1，我们为什么需要跨屏追踪？

在开始谈论跨屏分析的重要性和价值之前，我们先来简单的回顾一些背景信息。这就是我们的网站分析工具是如何来定义，区分和计算唯一身份访问者？下面我们逐一来回顾下这些基础知识。

访问者定义

网站分析工具依靠IP或Cookie来定义访问者。一个IP地址或一个Cookie就代表一个访问者。早期的日志分析工具依靠IP地址，但由于存在多个人公用一个IP地址的情况，例如网吧，或者学校机房等等。因此现在大部分的网站分析工具都是以Cookie来定义访问者。Cookie是存储在访问者浏览器中的一个文本文件，用来记录访问者的身份信息。当然也有一些分析工具可以进行定制，当访问者浏览器禁用Cookie时通过IP地址继续定义并追踪访问者。

访问者区分

用于定义访问者的Cookie中有一串唯一的数字，这串唯一的数字就是访问者的ID。访问者ID会在访问者每次访问网站或浏览页面时跟随其他指标一起返回网站分析工具的服务器。网站分析工具通过这串Cookie中的唯一数字ID来区分访问者的身份。如果发现多条日志中的访问者ID都相同，则判断这些访问或页面浏览行为来自同一个访问者。

唯一身份访问者的计算方法

网站分析工具对于访问者采取排重的计算方法。换句话来说网站分析工具提供的是唯一身份访问者数据。以下三个测试可以说明网站分析工具是如何对访问者进行排重计算的。

测试1，按时间维度对访问者进行排重。

将一周内网站访问者的数据按天分别取出进行汇总，并与网站分析工具提供的一周汇总访问者数据进行对比，你会发现以天作为维度的访问者汇总数据要大于以周作为维度的访问者数据。原因很简单，一个访问者连续一周7天都访问了你的网站。这时以天作为维度，每一天中这个访问者都是唯一的。按天汇总的访问者数据为7。而以周作为维度，在这7天中只有1个唯一访问者，到访过网站7次。从数据准确性的角度考虑，排重后的访问者数据更为准确。

测试2，按来源维度对访问者进行排重。

按来源维度对访问者进行排除与前面按时间维度进行排除的例子相似，将不同来源维度的访问者数据分布取出进行汇总，并与同一个时间段的网站访问者数据进行对比，你会发现按来源汇总的访问者数据要大于网站的访问者数据。因为同一个访问者在一段时间内可能会通过多个不同的渠道或媒体到访你的网站。如果仅从渠道或媒体维度来看，这个访问者是唯一的。但扩大视角从网站的维度来看，无论访问者的来源渠道有几个，唯一身份的访问者都只有1个。

测试3，按内容或页面对访问者进行排重。

除了按时间和来源对访问者进行排重以外，还有一个在数据统计中最容易被误解的方法，就是按网站的页面对访问者进行排重。这类排重的方法与前面的两类测试非常相似，只不过将时间维度和来源维度替换为了网站页面。因此，如果你将访问每一页或每个频道的访问者单独取出并进行汇总，那么这个数据会明显大于网站维度下的访问者数量。因为一个访问者可能看过多个频道或页面，从每个频道或页面的维度来说，这个访问者都是唯一的，但从网站这个更高一级的维度看来，只有一个唯一的访问者。

啰嗦到这里你可能已经发现了，为了保证唯一身份访问者的数据准确，网站分析工具会从整个网站的维度对访问者进行排重计算。而这一切的前提都是网站分析工具能够在不同维度下识别并区分出这个访问者。但在实际的访问场景中，有一些维度网站分析工具没有办法进行排重操作。例如不同的浏览器，和不同的终端设备。因为网站分析工具赖以定义访问者的ID存储在Cookie中，而Cookie是基于浏览器端的。换句话说就是访问者在不同的浏览器或设备中会拥有不同的访问者ID。这就导致了网站分析工具没有办法在浏览器和设备维度下对访问者进行排重。

从技术和指标计算的角度来看，跨屏追踪的这个新功能的主要作用就是用来在不同浏览器及设备间精确定义和识别访问者，并对访问者进行跨屏幕，跨设备的识别和排重。使我们获得的唯一身份访问者数据更加精确。

