电子商务关键数字优化 先要答谢各位读者，现在一个月一篇文章已经远不如当初承诺的一星期一篇文章，但仍然有朋友苦苦等待，我很辜负你们的期待，真的很抱歉。过去，有些文章，是献给某些朋友的。今天，这篇文章也想献给一位素不相识的朋友，包括今天的每期一句，我不知道是不是这世界还会有light，还会有honesty，但因为他，我信一切会有，因为如果你真的不恐惧来这个世界这个国度，并且为这个浑浊黑暗带来一点点光亮，那么，你踏步前行的身后，便终可能全是光明。我们与你同在。

着手提升基础驱动因素

 我们在前文中，把影响电子商务关键数字（KBR数字）的驱动因素区分为两类：基础驱动因素和非基础驱动因素。我们也强调了基础驱动因素的重要意义，在大干快上的时候，千万不要忽视了打牢基础。

 提升基础驱动因素，看似抽象，例如我们上回中的例子——“转化率的基础驱动”——多少听起来有些拗口，但操作却是实在的，具体的。在上回中，我们把影响转化率的基础驱动归结为如下项目，这些项目（item）即是我们需要动手逐个优化的。而这些项目优化的结果好坏，当然对转化率的好坏起到至关重要的作用。

 案例：如何优化KBR之转化率（3）——关键转化过程优化

 现在我们开始着手一项一项提升作为KBR的转化率的基础驱动因素。这没有什么神秘的，这些都是网站分析从业者的基本功，也是网站分析这门学科必学必用的内容。如果要编一本网站分析的教材，这些必然是占有这本教材的主体部分。

 

例如，对于关键转化过程，这是我们大家都很熟悉的，我们找出转化过程中不佳的环节，然后检视这个环节中哪里出现了问题，然后加以改进。

 

左图中是这样的一个转化过程，电子商务网站上一个产品的销售过程大致是这样的过程。产品页可能本身就是登陆页，但是更多的时候，访问者看到产品页之前会先浏览其他的页面，比如活动页面、首页或是商品的列表页等等，然后，某个页面上的某个陈列着的商品引发了购买者的兴趣，于是他们才会进入这个产品的具体说明页（产品页）。

 

我们都知道，在进入产品页直到最后完成支付的一系列环节中，任何一个环节出现问题，就会影响最终的转化。例如下图中所展示的某种问题：

 

这虽然不是典型的电子商务网站，但“毛病”是一致的，在两个虚线的方框内的转化是存在明显问题的。我们通过Google Analytics的预定义转化（Goal和Step）功能，或者Omniture SiteCatalyst的转化丢失报告（Fallout），这些问题能够很容易地被发现。知道问题在哪里，事情就多少好办一点，我们可以用数据做进一步的证明问题出现的原因，或者有时候只是猜测，然后再改进现有的毛病，并进行测试真正解决这些毛病（具体的这些步骤我们后面会详谈，这里不引申了）。

 总之，这是一个很稀疏平常的方法论，我想如果有一本网站分析的教材，这应该是基本的方法论了。

 不过，有时候，事情不是这么“完美”的。并不是所有的转化都有明显的毛病，如果每个环节的丢失率都比较均匀，没有明显的短板，你会怎么办？或者，换另外一种极端的情况——每个环节都存在明显的转化丢失，你应该怎么着手处理？

 显然，优化是永无止境的，没有明显短板并不意味着不值得优化，而如果每个环节都存在明显的转化丢失，你肯定更会手忙脚乱。这时候，上面的方法论可能不适用了。事情总都是一步步解决的，你不可能同时对所有的环节都进行优化，因此现在有三种可供选择的方案，你会选择那种？

A. 你会先从转化的前端开始解决问题，然后逐步深入到转化的后端环节；

 B. 你会先从转化的后端开始解决问题，然后往前推，解决转化前端出现的问题；

 C. 你会决定——这玩意儿好不了了，破罐子破摔吧。

 选项C当然是开玩笑，如果你真的在乎这个网站的话，你不会这么听之任之的。但有时候，我们确实存在恨铁不成钢的沮丧，而且确实有些网站只能回炉重造。

 A和B，我们往往是按照A实践，但我会选择B。

这或许没有对错，但我更倾向于B。

 原因在于，越深入到转化的后端，就越可能是“基础驱动因素”，而转化的前端，则更多时候，是“非基础驱动因素”。我同样认为，有时候，把前端解决好了，会有很直接快速的效益显现，但我还是固执地认为，后端就是更重要些。没有对错，只是我的感觉。

