我們每天都會遇到各種轉(zhuǎn)化率的問題，如電商行業(yè)關(guān)注的購買轉(zhuǎn)化率、網(wǎng)站的注冊轉(zhuǎn)化率等等，其中很多運營者都會遇到轉(zhuǎn)化率低的問題。那么如何解析背后的原因，下一步又該做什么呢？面對這些問題，我們又該如何去思考。

大家平時會從很多渠道獲得很多看似“完美”的解決方案，那些方案看似很美，是不是真的有用呢？很多時候，問題和答案是不可復(fù)制的；一個方案在這里適用，但是在別的地方不一定適用。所以，我們真正需要的得到完美解決方案的思路，不僅僅是解決某一個問題的方法，而是如何思考的過程。

今天我們將用“如何提升顧客轉(zhuǎn)化率”這個問題來更好解釋闡釋這個方法。

解決問題“三步走”

第一步：理解你的問題

一個看似合理的問題，你不一定理解它的本質(zhì)。很多人都會忽略這一步，雖然簡單，但至關(guān)重要，它決定了后面我們能否一步一步地找到解決方法。在這個過程中，我們可以問自己一些問題，幫助我們更好的理解問題。比如：這個問題是什么，如何定義，具體是什么，是否能描述出來。對行動有什么指導(dǎo)性的意義。

以“活躍度”為例，什么是活躍度？如何定義活躍度？

到底是用戶來過你的網(wǎng)站就算活躍還是需要使用某些特定的功能，還是用戶訪問的時長？事實上，這些都有可能。對于電商網(wǎng)站來說 ，用戶活躍度一般指用戶瀏覽商品個數(shù)；對于人力資源SaaS行業(yè)，用戶活躍度一般指瀏覽和下載簡歷的個數(shù)；對于內(nèi)容類社區(qū)，用戶活躍度一般是瀏覽和訪問時長。

理解“用戶活躍度”的最終目是提高轉(zhuǎn)化，與核心轉(zhuǎn)化路徑聯(lián)系起來，形成瀏覽商品——點擊購買——付款成功的完整路徑，確保我們在一開始就走上了能產(chǎn)生有效結(jié)果的道路。

第二步：問題空間的分類

在理解你的問題的基礎(chǔ)上，我們需要對問題進行分類，分類處理。

在這里，我們推薦MECE分析法；ME是Mutually Exclusive的簡程，即相互獨立；CE是Collectively Exhaustive的簡稱，即完全窮盡。MECE分析法就是對一個議題能夠做到不重疊不遺漏的分類，借此把握問題的核心，并解決問題的方法。

以SaaS企業(yè)客戶簽單為例。用MECE就客戶簽單問題進行分類，就成為新客戶簽單和老客戶續(xù)單兩類問題。這樣一來，問題就明朗了。

第三步：假設(shè)檢驗

在每個問題分類上充分調(diào)動你的行業(yè)神經(jīng)，提出合理的假設(shè)，運用可靠的數(shù)據(jù)和有效的工具進行檢驗。在這個過程中，我們可能遇到很多個分類，每個分類有很多的假設(shè)；有的時候我們需要用行業(yè)經(jīng)驗對假設(shè)進行優(yōu)先級排序，優(yōu)先處理那些可能對結(jié)果產(chǎn)生巨大影響的問題，在全面性和有效性中做出權(quán)衡。

案例：購買轉(zhuǎn)化

下面我們運用以某在線旅游商城為例，跟大多數(shù)電商平臺一樣，商城網(wǎng)站有商品詳情頁、立即購買按鈕、訂單填寫頁面和提交訂單按鈕（下圖左側(cè)）。這一系列頁面形成了一個核心路勁，即瀏覽-購買-付款。

分析該平臺的購買轉(zhuǎn)化情況，不容樂觀。從瀏覽商品到點擊立即結(jié)算，轉(zhuǎn)化率才3.1%；從點擊結(jié)算到最終支付成功的，轉(zhuǎn)化率才4.2%。如此低的轉(zhuǎn)化率，到底是怎么造成的；這樣就回到我們上面講的“三步走”分析問題的方法。