2，跨屏追踪的原理与实施方法

目前大部分网站分析工具实现跨屏追踪的原理大致相同，都是通过访问者的唯一身份标识在不同的设备间定义和识别访问者。然后在服务器端按照唯一身份对访问者使用的设备，访问行为进行排除和汇总处理。但在跨屏追踪中，这个唯一身份标识不再来自于Cookie中的访问者ID。而是依赖于访问者在网站中的唯一身份标识。换句话说，网站分析工具把跨屏幕跨设备识别用户唯一身份的工作交给了网站。而这个唯一身份标识，通常也就是访问者的登陆账号。当访问者在网站中完成登陆操作后，就会以此作为访问者的唯一身份ID。

以Universal Analytics为例，如果要对访问者进行跨屏追踪，需要在全局代码中添加一行代码用于获取这个访问者在网站中的唯一身份ID。并将这个ID返回给Google分析服务器。进行后续的排重和汇总处理。

我们以bluewhale_test作为访问者唯一身份标识为例。这段代码在你的页面全局代码中应该是下面的样子。

当代码被执行，我们可以发现和验证两件事情，第一，访问者被成功的赋予了唯一身份标识后，我们可以在返回数据中看到本次的访问和页面浏览行为属于用户bluewhale_test。第二，这个访问者唯一身份标识并没有存储在Cookie中，而是直接发送到Google分析的服务器。

当这个访问者在其他设备登陆网站时，我们也将同样为他赋予bluewhale_test的标识。这样在服务器端我们就可以对这个访问者进行识别，并将他在不同设备间的访问行为进行归并计算，以实现跨越屏幕和终端的访问者追踪。但这里有个问题，就是访问者必须完成登陆操作才可以被标识。如果访问者仅仅到访网站而没有完成登陆操作呢？这里我们介绍跨屏追踪的一个加强版，webtrekk中以唯一身份ID+cookie的标识方法来解决未登录的用户标记问题。

3，Webtrekk增强版跨屏追踪

当一个访问者在网站进行了注册或者登陆操作，那么webtrekk系统会将访问者的用户名作为唯一身份访问者ID对访问者进行标识。这和之前介绍的方法和流程没有区别。但webtrekk在后台还会做一件事情，就是将当前访问者的唯一身份ID与他cookie中的访问者ID进行关联。那么在不删除Cookie的情况下，下次这位访问者到访网站时无论是否进行登陆操作，webtrekk都能再次识别出他，并且将他与之前的历史行为进行关联。

上面的图表清晰展示了这个过程。当这名访客登录后，webtrekk将cookie中的访问者ID与URM的唯一身份ID进行关联。URM唯一身份ID用来识别用户，基于cookie的不同访问者客ID就会赋予到唯一身份ID中。如果任何一个唯一身份ID发送到Webtrekk，相关的cookie访问者ID也会添加到其中。URM唯一身份ID只在第一次关联（绿色箭头）的时候用到。之后，关联机制便独立于URM唯一身份ID（灰色箭头）。这样当访问者不再进行登陆操作时，我们也能根据之前建立起来的关联关系对访问者进行识别。

4，跨屏报告概览及指标的变化

使用跨屏追踪功能后，我们可以在网站分析工具的报告中看到更精确的访问者数据和访问者在不同终端设备间的使用路径。下面我们分别以Universal Analytics的跨设备报告和webtrekk的跨屏报告为例，来看下工具是如何计算访问者数量和呈现终端设备路径的。

第一个是Universal Analytics跨设备报告中的设备路径报告。在这个报告中我们可以看到两个重要的信息。第一个信息是设备路径。这里显示了访问者先后分别通过两个不同的设备访问网站，分别是Desktop和Mobile。第二个信息是用户数和会话数。在没有使用跨屏追踪功能时，会被记录为两个访问者和3次会话。而在使用跨屏追踪后，通过跨设备排除只显示了1个用户和三次会话。数据更加准确。

第二个是Webtrekk的跨屏报告。通过这个报告我们可以发现每一个唯一身份访问者在不同时间中对不同设备的使用情况和顺序。这比之前Universal Analytics报告中的提供的内容要更加丰富和详细。

