)了它,只會局部性、在一段時間內改變(優化)KBR 的影響因子。
用漢語說,基礎驅動因素就是內功,非基礎驅動因素則是招式。內功常在,招式則要在過招時才發揮作用。
現在你大概明白我想說什麼了。不過最好的方式,還是舉一個真正的 KBR 優化例子,看看這條路徑與驅動因素如何幫助我們優化 KBR。
轉化率是我最愛談的,因為對它的研究業界已有很多,但我們似乎總未破解它的迷局。
按照前面提到的優化路徑,我們要找到轉化率這個 KBR 的驅動因素,並把基礎與非基礎區分開來,分別加以分析與優化。
我是這樣分解的:

我把影響轉化率的基礎驅動因素確定為:
非基礎驅動因素確定為:
先來看基礎驅動因素的確定。關鍵轉化過程是老生常談,就是轉換路徑中的各個關鍵環節;這些環節中任一或多個做不好,對整體銷售轉化的影響都極大,也就是我們常說的「木桶短板效應」。導航與分類,本質上是對用戶遍歷或尋找商品邏輯的有效組織或再組織;不好的導航與分類,讓用戶沒能在合適的位置找到合適的商品,掃興而歸,轉化率自然受損。搜索與導航、分類類似,只是人們更容易對它抱有更高期待,也更容易在期待落空後放棄。
這幾個因素都全局性地影響著轉化率這一 KBR。無論流量質量如何、活動頁面多有吸引力,這些因素做不好,轉化率都會低下,因為它們是基礎性的影響。而活動頁面的吸引力則是非基礎性的:A 活動頁面不好,下次 B 活動改進仍有機會;但關鍵轉化路徑中若埋有驚人敗筆,卻不是活動設計本身所能挽救的。
所以,我把它們歸為基礎性驅動因素。基礎性驅動因素還有很多,受限於篇幅不再冗舉,朋友們不妨留言補充。
【閒來無事多讀一點】
和轉化率一樣,回頭率也有基礎與非基礎驅動因素。會場上有朋友問到這個問題,引發了較長時間的討論。
回頭率的基礎驅動因素往往是:
- 細分人群屬性
- 細分人群消費行為
- 競爭商品
- 競爭價格
- 第一次消費體驗
- 轉化率(更高的轉化率會促進回頭率)
- ……
非基礎驅動因素則是:
- 市場及促銷活動
- 精細化找回營銷
- 外部市場環境(動態變化)
- ……
相對於轉化率,回頭率的衡量更具難度,所受影響因子也更多。優化它的基本方法,必須經過人群細分:按消費行為、人群屬性細分,挖掘哪些屬性、行為的人群存在不同流失情況,以辨別流失傾向與人群的關係;另一種細分維度則是按商品品類細分人群流失情況,看哪類商品的購買者更易流失,以辨別競爭商品與價格可能存在的問題。
轉化率的非基礎驅動因素則比較明顯:它們都是局部性的,且時限相對較短。例如產品頁面,其介紹對該產品轉化率影響很大,卻不影響其他產品,而且產品有明顯的生命週期。登陸頁面同理,它們會影響活動的轉化效果,但僅限於自己的活動。流量本身也是動態的——儘管流量永遠存在,卻無法保證每天的流量都能匹配 landing page,或保持持續的較高品質。
現在,你應該能明白基礎與非基礎驅動因素了。那麼,我們這樣劃分的意義何在?
細分基礎與非基礎驅動因素的意義在於:你能知道應該先從哪裡下手。前文說過,分析需要資源,最重要的資源是時間,是沉沒成本,你無法分析所有因素,所以分析的藝術,是抓住重點、直切主題的藝術。
基礎與非基礎驅動二者,在轉化率這個 KBR 上體現出明顯的「沒抓住重點」的趨勢。原因無他:我們往往更重視非基礎驅動因素,而不願直面基礎驅動因素。招式易學,內功難練。
電商普遍對活動、對流量本身極為重視,卻往往疏於檢查關鍵轉化過程是否存在明顯短板、是否有更好的用戶指引,並忽略建立初次與長期的信任。這些都比不上修正產品頁面、給用戶促銷、優化產品頁面的說服誘導來得見效快,於是被理所當然地放到了次重要的位置。
這是誤區。內功練成,無招勝有招;只搞定招式,卻不過是空有花架子。基礎驅動應該放到更高優先級上,至少它應該與非基礎驅動一並被關注和優化。
好了,這些都是淺顯的道理,我就不多啰嗦了。受限於時間,很難找到大段時間與大家分享,就先停筆於此。未來某一天,若我不那麼忙了,停下腳步,希望能與朋友們分享更多。更多內容,敬請期待本文的後半部分!
在前文中,我們把影響電商關鍵數字(KBR)的驅動因素分為兩類:基礎與非基礎驅動因素,並強調了基礎驅動因素的重要意義——在大乾快上時,千萬不要忽視了打牢基礎。
提升基礎驅動因素看似抽象,例如上回的「轉化率的基礎驅動」聽起來頗有些拗口,但操作卻實實在在、具體可行。上回我們把影響轉化率的基礎驅動歸結為若干項目,這些項目正是我們需要逐個動手優化的對象,其優化結果的好壞,對轉化率的好壞起著至關重要的作用。
現在我們開始一項一項提升作為 KBR 的轉化率的基礎驅動因素。這並不神秘,都是網站分析從業者的基本功,也是這門學科必學必用的內容。若要編一本網站分析教材,這些必然佔據主體部分。
例如,對於關鍵轉化過程,我們都很熟悉:找出轉化過程中不佳的環節,檢視這個環節哪裡出了問題,然後加以改進。
左圖是一個典型的電商網站產品銷售過程。產品頁本身可能就是登陸頁,但更多時候,訪問者在看到產品頁之前會先瀏覽其他頁面,比如活動頁、首頁或商品列表頁等;然後某個頁面上一件陳列的商品引發了購買者的興趣,他們才會進入該產品的具體說明頁(產品頁)。
我們都知道,從進入產品頁直到最終完成支付的一系列環節中,任何一個環節出問題,都會影響最終轉化。例如下圖所示的某種問題:

這雖不是典型的電商網站,但「毛病」是一致的:兩個虛線方框內的轉化存在明顯問題。通過 Google Analytics 的預定義轉化(Goal 與 Step)功能,或 Omniture SiteCatalyst 的轉化丟失報告(Fallout),這些問題都能被輕易發現。知道問題在哪裡,事情就好辦一些——我們可以用數據進一步證明問題成因,有時只是猜測,然後改進現有毛病並測試以真正解決(具體步驟後文詳談,此處不展開)。
總之,這是個很稀疏平常的方法論。我想,若有一本網站分析教材,這應該是基本的方法論了。
不過,有時事情並不這麼「完美」。並非所有轉化都有明顯毛病。如果每個環節的丟失率都比較均勻、沒有明顯短板,你會怎麼辦?或者換一種極端情況——每個環節都存在明顯的轉化丟失,你又該如何著手?
顯然,優化永無止境。沒有明顯短板並不意味著不值得優化;而若每個環節都存在明顯丟失,你更會手忙腳亂。這時,上面的方法論可能就不適用了。事情總要一步步解決,你不可能同時優化所有環節,因此現在有三種方案供你選擇,你會選哪種?
A. 先從轉化前端解決問題,再逐步深入後端環節;
B. 先從轉化後端解決問題,再往前推,解決前端問題;
C. 這玩意兒好不了了,破罐子破摔吧。
選項 C 當然是玩笑話。如果你真的在乎這個網站,是不會聽之任之的。但有時我們確實會有「恨鐵不成鋼」的沮喪,而且確實有些網站只能回爐重造。
A 和 B,我們往往按 A 實踐,但我會選擇 B。這或許無對錯之分,但我更傾向於 B。
原因在於:越深入轉化後端,就越可能是「基礎驅動因素」;而轉化前端,更多時候是「非基礎驅動因素」。我同樣認為,把前端解決好確實能帶來直接快速的效益,但我還是固執地覺得後端更重要些。沒有對錯,只是我的直覺。
這個直覺源於:問題定位與解決的難度,會因問題出現在前端還是後端而不同。看下面這個例子——我們對轉化前後端分別優化:前端優化登陸頁二跳率,從 40% 提升到 50%;後端優化支付轉化率,也從 40% 提升到 50%。其他條件不變時,二者對整體轉化提升的貢獻是一樣的。可是,當我們的分析與技術團隊資源有限時,該如何選擇?
我傾向於選擇優化支付轉化率,有兩個原因。第一,很明確,支付轉化率是基礎驅動因素,其好壞影響全局;而登陸頁數量眾多、不斷變化,並非基礎驅動因素。第二,對前端的優化相對更困難:轉化越靠前端,影響因素越多、越分散,解決起來越費勁。比如影響二跳率的因素涉及頁面設計、call to action、用戶導引、流量質量、商品吸引力等,都不是很快、很輕易能解決的(明顯的低級錯誤如不匹配等除外)。

影響整體轉化率的另一個基礎因素是「轉化結構」。這一點我在幾次演講中都提到過,但沒聽過演講的朋友可能並不熟悉。
如下面三個轉化結果圖所示:

正常轉化是左圖;有洩漏點(如同上文那個航空售票網站)是中間這個;而不正常結構的轉化(最右圖),則是在轉化過程中很奇怪地沒有按預訂路徑進行,而是發生循環或「四處亂竄」。通過「全路徑報告」(Google Analytics 沒有此報告,但 Omniture SiteCatalyst 提供),我們可以發現這類奇怪的轉化結構,它對轉化效率有重大影響。下圖中,第八條主要路徑(Top 8 路徑)發生了循環,且循環發生在購物轉化過程中。

興趣閱讀:轉化結構失誤的真實案例
轉化結構失誤是否真實存在?答案是肯定的。一個真實案例是某航空公司電子客票銷售過程中,發生了顯著的流程循環。
我們看到,用戶選好航班、點擊下一步之後,超過 40% 的訪問者又會回到上一步,即返回選擇航班的頁面。這種狀況極嚴重地影響了整體轉化率,訂票轉化率低至不足 3%,而該網站同行平均則有接近 10% 的整體轉化率。
原因很快被找到:用戶在航班選擇頁挑好某航班後,相應價格並不會顯示在該頁,而需點擊「check price」按鈕進入下一頁才能看到剛才所選航班的票價。這是個顯然令人不快的設計,也造成了轉化過程中的循環——當人們看到機票價格並非期望價位時,不得不回到上一頁重選航班,再點擊「check price」查看新價格。總之,這樣的設計真是糟透了。
如今,這個網站已經改掉了這一設計。但最初的毛病,今天反倒成了一份很好的反面案例。

解決了關鍵轉化過程的問題,我們開始關注第二個基礎驅動因素:導航。
導航優化也是網站分析學科中的必修課,且相對有成熟的方法論。對於導航,我們關注幾件事:
首先,導航被過多使用並不意味著好事——可能你的商品並不易被輕易找到,人們總是找不到想要的商品,而不斷嘗試通過導航解決問題。
其次,導航被極少使用也不合理——這意味著你的用戶缺乏訪問深度。
然後,導航區域本身的設置是否合理?是否有些入口根本不配放在導航區,而另一些則應添補進來?
對於第一、二個問題,我們如下解決:
導航利用率用來衡量網站導航被整體使用的情況,進而推算用戶是否過度或過少使用了導航(我們看到的一般現象是過度使用)。導航利用率通過網站中導航的總點擊密度來表現,公式為:
,分母之所以要減去 bounce 掉的 PV,是因為我們衡量這個值只有對非 bounce 的 visitor 才有意義。有時為簡單起見,我也用公式:
,但這個公式意義不夠精確——減去首頁 PV 意味著摒棄首頁影響,這在首頁作為最主要 landing page 時還說得過去,但並不科學。
上面兩個公式的計算結果,數字越大,表明導航區域被使用的概率越高。一般來說,對於第一個公式,我認為這個比例不超過 40% 較為合理;若超過,說明用戶在導航中轉來轉去,並未實現你希望他們去做的事——找到喜歡的商品並購買它。
此時你一定會問:總 PV 與 bounce 掉的 PV 容易拿到,但導航區域的點擊數如何獲得?我的方法很簡單:對所有導航位置的鏈接 URL,都加上一個參數後綴,以區分它是用作導航的鏈接。例如,某入口位於首頁導航區域,鏈接到銷售 Prada 的專題頁,本來是 https://www.chinawebanalytics.cn/prada.html,但因為它處於導航位置,我為它增加專門參數「?from=nav」,鏈接便變為 https://www.chinawebanalytics.cn/prada.html?from=nav。在 GA 中,這個 URL 會被記為一個不同的頁面,但並不影響用戶使用網頁。這樣,導航區域的點擊數量就被轉化為導航入口被點擊後所打開頁面的 PV 數,這個值便能比較準確地獲得。
當然,這方法又引起另一個問題:同樣的頁面因增加了 ?from= 參數而造成 duplicate pages,從而影響 SEO 權重。但這個問題其實很容易解決——在 robots.txt 中加入 Disallow: /*?*,即可屏蔽所有帶動態參數的鏈接;若只屏蔽帶 ?from= 的,則用 Disallow: /*?from=* 即可。感謝我的同事 Jay Huang 在這一領域的專業貢獻。
對於第三個問題,我們常用方法如下。
導航區域的合理性,指導航入口設置是否合理。這些入口應該是用戶常用、分類清晰、有邏輯性,更重要的是用戶能輕易找到,且不會被隨意忽視、起不到導航作用。
下圖展示了兩個導航區域的用戶點擊情況。兩個區域中都有一些很少被點擊的入口,尤其是上一個導航的 help、contact us、agents 等;而下面的導航區域中,our trips、your booking 又有過多點擊,人們幾乎就是沖著這兩個入口來的。因此,這些導航都有優化空間。