第一步：理解問題，什么是轉(zhuǎn)化率

在這個案例中，轉(zhuǎn)化率是完成支付的人數(shù) 除以 進入訂單頁面的人數(shù)。為了提升轉(zhuǎn)化率，只能是增加完成支付的人數(shù)，也就是減少支付頁面的客戶流失率。這樣一來，提升轉(zhuǎn)化率的問題變成了如何減少流失率的問題，問題的根源也就明細了：客戶在支付頁面流失的原因是什么。

第二步：問題空間分類，客戶流失原因的類別

客戶為什么會流失？按照MECE分析法，我們將客戶離開分成主動離開和被動離開兩種。被動離開，可能是因為突然斷網(wǎng)、電腦死機等客觀原因，不可掌控；所以不是我們關(guān)注的要點。

客戶主動離開的情況，有兩種可能。一是產(chǎn)品和用戶需求不匹配，導(dǎo)致客戶沒有完成支付意愿。而是產(chǎn)品需求和用戶匹配，但是客戶最終也沒有完成支付，這是我們需要優(yōu)先關(guān)注的。為什么產(chǎn)品和客戶需求是匹配的，最后客戶還是沒有完成支付呢？

有沒有可能是我們的支付頁面設(shè)計的不夠友好呢？帶著這個猜想，我們需要可靠的數(shù)據(jù)和有效的工具來驗證我們的假設(shè)。

第三步：假設(shè)檢驗，用借助“用戶細查功能”

我們選取了一個未完成支付的客戶，借助GrowingIO的“用戶細查”功能（內(nèi)測中）來詳細觀察這位客戶在該商城上的軌跡。

上面最左邊的是該用戶第一次進入該平臺時的動作，該客戶打開頁面，瀏覽了旅游商品頁，點擊了購買，并提交支付頁面，但是最終卻直接退出了，沒有確認支付。第二次，這個客戶又重新進來，瀏覽旅游商品，選擇了另外一個商品，提交支付，最后又是在支付頁面退出了。第三次這個客戶又進來，瀏覽了另外一個旅游商品，提交支付，最終還是沒有完成支付，這次客戶完全退出。

通過“用戶細查”功能，我們不難發(fā)現(xiàn)，客戶每次都在支付頁面退出，然后又重新選擇新的旅游商品。業(yè)務(wù)人員結(jié)合實際，不難理解：客戶選擇旅游商品是一個反復(fù)的過程，包括旅游時間、酒店套房、交通安排、參觀景點等等?？蛻粼谔峤挥唵魏笕菀自俅胃淖约旱倪x擇（可能受到親朋好友的推薦或者考慮到新的因素，跟我們在網(wǎng)上買東西是一樣的道理），如果訂單的支付頁面無法修改訂單內(nèi)容或者返回上一頁修改訂單，用戶最終會放棄支付或者直接退出，導(dǎo)致支付轉(zhuǎn)化率過低。

驗證了之前“支付頁面不友好”的假設(shè)后，下面就是技術(shù)人員改進頁面的工作了，后期繼續(xù)觀測支付轉(zhuǎn)化率數(shù)據(jù)，進一步優(yōu)化網(wǎng)頁設(shè)計。

方法總結(jié)

在實際業(yè)務(wù)中，我們遇到問題的時候，要思路清晰。

首先要結(jié)合業(yè)務(wù)場景具體定義你的問題，然后利用MECE分析方法給問題分類，提出相應(yīng)的假設(shè)，根據(jù)經(jīng)驗對不同問題假設(shè)進行優(yōu)先級排序，優(yōu)先處理重要的問題。最后，借助可靠的數(shù)據(jù)和有效的工具，對假設(shè)進行檢驗。

*本文根據(jù)GrowingIO內(nèi)容編輯整理，作者是GrowingIO商務(wù)分析師鄭平原。

本文由 @GrowingIO 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理?，未經(jīng)許可，禁止轉(zhuǎn)載。