“漏斗原理”其实在很多领域都有涉及和应用，比如销售行业的销售漏斗。在SEM中，漏斗模型是最重要的一个模型，也是日常分析问题最主要的思路。SEM的漏斗模型主要以用户浏览或使用过程划分，对应搜索营销的各个环节，构成要素分为以下：
1、展现量
展现量即关键词展现在用户前的次数，是漏斗原理的第一层。
影响展现量的因素主要分为3个：账户整体设置、关键词、网民搜索量。在账户整体设置方面，账户的投放地域、时段对展现影响较大。投放地域多、全天投放，账户的展现自然就高；在关键词方面，影响最大的是关键词的匹配模式。在百度搜索推广中，匹配模式主要分为广泛、短语-核心、短语-同义、短语-精确、精确5中，匹配模式越宽，展现越大；此外就是关键词的排名和数量。
2、点击量
点击即网民看到搜索推广后的点击次数。
影响因素主要分为2个：关键词、创意。关键词的排名是影响点击量的主要因素，此外，关键词的展示样式也是很大的一个因素，如闪投的点击率一般会高于普通创意（可见颜值的重要性）。创意方面，流畅影响链接对网民的吸引程度。创意还与账户的结构有关，因为创意以单元为单位，账户结构越合理，单元的关键词越相像，创意也就越流畅。
3、访问量
访问量即网民到达网页的次数，此时已经脱离SEM范围，主要与网页的网文时差、UI有关。
4、咨询量（注册量）
对于一些行业来说，这一层为咨询量，如教育行业的访问咨询，其他对于搜索推广的目的是用户注册的公司来说，这一层级即为注册量。
影响网民注册的因素主要有：loading page。其他如网页的访问时长等已经脱离了SEM的范围，而loading page是SEM所需要优化的。
5、订单量
订单量靠的是产品或者销售了。
以上是SEM中的漏斗原理，用户随着漏斗的层级一层一层流失，为了最后的订单量（或者注册量、咨询量）足够多，需要把从展现开始的每个层级尽可能做大，并且减小流失率。
在操作账户过程中，总会遇到各种各样的问题，这些问题很大一部分都需要用漏斗原理来思考和解决，因此对漏斗原理的一些过程指标以及他们到底对应我们日常数据中的哪一项、最终的影响结果是什么都需要掌握，这样在账户有问题时，才不至于无从下手纸上谈兵。
按照漏斗原理（这里以app注册推广为例），在转化过程中需关注的过程指标有：点击率、点击注册率、买单率，在推广的结果中需关注：ACP、注册成本、人均付费。
1、点击率
点击率=点击/展现
影响点击率的因素即为影响点击与展现的因素。主要分为关键词排名、创意质量度。关键词排名越高，点击越多；创意质量度越高，越吸引用户点击。
落实到优化措施中，提高关键词排名则需要调整关键词的质量度和出价；提高创意质量度则通过修改创意，让创意中的通配符与单元里的关键词更加吻合。
2、点击注册率=注册/点击
点击注册率是考量投放效果好坏的一个重要指标。影响的因素主要有关键词匹配方式、loading page、网页访问速度。其中网页访问速度不是投放人员所能控制，因此先不说；关键词的匹配方式影响所带来的搜索词，匹配方式越宽泛，带来的搜索词越多越杂，引起了无效点击；loading page的UI和内容是否能引导用户进行下一步的动作，对点击注册率也有很大的影响。
落实到优化措施中，通过查看搜索词报告和关键词报告，来进一步优化关键词的匹配方式，让流量更精准的流入到各个关键词中；对于loading page，则通过A/B test来测试不同页面的注册率，优选注册率高的。
3、买单率
买单率=买单人数/注册人数
买单率其实代表投放的准确度和用户质量的高低，投放越精准，带来的用户质量越高（即为目标用户），则买单率自然不会低。所以我个人觉得这是一个衡量投放整体情况的指标。当买单率较低时，因为搜索账户目前没有定向方式，因此可以看注册用户的用户属性，通过调整用户属性来优化投放。
4、ACP
ACP就是平均点击价格，ACP=消费/点击次数