 个感觉来源于对问题定位和解决的难度会因为这个问题是出现在前端还是后端而不同。看看下面这个例子——我们对转化的前端和后端分别进行优化，前端我们优化登陆页二跳率，从40%升高到50%，后端我们优化支付转化率，从40%提升到50%。其他条件不变的情况下，这二者优化对整体转化提升的贡献是一样的。可是，往往我们的分析和技术团队资源是有限的，我们如何选择？

 我倾向于选择优化支付转化率。有两个原因。第一个原因，很明确，支付转化率是基础驱动因素，它的好坏影响全局。而登陆页数量众多，而且登陆页是会不断发生变化的，并非是基础驱动因素。

 第二个原因，是因为对前端的优化相对而言更困难。转化越靠前端，影响其转化的因素越多，越分散，解决起来越是费劲。比如，影响二跳率的因素涉及到页面的设计、call to action、用户导引、IP流量质量、商品吸引力等等，这些都不是很快很轻易能够解决的。当然，明显无知小白错误（例如不匹配之类）的除外。

 

影响整体转化率的另一个基础因素是转化结构。这一点我在几次演讲中都有提到，但没有听过我演讲的朋友可能并不熟悉。

 

如下面三个转化的结果图所示：

 

正常转化是左边的图，有泄漏点（如同我们上面讲的那个航口售票网站）是中间这个，而不正常结构的转化（最右边这个），则是在转化过程中，很奇怪的没有按照预订的转化路径，而是发生循环，或是“四处乱窜”。通过“全路径报告”（这个报告在Google Analytics中没有，但是Omniture SiteCatalytics提供），我们可以发现这类奇怪的转化结构。这种结构对转化效率有重大影响。下图中，第八条主要路径（Top 8路径）发生了循环，而且循环发生在购物转化过程中。

 

兴趣阅读：转化结构失误的真实案例

 转化结构失误是否真的存在？答案是肯定的。一个真实的案例是某一家航空公司的电子客票销售过程中，发生了显著的流程循环。

 我们看到，在用户选择好航班，点击下一步之后，超过40%的访问者又会回到上一步，即回到选择航班的页面。

 这种状况的发生极为严重的影响了整体转化率，订票转化率低至不足3%，但这个网站的同行们却平均有接近10%的整体转化率。

 发生这种现象的原因很快被找到，当用户在航班选择页面挑选好某个航班后，相应的价格并不会显示在这个页面中，而是需要你点击“check price”按钮，进入到下一个页面中，才能看到你刚才选择的航班的票价。这是一个显然不会让人愉快的设计，而这个设计，也显然造成了转化过程中的循环——当人们看到机票价格并不是自己期望价格的时候，不得不回到上一页去选择新的航班，然后再点击“check price”查看新的价格。总之，这样的设计真的是糟透了。

 现在，这个网站已经改掉了这个设计。但最初的毛病，在今天却成为一个很好的反面案例。

 
案例：如何优化KBR之转化率（4）——导航优化

 

我们解决了关键转化过程的问题，现在我们开始关注第二个基础驱动因素：导航。

 导航优化也是网站分析学科中必学的课程，而且这一块也相对有成熟的方法论。

 对于导航，我们关注几件事情：

 首先，导航被过多的使用并不意味着是一件好事。可能你的商品并不容易被人轻易地找到，或者，人们总是容易找不到自己想要的商品，而不断尝试通过导航解决问题。

 其次，导航被很少使用也是不合理的，这意味着你的用户没有访问深度。

 然后，导航区域本身的设置是否合理？是否有一些导航的入口根本不值得放在导航区域，而另外一些则应该添补进来？

 对于第一、二个问题，我们如下解决：

 导航利用率的评价

 导航利用率用来衡量网站导航被整体使用的情况，并进而推算用户是否过度或者过少使用了导航。当然，我们看到的一般现象是过度使用导航。

导航利用率通过网站中导航的总点击密度来表现，公式为：，分母为什么要减去bounce掉的PV，原因在于我们衡量这个值只有对非bounce的visitor才是有意义的。有时为了简单起见，有时候我也用公式：，但这个公式的意义显然不是很精确，减去首页PV意味着摒弃了首页的影响，这在首页最为最主要的landing page的时候说得过去，但并不科学。

 上面两个公式计算的结果，如果数字越大，表明导航区域被使用的概率就越高。一般而言，对于第一个公式，我认为这个比例不超过40%是合理的，如果超过这个数字，说明用户在导航中转来转去，并没有实现你希望他们去做的事情——找到他们喜欢的商品并购买它。

 现在，你一定会提出一个问题——总PV和Bounce掉的PV是容易拿到的，但导航区域的点击数如何获得？我的方法很简单，对所有的导航位置的链接URL，均会加上一个参数后缀，以区别它是用作导航的链接。例如，某一个入口处于首页的导航区域，链接到销售Prada的专题页面上，这个入口链接本来是http:///2011/1019/1318993567782.png" border="0" />

