其他
竟然不知道用户细查，难怪你的用户转化率还在降低！
我们每天都会遇到各种转化率的问题，如电商行业关注的购买转化率、网站的注册转化率等等，其中很多运营者都会遇到转化率低的问题。那么如何解析背后的原因，下一步又该做什么呢？面对这些问题，我们又该如何去思考。
大家平时会从很多渠道获得很多看似“完美”的解决方案，那些方案看似很美，是不是真的有用呢？很多时候，问题和答案是不可复制的；一个方案在这里适用，但是在别的地方不一定适用。
所以，我们真正需要的得到完美解决方案的思路，不仅仅是解决某一个问题的方法，而是如何思考的过程。
今天我们将用“如何提升顾客转化率”这个问题来更好解释阐释这个方法。
一个看似合理的问题，你不一定理解它的本质。很多人都会忽略这一步，虽然简单，但至关重要，它决定了后面我们能否一步一步地找到解决方法。
在这个过程中，我们可以问自己一些问题，帮助我们更好的理解问题。比如：这个问题是什么，如何定义，具体是什么，是否能描述出来。对行动有什么指导性的意义。
以“活跃度”为例，什么是活跃度？如何定义活跃度？
到底是用户来过你的网站就算活跃还是需要使用某些特定的功能，还是用户访问的时长？事实上，这些都有可能。对于电商网站来说 ，用户活跃度一般指用户浏览商品个数；对于人力资源SaaS行业，用户活跃度一般指浏览和下载简历的个数；对于内容类社区，用户活跃度一般是浏览和访问时长。
理解“用户活跃度”的最终目是提高转化，与核心转化路径联系起来，形成浏览商品——点击购买——付款成功的完整路径，确保我们在一开始就走上了能产生有效结果的道路。
第二步：问题空间的分类
在理解你的问题的基础上，我们需要对问题进行分类，分类处理。
以SaaS企业客户签单为例。用MECE就客户签单问题进行分类，就成为新客户签单和老客户续单两类问题。这样一来，问题就明朗了。
第三步：假设检验
在每个问题分类上充分调动你的行业神经，提出合理的假设，运用可靠的数据和有效的工具进行检验。在这个过程中，我们可能遇到很多个分类，每个分类有很多的假设；有的时候我们需要用行业经验对假设进行优先级排序，优先处理那些可能对结果产生巨大影响的问题，在全面性和有效性中做出权衡。
第一步：理解问题，什么是转化率
在这个案例中，转化率是完成支付的人数 除以 进入订单页面的人数。为了提升转化率，只能是增加完成支付的人数，也就是减少支付页面的客户流失率。这样一来，提升转化率的问题变成了如何减少流失率的问题，问题的根源也就明细了：客户在支付页面流失的原因是什么。
第二部：问题空间分类，客户流失原因的类别
客户为什么会流失？
客户主动离开的情况，有两种可能。一是产品和用户需求不匹配，导致客户没有完成支付意愿。二是产品需求和用户匹配，但是客户最终也没有完成支付，这是我们需要优先关注的。为什么产品和客户需求是匹配的，最后客户还是没有完成支付呢？
有没有可能是我们的支付页面设计的不够友好呢？带着这个猜想，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，用借助“用户细查功能”
我们选取了一个未完成支付的客户，借助GrowingIO的“用户细查”功能（内测中）来详细观察这位客户在该商城上的轨迹。
通过GrowingIO的“用户细查”功能，我们不难发现，客户每次都在支付页面退出，然后又重新选择新的旅游商品。业务人员结合实际，不难理解：客户选择旅游商品是一个反复的过程，包括旅游时间、酒店套房、交通安排、参观景点等等。客户在提交订单后容易再次更改自己的选择（可能受到亲朋好友的推荐或者考虑到新的因素，跟我们在网上买东西是一样的道理），如果订单的支付页面无法修改订单内容或者返回上一页修改订单，用户最终会放弃支付或者直接退出，导致支付转化率过低。
验证了之前“支付页面不友好”的假设后，下面就是技术人员改进页面的工作了，后期继续观测支付转化率数据，进一步优化网页设计。
首先要结合业务场景具体定义你的问题，然后利用MECE分析方法给问题分类，提出相应的假设，根据经验对不同问题假设进行优先级排序，优先处理重要的问题。最后，借助可靠的数据和有效的工具，对假设进行检验。
* 本文根据3月8日GrowingIO网络公开课第四期内容编辑整理，作者是GrowingIO商务分析师郑平原。
GrowingIO是新一代用户行为数据分析平台，如果你是以下三种人，关注我们，点击文末阅读原文，免费注册：
如果你是数据工程师，却在不务正业配置地埋点代码，点下方阅读原文，立刻减少加班；
如果你是产品经理，但是不知道如何分解KPI等指标，点下方阅读原文，精准识别用户；
如果你是业务主管，苦恼于销售额和占有率增长乏力，点下方阅读原文，让客户高效下单。