5，跨屏追踪从业务上解决了哪些问题？

前面我们一直都在从技术角度介绍跨屏追踪功能的作用。但他最大的价值还是体现在业务层面。下面我们分别从网站主，网站分析工具和广告主三个不同的角色出发，来看下跨屏追踪在业务上解决了哪些问题。

网站主角色：,

从网站主的角度来看，跨屏追踪最大的价值是可以精准的定位和追踪人的数据，而不是浏览器的数据。访问者的数据不再是割裂在不同浏览器和设备间的数据孤岛。我们可以有效的将访问者在不同设备间的访问行为进行关联，并获得完整的访问行为和设备路径。

网站分析工具角度：

从网站分析工具角度来看，跨屏追踪非常有希望摆脱依赖Cookie来定位和获取访问者数据。Cookie一直都是网站分析工具获取访问者行为中的重要一环，但这一环又是如此的脆弱。访问者，浏览器，和各种插件都会对Cookie以及数据的准确性造成影响。而现在，网站分析工具已经在改变方法，减少对Cookie的依赖，将大部分的数据记录和匹配工作转移到服务器端来进行。目前唯一还需要用Cookie来记录的就是访问者的身份ID。而通过跨屏追踪功能的普及，大部分访问者都会被网站进行标记。这将大大减少Cookie被删除造成的数据准确性问题。

广告主角度：

最后，还需要从广告主角度来看一下跨屏追踪的价值。我们不知道网站分析工具所获得的数据和信息是否会被用于精准广告投放。但从广告主角度来看，更精准的唯一身份访问者以及跨设备的长期访问历史行为数据对于精准广告投放来说确实是非常有价值的。

—【转自“蓝鲸网站分析博客”】

没有数字和分析，没有电子商务。

【前言】

从事电子商务的工作一段时间，发现自己对于数据的想法有了很多变化。过去，我们拿着国外的理论，然后站在河边的岸上，对河中游泳的人们指指点点。今天，当你也跳入河中，就是全然不同的感受。一方面河水冰冷刺骨，另一方面，也开始理解为什么曾经河中的人们用各种“怪异的姿势”奋力搏击。这一篇文章，是我在杭州参加车品觉老师《智论商道，西湖秋学》活动的演讲整理，也记录了我的“河中感受”。

【正文】

这是一个很大很难但也是每一个电商人都会问的问题——我该如何优化我业务中的关键数字。

我也面临这个问题——这个有数百种，不数万种各不同相同答案的问题。优化关键业务数字，没有固定的策略，因此也就没有固定的答案，但却并非无迹可循，而是有章有法的。甚至，这些方法事实上并不需要你去从头摸索，前人早已准备了众多滋养，只需你有心跟随即可。

既如此，就让我们先看看前人给我们这些滋养是什么。

关键的第一步

优化电子商务关键数字的第一步是什么?

说来好笑，这个问题的答案是——什么电子商务的关键数字?不过这可是个很严肃的答案，当然，也是一个很严肃的问题。

分析不是为了分析而分析，没有明确目的的分析，是“无病呻吟”。分析是需要消耗资源的，而且消耗的全部是“沉没资源”——时间，你不能把分析投入到本来不需要分析的领域去。因此，电子商务关键数字优化的第一步恰恰是识别关键数字是什么。

对于电子商务关键数字的识别，是起始于“KBR”的。KBR是我在Adobe Omniture的时候被洗脑的一个词，意思是Key Business Requirement。当然，这不过是人头马酒瓶装二锅头罢了。KBR没什么新意，不过点明了你的分析要从组织的关键业务需求开始。

但这个思想很重要，本质上，这个思维方法就是我们熟悉的“金字塔思维方法”——事情有一个根本的基点，一切最终要回到这个基点。我们在分析的时候，很多时候是被兴趣所指引，发现了麻雀去追麻雀，发现了兔子又去撵兔子，这是分析工作最初吸引新来者的很重要的原因——看起来一切都是非常新奇有趣的。可是商业分析，你不能浪费你的“沉没成本”，我们不为兴趣所指引，我们所做的一切都需要不断反问自己，是否是围绕着KBR进行的。

