如何提升顾客转化率？解决问题“三步走”

人们通常会从很多渠道得到很多看似“完美”的解决方案。这些解决方案看起来很漂亮。真的有用吗？很多时候，问题和答案是不可复制的；一个方案适用于这里，但不一定适用于其他地方。因此，我们真正需要的不仅仅是解决某个问题的方法，更是如何思考的过程。今天，我们将用“如何提高客户转化率”的问题来更好地解释这种方法。“三步走”解决问题的第一步:理解你的问题是一个看似合理的问题，你可能不理解它的本质。很多人会忽略这一步，虽然简单，但至关重要，它决定了我们能否一步一步地找到解决方案。在这个过程中，我们可以问自己一些问题，帮助我们更好地理解问题。比如这个问题是什么，如何定义，具体是什么，是否可以描述。指导行动的意义是什么？以“活动”为例，什么是活动？如何定义活动？是用户来过你的网站，即使活跃，还是需要使用一些特定的功能，还是用户访问的时间？事实上，这些都是可能的。对于电子商务网站，用户活动一般是指用户浏览商品的数量；对于人力资源SaaS行业，用户活动一般是指浏览和下载简历的数量；对于内容社区，用户活动一般是浏览和访问时间。了解“用户活动”的最终目标是改进转型，将其与核心转型路径联系起来，形成一条完整的浏览商品-点击购买-成功付款路径，确保我们从一开始就能够取得有效成果。第二步:在理解你的问题的基础上，我们需要对问题进行分类和处理。在此，我们推荐MECE分析法；ME是MutualyExclusive的简程，即相互独立；CE是CollectivelyExhausive的简称，即完全耗尽。MECE分析法是一种不重叠、不遗漏问题的分类方法，从而把握问题的核心，解决问题。以SaaS企业客户签单为例。用MECE对客户签单问题进行分类，就成了新客户签单和老客户续单两种问题。这样，问题就清楚了。第三步：假设检查充分调动你的行业神经，提出合理的假设，使用可靠的数据和有效的工具进行检查。在这个过程中，我们可能会遇到很多分类，每个分类都有很多假设；有时我们需要利用行业经验优先考虑假设，优先考虑可能对结果产生巨大影响的问题，并在综合性和有效性之间进行权衡。案例：以在线旅游购物中心为例。与大多数电子商务平台一样，购物中心网站有商品详细信息页面、立即购买按钮、订单填写页面和提交订单按钮（下图左侧）。这一系列页面形成了浏览-购买-付款的核心力量。对平台的购买转型进行分析并不乐观。转化率仅为3.1%，从浏览商品到点击立即结算；转化率仅为4.2%，从点击结算到最终支付成功。这么低的转化率是怎么造成的；这样，我们就回到上面提到的“三步走”分析问题的方法。第一步:了解转化率在这种情况下是什么，转化率是完成支付的人数除以进入订单页面的人数。为了提高转化率，只能增加完成支付的人数，即减少支付页面的客户流失率。这样，提高转化率的问题就成了如何降低流失率的问题，问题的根源就详细了:客户在支付页面上流失的原因是什么？第二步:问题空间分类，为什么客户流失的类别客户流失？根据MECE分析，我们将客户离开分为主动离开和被动离开。被动离开可能是由于突然断网、电脑死机等客观原因，无法控制；所以这不是我们关注的焦点。有两种可能是客户主动离开。一是产品与用户需求不匹配，导致客户未能完成付款意愿。相反，产品需求与用户相匹配，但客户最终没有完成支付，这是我们需要优先考虑的。为什么产品与客户需求相匹配，客户最终还没有完成支付？我们的支付页面设计是否不够友好？有了这个猜想，我们需要可靠的数据和有效的工具来验证我们的假设。第三步：假设检验，借助“用户详细检查功能”，我们选择了未完成支付的客户，借助GrowingIO的“用户详细检查”功能（内部测试），详细观察商场客户的轨迹。上面最左边的是用户第一次进入平台时的动作。客户打开页面，浏览旅游商品页面，点击购买并提交付款页面，但最终直接退出，未确认付款。第二次，客户回来浏览旅游商品，选择另一种商品，提交付款，最后退出付款页面。客户第三次进来，浏览了另一种旅游商品，提交了付款，但最终还是没有完成付款。这一次，客户完全退出了。通过“用户仔细检查”功能，不难发现客户每次退出支付页面，然后重新选择新的旅游商品。业务人员结合实际情况，不难理解：客户选择旅游商品是一个重复的过程，包括旅游时间、酒店套房、交通安排、景点参观等。客户提交订单后很容易再次改变他们的选择（可能被亲戚朋友推荐或考虑新因素，我们在网上购物），如果订单支付页面不能修改订单内容或返回最后一页修改订单，用户最终会放弃支付或直接退出，导致支付转化率太低。在验证了之前“支付页面不友好”的假设后，以下是技术人员改进页面的工作。在后期，我们将继续观察支付转换率数据，进一步优化网页设计。方法总结在实际业务中，遇到问题要思路清晰。首先，根据业务场景定义您的问题，然后使用MECE分析方法对问题进行分类，提出相应的假设，根据经验优先考虑不同的问题假设，优先考虑重要问题。最后，借助可靠的数据和有效的工具检验假设。