Cong Ling Kai Shi Zuo Yun Ying - Zhang L

　　·点击：用户会在页面上随意点击，包括网页上的广告、按钮、图片、链接。

　　·注册：用户可能会点击首页上的注册按钮或者注册链接，进行注册。

　　·登录：用户可能会点击首页上的登录按钮或者登录链接进行登录。

　　·蹦失：请注意这个词的定义，蹦失不等于跳出，蹦失是用户直接离开页面或者关闭浏览器。跳出是离开这个页面，在正常流程中，用户也会跳出，不一定是蹦失。

　　图5–2

　　·操作：用户可能点击进入查看商品的列表，也可能点击查看商品的详细介绍，还有可能决定下单、付费。

　　单独把这些拿出来看，意义不大，它描述了一个用户进入首页之后的所有动作。我们可以根据这些动作，去了解用户是否喜欢这个电商网站，用户在哪些地方遇到了阻碍，这些地方是否可以改进，用户转化情况如何，是否可以优化相关流程等。

　　这是数据给产品层面的提示，那么运营层面可以据此得到哪些提示呢？

　　详情页转化率

　　首先，电商平台的运营人员要关注什么？第一点和绝对值相关：订单量、客单价；第二点和百分比相关：转化率。

　　那么，转化率是怎么来的？转化率有几个层面的不同定义：

　　列表页转化率=最终下单用户数/商品列表页到达用户数

　　详情页转化率=最终下单用户数/商品详情页到达用户数

　　支付转化率（支付成功率）=支付成功的用户/最终下单用户数

　　对于电商平台来说，支付转化率是不可控的，列表页转化率也很难控制，详情页转化率是唯一可控制的。所以，不管是淘宝还是京东，商户都非常在意详情页的设计和内容展示的方式，而电商平台都在浏览路径的畅通和评论系统的丰富上发力。这就是运营人员或者产品人员剖析数据产生的结果。

　　首先，如果详情页转化率不高，运营人员会关注停留时间和内容呈现的关系。如果内容呈现有问题，用户停留的时间就会过短或者过长：过短是因为页面内容不丰富，也可能因为内容包装对用户没有吸引力；过长则是因为用户看不到重点，并且用户下次停留时间可能会变短，因为用户实在没耐心看——这个时候，页面的蹦失率就会变高，而不是跳出到支付环节。

　　我们随手在淘宝搜索一下“连衣裙”，选一个很多商家都在卖的款式，然后我们来看一下销量最高和销量最低的两个详情页。

　　销量最高的详情页是这样的结构：

　　· 视频展示+优惠券

　　· 店内优惠推荐

　　· 商品的官方小编评价

　　· 商品相关信息以及细节展示

　　销量最低的店铺的详情页第一项展示就是参数，并且使用了非常模糊的图片，给人一种盗图和山寨的感觉。

　　商家对待页面这样不用心，销量低的原因就不言而喻了。

　　除了详情页转化率，商户和平台还会比对不同商户的同类商品的转化率，以确认究竟何种内容呈现更利于促成下单，最后，会得出结论，有针对性地加以改善。

　　用户推荐

　　其次，另一个在电商平台常见的现象是为用户做推荐。比如我们经常会看到的淘宝“猜你喜欢”这个栏目以及亚马逊的个性化推荐。

　　图5–3

　　资料来源：淘宝平台的“猜你喜欢”

　　图5–4

　　资料来源：亚马逊基于用户浏览过的商品所做的相关商品推荐

　　如果这些推荐不是随意提供的，那么它们是如何出现的？这里有两种比较简单的做法：根据用户的浏览历史进行相关性推荐；根据同类用户的购买历史进行协同过滤。

　　推荐的具体算法我们不讨论，我们只讨论运营的逻辑。

　　相关性推荐的运营逻辑是这样的：因为某个用户浏览了一件商品，所以向用户推荐同类的其他商品。比如，用户看过牙刷，所以推荐给这位用户有关口腔护理的商品，譬如牙刷、牙膏、牙线等。

　　图5–5

　　而协同过滤的运营逻辑虽然略复杂，但也比较简单。简单地说，就是让相似的用户模型购买过的商品被互相推荐，而不具共性的用户模型购买过的商品被过滤。比如，一位女性用户买过连衣裙，另一位女性用户买过打底裤，而她们年龄相近，所以系统会为买过连衣裙的女性用户推荐打底裤，为买过打底裤的女性用户推荐连衣裙，但不会为另一位未购买过连衣裙和打底裤的男性用户推荐这两款商品。

　　所以，你大概已经有了一个概念：数据需要归类，不同类别的数据需要分门别类地存放和使用，然后找到数据之间的关联与逻辑关系，分析需要归因，对数据产生的现象背后的原因要加以分析和查找。

　　图5–6

　　重现与试错

　　当然，由于用户运营面向的是人，而人的想法难以预测，所以，不管是归类还是归因，最后都需要验证推论的正确性，这就产生了持续运营的总结和归纳，表现到行为上，就是重现与试错。能够确认的归因就重现，不能确认的就试错。通过这两种方式，用户运营人员就能以较高的高度和较宏观的视角，去看待和了解用户。

　　数据还可以帮我们描绘用户可能是什么样的人。比如，App上有一个用户A，一直不注册，但是一直用唯一的一台设备打开某个UGC社区。数据显示：A在最近30天关注了：求职、互联网、产品经理、移动互联网。

　　那么，我们可以推测，A可能是一个正在寻找移动互联网和互联网产品经理职位