KBR意味着组织的“当务之急”。对于电子商务，尤其是国内的电子商务，业务上的当务之急是清晰而明确的——增加销售，降低成本。不过这不能算KBR，因为它太过于粗放，而且不够具体。但沿着这个方向，我们会发现大部分电子商务公司在增加销售和降低成本方面都根本上将聚焦于下面两个事情——量和率。

量，当然，归根结底是销售量，不过销售量显然决定于流量、注册量，以及转化率和回头率。因此，我们的思维是，要提升销售，我们需要提升流量和注册，并且提升转化和回头的机会。这和做一个线下商店的关键数字指标是类似的——人流量多少，多少人进店买了东西，又有多少人还回来。

说一点题外话。我认为国内的电子商务公司，因为它们本身所具有的“股票公司”的特性，利润率什么的，反而不是真正他们关心的。区分什么样的电子商务公司更在乎利润率的一个有趣指标是——他们是否获得了外部投资。当这些公司没有外部投资，维持在一个较小规模的时候，利润率是非常重要的;但当投资进入，扩大规模、挤死竞争对手成为主线的时候，利润率是一个可以牺牲甚至是必须牺牲的指标了。这很有趣，对消费者而言，当一家电商公司刚刚获得投资的时候，促销一定是很给力的，这时的商品值得购买。

当然，电子商务是否还有什么其他的关键数字，取决于这个公司自身的经营特点和业务特性，这里不再赘述。强调一点，我们关注方法本身，电子商务关键数字优化的第一步是真正识别你的业务的关键数字。KBR不建议是最大的那个放之四海而皆准的目标(例如Revenue)，而应该是这个大目标之下，跟你的大目标达成真正关联的那几个可以清晰定量的目标(例如电子商务中的量和率)。你值得花一些时间找到真正的KBR。

建立优化路径

现在，你通过自己的思考或是“老板的指示”知道了KBR是什么。现在你该怎么办呢?

我们都知道，任何复杂的问题都可以遵循一定的方法解决，若没有解决，是因为没有找到方法。例如哥德巴赫猜想，人们并非是在寻找答案，而是在寻找方法。同样，KBR不能优化，并非是它不能优化，而是我们可能没有找到正确的方法，或是没有去正确执行这些方法。

下面是我的方法，你当然也可以建立你自己的方法。有效果的方法就是好方法，这里没有标准答案。

上图是我总结的KBR的优化路径。这个路径看起来文字众多，步骤繁琐，实际上思想非常简单。你也可以看我下面的文字描述，可能更容易理解：

定义KBR——分解影响KBR绩效的驱动因素——确定这些驱动因素中哪些是基础驱动因素，哪些是非基础驱动因素——尝试分析基础驱动因素并着手改进——同样，尝试分析非基础驱动因素并着手改进——测试你的这些改进是否有效并固定有效的改进(优化)——优化不可能是针对所有人群和兴趣的，所以最后你要在优化的基础上进行动态处理(定制化)。

还是够复杂的，再简单点，用白话!

定义KBR——分解影响KBR的那些破事儿——哪些破事儿更具全局影响力?哪些是局部的?——想办法搞定这些破事儿——真的搞定了吗?测试看看——靠谱的办法固定下来——不能用一种办法搞定，多几个办法针对不同情况!

我觉得KBR就是被这么搞定的。只是每个破折号后面的每一步体现了水平。网站分析甚至不是一个技术活，毕竟我们没搞什么高深的数学模型，但确实需要缜密的心思，丰富的经验，敏感的嗅觉，和不断尝试的勇气。

当然，你可能还是觉得，上面的这个模型(姑且厚颜无耻点把它称为模型)，毕竟是一个非常抽象的东西，您可能还是没有太理解，什么是驱动因素?为什么有基础和非基础?测试如何做?又如何动态化定制化?一连串的问题，待我慢慢道来。

基础驱动因素和非基础驱动因素

驱动因素是initiative的翻译，这个词是形容词，也可以作为名词。找不到更好的翻译，于是俺们国人就把它翻译成驱动因素了。

废话不多说，你理解它为影响因子也行(kao…，因子这个词也是人家，是factor的翻译，唉…)，就是会影响KBR绩效的那些因素。例如，影响流量这个KBR的因素的驱动因素是资源多少(例如花钱多少)、营销活动的水准、SEO水平等等。这么说应该很好理解。