当ACP提高时，不可避免的注册成本就会提高，因此ACP可以说是注册成本的另一种形式的表达。如果账户中ACP提高，但注册成本并没有多大变化，那么账户中一定有注册成本很小的词存在。这也给投放优化带来了一点难度。
ACP的影响因素有：关键词出价、其他竞争对手的关键词出价、关键词质量度。在百度搜索推广中，关键词的点击成本有一个计算公式，公式里包含的因素即为上面罗列的这三个。
5、注册成本
注册成本=消费/注册
注册成本是搜索推广中非常重要的一个指标，成本的高低直接影响最后的账户回本。注册成本的影响因素比较多，也比较复杂，因为注册成本是一个综合性的指标。
影响注册成本的原因可能有：ACP、点击注册率。因此可根据ACP与点击注册率的影响因素进行调整。
在投放过程中，最主要的是有一个思考的逻辑，发现问题，接着一步一步分析问题，找出影响因素后，再对应到数据指标中，由数据指标最后对应到优化操作。
漏斗模型作为数据分析的一种常用方法，主要作用于流程的分布分析，比如用户的登录注册流程、电商的下单支付流程。漏斗模型虽然看似简单，但是能够有效的帮助我们定位问题，是一种很有效的基础分析手段。
具体的实操可以分为五个流程：
选择时间 。首先我们需要确认数据的时间范围，漏斗模型是属于纵向分析，因此要根据产品形态定义好想要的时间范围，尽可能剔除特殊时间，比如分析日常的订单转化率，就要剔除掉促销活动期间的数据。
样本规模 。样本的规模会导致结论的偏差，反推大数定律，少量的数据是很容易造成误导的，因此要确定好样本的规模，社会心理学中说大约2000人就能有较为准确的结论，这一推论仅供参考。大部分C端产品的样本规模应该不是问题，B端的人数较少，就需要慎重考虑下样本规模的影响了。
建立模型需要确定几个字段：层数、指标、事件名称、事件ID、衡量方法。
层数 其实也就是流程有几步，这个是和业务息息相关的。
指标 主要是流程的命名。
事件名称 和 事件ID 。这个要结合具体的打点规则，我个人是需要通过事件名称和ID来进行检索回溯，确保这个事件的数据不会有歧义。
衡量方法 。有些数据是公司内部分析，有些可能是第三方分析工具，比如友盟，不同的数据来源统计方式是会有差别的，防止在进行回溯的时候会对数据的来源不清楚。
这个是所有数据分析必不可少的一步，因为在实际过程中，可能有各种数据问题，比如事件选错了、同一个事件没有区分来源、数据统计有误等等。一切的数据分析都是建立在数据准确之上，可以根据事件名称和ID来进行校验，如果发现异常及时去和开发确认问题。
之前的一切准备工作做好后，就可以直接套用漏斗模型进行分析了，在形成图表之后，需要思考一下几个问题：
确定基线 。设计尚未改动时统计数据就是基线，是改进的参照点。我们需要收集长期数据来确定基线，防止意外数据波动的影响。
分析用户流失 。数据展示相关性，具体的因果性还要深入到业务中去思考，比如文案提示是否合适，UI交互是否合理，跳转步骤是不是反人类等等，可以观察用户使用、做用户调研等方式来发掘问题。
分析变化点 。改进之后，与基线进行校准，对比下效果，尽量减少数据波动以及其他因素的干扰。如果数据明显得到提升，那么恭喜你改动是正确的，相反就要重新考虑设计方案。
改进方案 。如果分析完后，发现还有提高的空间，可以记录进一步的方案，做二次分析优化。每次的改动尽量少，这样才能更加准确评估每个设计改进点的效果，小步快跑的持续改进会更有利于方案的优化。
在进行分析完毕后，同样要对模型进行优化，一方面不同的模型应该在不同的业务形态中不断变化达到最适合的状态，另一方面在之前的分析中可能粒度太粗，需要进一步细化。
比如说，我们在注册环节流失率很高，之前的模型只是记录了注册成功的点，但是注册本身还分为很多环节，比如忘记密码、第三方注册，输入账号密码等等，拆解出更加细节的环节，配合小步迭代，能够对每一个细节都了如指掌，就不会出现拍脑袋或者懵逼的状态了。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）