 总体上，我们认为导航的点击不太可能平均分布，但是，如果有过于密集的点击入口，或者过少的点击入口，你应该考虑优化。过于密集，意味着这个页面上该路径或者该功能的进入方式太过单一，可以考虑增加一些辅助入口。过少的点击，意味着这个入口出现在导航区域中的价值值得重新掂量。

 
另一个案例是走秀网历史页面的导航也存在问题，有一大片区域几乎无人问津，这一区域只有一个宿命，就是消失。

 

导航路径合理性

导航路径合理性也是对导航的重要的评价。方法直接，用网站分析工具的路径功能即可。好的导航功能有清晰的符合逻辑的路径，不好的导航则可能出现很多不符合预期的路径，以及出现更多的循环。不再赘述。

 

 如果我们继续探寻优化转化率的足迹，我们在基础驱动因素的道路上将必然碰到站内搜索。站内搜索与导航对用户体验的影响本质上是相似的，对于部分电子商务网站，这种影响甚至是决定性的。

 

引申阅读：电子商务网站的用户体验不一致性

 

电子商务网站的类型不同，造成了电子商务必然对用户体验具有不同的作用。同样一个电子商务网站，对某一类用户有很好的用户体验，对另外一部分则不尽然。

 

进一步说，这是人类购物天性使然。

 

我们购物有两种情况，一种情况是带着某种明确的目的进行购买活动，另外一种则是随便逛逛之后的应激性购买。相对而言，男性更倾向于第一种情况，而女性则后者居多。

 

电子商务网站往往都是两者兼顾，但相对而言还是有所偏向。由于网站定位、品类和商品特点、面向的人群不同，电子商务网站仍可以区分为偏向于服务于明确目的的购买，和偏向于服务于兴趣激发的购买。

 

前者，例如改良前的京东商城，或者淘宝（你会发现在淘宝上随便逛逛真的很困难，你的购买欲不会提升）。后者例如走秀网。这两类电子商务网站，用户目的的不同，用户体验优化的要点也不一样。第一种情况，很显然搜索功能必须非常强大；第二种情况，导航和商品陈设则需要非常考究。当然，并不是说对第一种情况导航不重要或是第二种情况搜索不重要，但侧重确实是有不同的。

 

站内搜索的优化同样有固定的套路，在Avinash的第二本书《Web Analytics 2.0》中有详细阐述。我好像已经忘记了一些他的原文，所以我就讲我在实践中用到的。

 

我在很久之前那次拥挤的分享中专门做了如何通过站内搜索优化网站的内容，当时，我的观点很明确，没有任何用户行为比用户直接搜索关键字透露的信息更有价值。今天，这个观点仍然没有过时，尤其是在你资源有限无法跟用户直接对话的情况下。

 

对搜索的关注如我左图所示。

 

搜索利用率跟导航点击密度是相似的，公式也很简单：。搜索利用率高的网站，更偏向于目的购买型，搜索利用率低的网站，则可能属于兴趣应激购买型，或是——搜索实在做的太差了。

 

除了搜索利用率需要我们自己计算外，其他的几个关键点都可以通过网站分析工具直接获得。例如，对于高search bounce和refinement的搜索词，Google Analytics提供很不错的报告，如下所示：

 

而0搜索结果页面则更是非常重要的报告（这个报告Google Analytics似乎没有），在Omniture的SiteCatalyst工具中，有专门的报告提供：

 

在上面的报告中，搜索词“handicom”是返回0结果最多的，如果你是SONY，你一定会知道该怎么办了。如果我们挽救了这些搜索handicom的用户，而且满足了他们想要了解handycam的本意，那么我们的转化率一定会受益菲浅。

 

高搜索结果返回页面是那些承载着搜索结果期望的页面，这些页面是否能满足（或者至少是部分满足）搜索者的预期，也同样影响转化率。

 

例如，上面的报表中，对于handycam这个搜索词而言，用户更多会点击搜索结果中的首页。这意味着，首页最好要满足这些人的需求，否则他们可能认为，这个网站并不能让他们更多了解这个产品，更不用说让他们购买这个产品了。

 上面的这些案例，只是想要说明如何在辨识出基础驱动因素之后，通过研究基础驱动因素的绩效来为改进和优化创造可能。我相信这些行动是意义的。不过，上面的这些案例都是分析，并不是优化建议本身，更不是带来的优化结果。在我们上面的KBR优化路径中，你还需要做其他一些重要的事情以保证你所采取的行动是卓有成效的。这些，我将在这个系列的最后一篇文章中阐述，包括如何通过测试寻找真正的优化方法，以及如何更高级的满足用户的转化预期。