那么，什么是基础驱动因素和非基础驱动因素呢?这是我自己琢磨的，没理论根据，但我觉得好使。

　所谓基础驱动因素，就是那些当你改变了它(优化了它)就会全局性长时间改变(优化)KBR的那些影响因子;

　　而非基础驱动因素，就是那些当你改变了它(优化了它)就会局部性一定时间内改变(优化)KBR的那些影响因子。

用咱们汉语说，基础驱动因素就是内功，非基础驱动因素则是招式。内功常在，招式则要过招时才发生。

现在可能你明白了一点我想说什么。不过，最好的方法是，我们举一个真正的KBR优化的例子，让我们看看上面的路径和驱动因素如何帮助我们优化KBR。

　　案例：如何优化KBR之转化率(1)——驱动因素的细分

转化率是我最喜欢谈的，因为对它的研究业界已经很多，但我们似乎总未破解它的迷局。

按照我们前面提到的KBR优化路径，我们要找到转化率这个KBR的驱动因素，并且要把基础驱动因素和非基础驱动因素区分开来。然后分别加以分析和优化。

我是这么分解的，如下图所示：

我影响转化率的基础驱动因素确定为：

关键转化过程

导航(分类)

搜索

信任

……

非基础驱动因素确定为：

产品页面

登陆页面

活动和流量匹配程度

外部流量本身质量

……

先来看看基础驱动因素的确定。关键转化过程，是老生常谈的了，就是在转换路径中各个关键环节。这些环节的某一个或多个做不好，对整体销售转化的影响都会非常大，也就是我们常说的木桶短板效应。导航和分类，本质上是对用户遍历或寻找商品逻辑的有效组织或再组织，不好的导航和分类，让用户没有在合适的位置找到合适的商品，扫兴而归，转化率受损。搜索，跟导航和分类是类似的，只是人们更容易对它产生更高期待，并更容易在期待落空后放弃。

这几个因素，都全局性的影响到转化率这一KBR。无论流量质量(人群价值)如何，无论你的活动页面有多么吸引人，这些因素做不好，转化率都会低下。因为这些因素是基础性的影响。而活动页面的吸引力则非基础性的，A活动的页面不好，那么在下一次B活动中加以改进，仍有机会，但关键转化路径中埋有惊人败笔，却不是活动设计本身能够挽救。

所以，我把它们作为基础性驱动因素。基础性驱动因素还有很多，限于篇幅不再冗举，朋友们不妨留言列举。

　【闲来无事多读一点】

同转化率一样，回头率也有基础驱动因素和非基础驱动因素。在会场有朋友问起这个问题，引发了较长时间的讨论。

回头率的基础驱动因素往往是：

细分人群属性

细分人群消费行为

竞争商品

竞争价格

第一次消费体验

转化率(更高的转化率会促进回头率)

……

非基础驱动因素是：

市场及促销活动

精细化找回营销

外部市场环境(动态变化)

……

相对于转化率，回头率的衡量更具有难度，所受的影响因子也更多。优化它的基本方法必须经过人群的细分，按照消费行为、人群属性的细分，挖掘哪些属性、行为的人群的不同流失情况。以辨别流失倾向和人群的关系。另一种细分维度则是按商品品类细分的人群流失情况。哪类商品的购买者更容易发生流失。以辨别竞争商品和价格可能存在的问题。

转化率的非基础驱动因素则比较明显，它们都是局部性的，而且时限性相对较短。例如产品页面，产品页面的介绍对该产品的转化率影响很大，但并不影响其他产品，而且产品有明显的生命周期。登陆页面同样，它们会影响活动的转化效果，但只限于影响自己的活动。流量本身也是动态的，尽管流量永远存在，但却并不能保证每天的流量都能匹配landing page，或是保持持续的较高品质。

现在，你应该能够明白基础驱动因素和非基础驱动因素了。那么，我们这么划分的意义何在呢?

