以在線旅游為例:談談怎么通過數據挖掘提升購買轉化率?
接下來通過分享在線旅游行業的案例,介紹通過數據挖掘提升購買轉化率的方法,希望大家能受用。
電商行業中,轉化率是影響GMV(=流量x轉化率x客單價)的一個重要因素,轉化率又分注冊轉化率、購買轉化率等。轉化率的影響因素有很多,其中用戶體驗也是一方面,因此如何通過優化用戶體驗提升轉化率也是設計師需要掌握的必備技能之一。
剛進公司之初我們僅有結果性數據,導致在產品設計時由于沒有用戶行為等過程性數據,讓用戶體驗設計工作遇到困難,后來我通過跟公司領導和同事們分享友商的數據驅動業務增長的案例,推動了公司采購了一套低門檻的數據分析工具。
借著新的數據平臺,我想通過做一些優化帶來轉化率的提升,于是一個個的排查哪些流程里有可以優化的空間,希望通過數據挖掘和分析找到流程中的問題并且找到設計的機會點。
接下來通過分享在線旅游行業的案例,介紹通過數據挖掘提升購買轉化率的方法,希望大家能受用。
分析思路:確定轉化路徑、建立轉化漏斗-找出關鍵流失節點-鎖定目標人群-總結典型行為特征-驗證特征的顯著性-優化轉化路徑
建立轉化漏斗
購買轉化率的優化,首先要了解用戶購買的核心流程,例如:某航司,以用戶到達支付頁算訂單創建成功,以此計算購買轉化率,然而用戶可以通過不同入口(航線活動專題頁、機票搜索結果頁等)進入(乘機人填寫頁-增值服務頁-支付頁)核心流程。
在創建漏斗前,可以先觀察用戶的高頻行為路徑,其中挑選用戶量較高的路徑建立漏斗。我們發現大多數用戶還是通過機票查詢這個入口進來,因此我們可以先確定建立此路徑的轉化漏斗。
轉化漏斗建好以后,找到路徑中流失率最高的步驟,可以通過“維度對比”細分不同廣告來源、城市、手機型號等的轉化情況,還可以通過“用戶對比”細分不同分群以及新用戶的轉化情況。
找出關鍵流失節點
通過轉化漏斗發現,核心流程的乘機人填寫頁的轉化率較低,流失率較高。用戶進入乘機人填寫頁一般是對航線、時間、價格都是滿意的,到此頁面的用戶購買意愿較高,但是轉化率卻很低。通過轉化漏斗,定位問題,于是接下來我們將先針對乘機人填寫頁進行詳細分析。
通過觀察該頁面的頁面流向,發現返回至上一頁(搜索頁、秒殺活動頁、特價機票詳情頁)的用戶占比非常高,就此我們非常疑惑,為啥選好航班了又反水?
接下來我們再看一下該頁面的點擊分布排名:
從點擊排名來看:
- 點“返回”占比較高,與頁面轉向數據相符;
- “明細”點擊率過高,用戶尚未選擇乘機人,就出現價格,是否引起用戶疑惑?
- 添加乘機人分別取了兩種數值,幫用戶根據上次乘機過的用戶做默認推薦,添加乘機人的點擊率會比較低,沒有默認乘機人提供的情況下,點擊率較高;
- 用戶點“下一步”報錯“請選擇乘機人”較多,當有默認推薦乘機人時,用戶會誤以為默認已選擇;“勾選條款”的報錯機率也很高,OTA直接把勾選改成文字提示,條款點文字鏈可讀;
- 點“退改簽規則”的用戶需求不是特別高,有可能是提示信息已經展示在外面;
- “通訊錄”功能用得比較少。
鎖定目標人群、總結典型行為特征
接下來先將到達乘機人頁面的用戶分群,細查用戶行為(細查近一個月內,訪問次數為1,在搜索結果頁流失的新用戶行為),將用戶遇到的問題歸因。
通過用戶細查,我們發現關于“請添加乘機人”和“請勾選條款”的報錯數量占比較高,首次添加新乘機人流程繁瑣,用戶在機票搜索結果頁看時間對比價格,到乘機人填寫才真正看到含稅價格(特別是國際航班,含稅價差較大),所以導致這一步流失非常多。
如果說用戶在機票搜索結果頁流失,那可能是時間和價格不合適,如果時間和價格都可以,用戶點了預訂,到乘機人填寫頁中流失了,那一定是保險要綁定和含稅價格把用戶嚇跑了。
驗證特征的顯著性
后來我們將這些問題,整理成訪談提綱,回訪用戶,召集用戶進行現場測試。在訪談和測試過程中,確實發現大部分用戶在實際操作過程中遇到以上問題,也證實了以上假設。
我們還分析了該頁面的“退出率”、“頁面停留時長”等用戶行為數據,用來與優化后的效果做對比驗證。
優化轉化路徑
于是在優化過程中,我們做了以下調整 :
(1)用戶未選擇乘機人時,金額展示“–”,不展示“明細”,該頁面的目標是希望用戶在此填寫乘機信息,避免打斷用戶從上至下完成信息填寫的動線
(2)精簡信息:聯系人不需要展示姓名
(3)優化信息層級:
- 將航班詳細信息收起,縮短航班信息在頁面的面積;
- 將退改說明、行李規定、購買須知等用戶關注的信息分類以tab的形式展示;
- 增加“請選擇乘機人”提示;
- 將郵寄行程單新開頁面填寫改為下拉展示,減少頁面間的跳轉。
(4)增加機票單價與稅費展示,減少用戶點明細或返回再查看單價
(5)增加人工客服,實時解決用戶在信息填寫過程中遇到的問題
(6)取消“勾選”條款,用戶點擊“下一步”默認同意條款
(7)“下一步”增加提示“預訂增值服務”
方案設計好后,我們通過AB測試,驗證了設計方案。最終該頁面新方案轉化率以高于老方案的5.7%勝出。
使用數據分析方法,在實踐過程中用數據思維搭建增長指標體系,并得到驗證。我們在工作中持續通過數據發現問題-提出假設-驗證方案-擇優迭代形成閉環,并且采用AB測試的方法進一步確認設計方案的效果。通過用戶體驗的優化,帶來了轉化率的提升,也證明了該方法的價值。
近期也接觸到很多看到我的文章來交流的朋友,其中有很多朋友也遇到與我初進公司同樣的困境,其實大家可以在公司宣導過程性數據的重要性,推動公司完善數據系統或者外部采購,通過數據挖掘來提升轉化率。
作者:Emery(微信號:emery5858),9年產品設計經驗,曾就職于藍色光標、中國平安等公司
本文由 @Emery 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議
用戶行為路徑數據埋點/數據分析/設計歸因/展示優化/然后A/B test,最終提高KPI,數據驅動進行精細化設計從而達成目的,有收獲!
干貨很多,但是航空類的APP受外力影響因素太大,日常轉化率波動多大才算正常呢?正常的轉化率應該是多少呢?