總體上,我們認為導航點擊不可能平均分布,但若有過於密集或過於稀疏的點擊入口,就應考慮優化。過於密集,意味著該頁面上此路徑或功能的進入方式太過單一,可考慮增加一些輔助入口;過於稀疏,則意味著這個入口出現在導航區域中的價值值得重新掂量。
另一個案例是走秀網歷史頁面的導航也存在問題:有一大片區域幾乎無人問津,而這一區域只有一個宿命——消失。

導航路徑合理性也是對導航的重要評價,方法直接,用網站分析工具的路徑功能即可。好的導航有清晰、符合邏輯的路徑;不好的導航則可能出現很多不符合預期的路徑以及更多循環,不再贅述。
若繼續沿著優化轉化率的足跡前行,我們在基礎驅動因素的道路上必然會碰到站內搜索。站內搜索與導航對用戶體驗的影響本質上相似,而對部分電商網站而言,這種影響甚至是決定性的。
引申閱讀:電子商務網站的用戶體驗不一致性
電商網站類型不同,導致用戶體驗的作用也必然不同。同一個電商網站,對某一類用戶有很好的體驗,對另一部分則未必。
再往深說,這是人類購物的天性使然。我們購物有兩種情況:一種是帶著明確目的進行購買,另一種則是隨便逛逛後的應激性購買。相對而言,男性更傾向前者,女性則以後者居多。
電商網站往往兩者兼顧,但仍有偏向。由於網站定位、品類與商品特點、面向人群不同,電商可區分為偏向服務「明確目的購買」與偏向服務「興趣激發購買」兩類。前者如改良前的京東商城或淘寶(你會發現,在淘寶上隨便逛逛真的很困難,購買欲未必提升);後者如走秀網。這兩類網站用戶目的不同,體驗優化要點也不同:第一種情況下,搜索功能必須非常強大;第二種情況下,導航與商品陳設則需非常考究。當然,並非說第一種情況導航不重要、第二種情況搜索不重要,只是側重確實不同。
站內搜索的優化同樣有固定套路,Avinash 在第二本書《Web Analytics 2.0》中有詳細闡述。我大概已忘記他的一些原文,所以就講講我在實踐中用到的一些方法。
我在很久之前那次擁擠的分享中,專門講過如何通過站內搜索優化網站內容。當時我的觀點很明確:沒有任何用戶行為,比用戶直接搜索關鍵詞所透露的信息更有價值。今天,這個觀點仍未過時,尤其是在你資源有限、無法與用戶直接對話的情況下。
對搜索的關注如左圖所示。
搜索利用率與導航點擊密度相似,公式也很簡單:
。搜索利用率高的網站,更偏向目的購買型;搜索利用率低的網站,則可能屬於興趣應激購買型,或者——搜索實在做得太差了。
除了搜索利用率需自己計算外,其他幾個關鍵點都可通過網站分析工具直接獲得。例如,對於高 search bounce 與 refinement 的搜索詞,Google Analytics 提供了很不錯的報告:

而「0 搜索結果頁面」更是極重要的報告(這個報告 Google Analytics 似乎沒有),在 Omniture 的 SiteCatalyst 工具中則有專門報告提供:

在上面的報告中,搜索詞「handicom」是返回 0 結果最多的。如果你是 SONY,你一定知道該怎麼辦了。如果我們能挽救這些搜索 handicom 的用戶,並滿足他們想了解 handycam 的本意,那麼轉化率一定會受益匪淺。
高搜索結果返回頁面,是那些承載著搜索結果期望的頁面。這些頁面能否滿足(或至少部分滿足)搜索者的預期,同樣影響轉化率。

例如上圖報表中,對於 handycam 這個搜索詞,用戶更多地會點擊搜索結果中的首頁。這意味著,首頁最好要滿足這些人的需求,否則他們可能會認為這個網站無法讓他們更多了解該產品,更談不上購買了。
上面這些案例,只想說明:在辨識出基礎驅動因素之後,如何通過研究其績效,為改進與優化創造可能。我相信這些行動是有意義的。不過,上面都是分析,並非優化建議本身,更不是優化結果。在我們的 KBR 優化路徑中,你還需要做其他一些重要的事情,以保證所採取的行動卓有成效。這些,我將在這個系列的最後一篇文章中闡述,包括如何通過測試尋找真正的優化方法,以及如何更高級地滿足用戶的轉化預期。