　案例：如何优化KBR之转化率(2)——驱动因素细分意义何在

细分基础和非基础驱动因素的意义在于，你能够知道应该先从哪里下手。前文说过，分析是需要资源的，最重要的资源是时间，是沉没成本，你不太能够分析所有的因素，所以分析的艺术是抓住重点直切主题的艺术。

基础驱动和非基础驱动二者，在转化率这个电子商务的KBR上，体现出非常明显的没有抓住重点的趋势。原因无它，我们往往更重视非基础驱动因素而不愿直面基础驱动因素。招式易学，内功难练。

电子商务显现出非常明显的对活动的重视，对流量本身的重视，但却往往疏失关键的转化过程中是否存在明显短板，是否有更好的用户指引，并忽略建立初次和长时间的信任。这些都比不上修正下产品页面，给用户促销，以及产品页面的说服诱导见效快，所以理所应当的被放到次重要的位置上。

这是误区。内功练成，无招胜有招;招式搞定，却不过是空有花架子。基础驱动应该放到更高优先级上，至少它应该跟非基础驱动一并被关注和优化。

好了，这些都是浅显的道理，我就不多啰嗦了。限于时间的关系，我很难找到大段的时间跟大家分享。就先停笔到这里。未来也许某一天，我不会那么忙了，我停下来，能够跟朋友们更多分享。更多的内容，请期待这个文章的后半部分!

欢迎大家留言，想到什么就说什么!

原文地址：http://www.chinawebanalytics.cn/kpi_optimization_part1/

在淘宝干了这么多年，这是我在骨子里的想法。我在《玩法变了》书中就一直提到很多公式，电商领域，只要追求利润，那么都可以用一些公式去进行分解。

最简单的例子就是下面这个。（抱歉我是理工科背景，就喜欢推导公式，不过这样清晰一些）

所以，我在对电商和店铺诊断的时候，常常会列出店铺的各种来源和转化，然后去判断每一个步骤的转化和数据是否在正常范围，这样就很容易找到病根。

转化率是追求的重点

上面那个复杂的推导，我们看到的是，无论是流量引导还是在购买，都存在各种转化率。这让我们可以知道转化的步骤。比如，打广告引导流量，我们就要知道广告会展现多少次，然后广告点击率就是到店的转化，然后，这群人会不会购买也不一定，就会产生购买转化率……

所以这些都是一条链上的信息。有一环出问题都会不正常，比如点击率很高的时候，往往就是骗点击了（如性感小裤裤），那必然导致到达页面的转化率降低。

对于电商们在努力的东西，却常常走偏，比如他们会降低客单价，提高展现数量，这其实并不能保证利润。有人说，这叫打市场，我一直想说，不赚钱玩什么电商。

话说回来，我认为电商追求的重点，毫无疑问应该是“转化率”，在各个环节转化更高，才有真正的意义。

转化率必须分清谁转化到谁

经常有人问我，他们的转化率2%怎么样，我每次都问回去“谁到谁的转化？”所以，一定要分清楚，既然是“转化”，就一定有从A到B的变化，是B除以A。

而对应的B，一般是一种行为，比如购买，比如注册。

我们拿淘宝来说，淘宝本身的站内转化有很多种，最常看的就是下面几个。

这是典型的淘宝浏览路径，所有的转化都是在一个路径上去算的。这里面就有几个转化。

• 每天到淘宝有几千万人，其中购买了几百万单，所以全站的购买转化率在5%-10%吧。
• 同时呢，淘宝运营看的是从各自搜索和类目页、活动页面进入之后产生的购买，“购买UV / 进入类目和活动的UV”就是类目和活动的购买转化率。
• 淘宝通常说的“类目转化率”还有一个算法，就是“购买UV / IPV_UV”，就是看过这个类目商品详情页的人里面，有多少个人最后购买了。比如女装类目，转化率就在6%左右。
• 店铺看的就更不一样了。看的是100个人点到店铺或者店铺的商品，几个人买了。这个比例就千奇百怪了，不同类目不同水平的卖家，差距很大。别人家的转化率也是卖家们互相打听的重点。

所以，一定要分清楚，谁转化到谁，不是同样路径的转化率，对比没有意义。比如你拿广告点击转化率和店铺购买转化率比谁高，就没意义。

对转化率的分解，决定运营方向

转化率分解，我直接用我们蘑菇街这样的网站举例。因为年底给同事分解任务的时候，正好整理过下面这个图。

图中可以看到，蘑菇街的浏览-购买路径，存在“在蘑菇街逛”和“去淘宝买”两个部分。

• “在蘑菇街逛”的部分，用户从各种渠道进入首页或者推广页，进入瀑布流的图墙，这是第一步转化，基本是100%都会进瀑布流。
• 然后用户看到很多分享的商品，翻着翻着，看到自己喜欢的点进去，进入详情页面，这是第二步转化。
• 进入详情页面，判断信息觉得确实不错，点击“购买”，跳入淘宝，这就是第三步转化。
• 到淘宝之后，购买，这有第四步转化，到淘宝后的购买转化率。

所以，整站的购买转化率就很容易算，四个转化率相乘就行了。

把这些列得这么详细，为了什么呢？是为了给大家分享我们在运营方向上的努力。

回到本质，蘑菇街这样的商业网站，为的是解决用户“买什么”的问题，最终是希望用户能够产生购买的，对吧？那么，整站转化率就很重要。如果现在每天100万人，整站转化率是4%，那就是4万单啊。

于是，我们把“整站转化率”的任务分解掉，去想办法提高所有环节的转化率。

• 要提高进入蘑菇街的用户到图墙页的转化率，需要增加内容的引导，让用户很容易点到图墙里去。
• 要提高图墙页转化率，就必须让图墙上的商品够新，够好，够招人喜欢，还要考虑各种让瀑布流动起来的机制、推荐的机制等等。这地方要是象论坛一样靠置顶和编辑推荐，肯定不靠谱啊。同时，要考虑给用户“意犹未尽”和“愿闻其详”的感觉，吸引用户点进去看详情。对吧？
• 要提高详情页到淘宝的转化率，就一定要在这个页面之前就赢得“喜欢”，菇凉们基于喜欢，再产生购买的可能性就大很多，然后让菇凉觉得在这比较放松和有社群感（比如有讨论）。然后，一定要把我们最想让她干的事儿做成明显的按钮，那就是“购买”。还有别忘了，这可能是单一用户访问路径上在蘑菇街的最后页面，我们不能让用户关掉，所以在页面下面接着上图墙，就是留住用户的方法。
• 提高到淘宝之后的下单率，就不是我们能直接控制的。所以蘑菇街必须在菇凉点“购买”按钮跳到淘宝之前，就让用户“已经想好了”，去淘宝只是去“交钱”的。虽然这个很难，但这个转化率提高至关重要。

看出蘑菇街这样的网站做的事儿了吧？就是想办法提高各种转化率。我们的运营团队每天做的事儿，就是用各种机制控制用户在图墙上看到的商品质量，让更多人点“喜欢”和看详情，然后促成在详情页“下定决心”。

结果呢？可以分享的数据是，蘑菇街目前点到淘宝去之后的购买转化率（就是最后一步那个）平均达到8%，个别类目更高，超过淘宝类目本身。

究其原因，就是因为这里是“基于喜欢的购买”，点到淘宝商品详情页的时候，菇凉已经基本很想买了，去淘宝是“验证”自己的喜欢，而不是“挑选”。

结合引导到淘宝的转化率35%左右，综合下来，蘑菇街的整体转化率会在3%上下。

上面这一大段很像软文。那是因为我没别的案例来讲，就说自己了。更是因为研究自己比研究别人来的实际和有底气。

—————–

说实话，在淘宝工作，一直在站内研究各种转化，我们习惯了淘宝的逻辑，也熟知了各种公式。所以一般的数据瞒不住我。

而来蘑菇街，能够从“为淘宝引导成交”的“淘外”角度去看，用户浏览和成交不在一个地方，转化率的概念又不一样了，这就更有趣了。

我对转化率的看法，总结起来三点：

1. 这个领域，千万不要吹牛，很容易算的。
2. 虽然有公式，懂行的还真不多。
3. 分解转化率，很容易找到努力的方向。

＊特别叽歪：经常被问蘑菇街和淘宝的结合太紧密的问题，我的看法是面对现实，现实就是成交在淘宝，“全网营销，淘宝成交”不是很好么。再说，这不是叫“淘宝生态系统”么。

来源：http://www.panghufei.com/?p=10869