电商网站 漏斗图是一个适合业务流程比较规范、周期比较长、各流程环节涉及复杂业务过程比较多的管理分析工具。通过漏斗图可以非常直观地发现业务流程中存在问题的页面或环节。B2C类网站中某些关键路径的转化率就是一个例子，它不仅能显示用户从进入网站到实现购买的最终转化率，同时还可以展示整个关键路径中每一步的转化率。如下图，下面结合实操，跟大家一起探讨这个图的实现过程，我当初研究了好一阵子才琢磨出来的，期望对跟我这样级别的童鞋有用啦。

 

       一开始看到别人做出这样的图时，我各种崇拜。其实多做几遍之后发现还是挺简单的。

 

       在原数据表中建一列，作为占位数据，另外，算出每环节的转化率、总体转化率，公式如下：

       第N环节占位数据=（第一环节进入人数-第N环节进入人数）/2

       第N环节转化率=第N环节进入人数/第（N-1）环节进入人数

       第N环节总体转化率=第N环节进入人数/第1环节进入人数

 

       选中原数据的人数和占位数据两列，插入堆积条形图，则出来如下绘制效果了。通常我们从总体到分部自上而下的顺序来排，将关键环节居中对齐。那么，可以在纵坐标轴右键“设置坐标轴格式”，勾选“逆序类别”，然后图表上右键打开数据源，在“图例项”中点中“人数”一项，单击“下移”按钮，“确定”，这样“倒三角”模型就出来了。

 

      再把图标中的占位数据条隐藏（在红色条形图上右键“设置数据系列格式”，将填充剂边框设为“无”即可），把图例、网格线都删掉，漏斗图就出来了； 图中的数据可通过一个宏定义的工具JWalk Chart Tools来进行添加（百度一下即可，有教程），漏斗的外框是“插入”->“形状”->“任意多边形”，再把颜色调一致即OK。而每环节的转化率可以通过在左侧添加“向下箭头”形状，并在箭头中插入文本来实现。由于第一环节转化率仅40%是各环节最低，因此用浅绿色标明，这样重点也突出一些。

       其实，单一的漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。需要通过对比分析，对同一环节优化前后的效果进行对比分，或对同一环节不同细分用户群转化率比较，或对同行业类似产品的转化率进行对比等等。当然了，漏斗图不仅能体现出用户在业务中的转化率和流失率，还可以告知我们各业务在B2C网站中的受欢迎程度或重要程度，通过不同业务漏斗图的对比，可以找出受欢迎程度的不同，发现隐藏在其中的业务问题。

 

 

电商网站漏斗分析的一般流程是明确分析目标，确定数据指标，建立分析模型，收集处理数据，数据解读及建议。本篇重点介绍用购物车漏斗模型分析：

一、明确分析目标

订单转化是电子商务网站的最终目标，购物车流程是影响用户订单转化的重要环节。本篇的分析目标是要找出购物车哪些因素影响订单转化，并提出行动建议。

二、确定数据指标

数据指标依附于网站分析工具，本篇使用Google Analytics。购物车流程涉及到的数据指标包括：访问者Visitor、渠道转化率Funnel Conversion Rate、目标Goal，另外也涉及到其他一些概念，比如必要步骤Required Step、进入路径和退出路径。

1.访问者Visitor：即网站访问的人，Visitor与Visit相对应，关于Visit的定义请见蓝鲸的Google Analytics中的基本度量二 “访问次数”。

2.渠道转化率Funnel Conversion Rate：渠道转化率的定义为完成渠道的访问者与渠道第一步访问者的比例。笔者的购物车一共有三步，渠道转化率=（购物车第三步访问者人数/购物车第一步人数）×100%。

3.目标：希望用户完成的事件或网页目标。笔者的目标页面是订单成功提示页。

4.必要步骤Required Step：必要步骤用在定义渠道过程中，是指完成目标必须经过的步骤。这里的必要步骤即“我的购物车”和“填写订单详细信息”。

5.进入路径和退出路径：用户进入购物车和离开购物车的路径。

PS：必要步骤只会影响渠道可视化的目标完成数据，对Google Analytics其它报告没有影响。换句话说，只有经过必要步骤的用户行为才能被统计在目标完成的数量里面，如果一个顾客没有经过必要步骤而完成了目 标，这次转化不会被记录在渠道可视化的转化报告里，但是会记录在网站整体目标转化里面。

三、建立分析模型

Google Analytics已经提供了漏斗模型，我们只需要进行相关设置即可。笔者电子商务网站漏斗模型的主要设置如下：

1.目标类型是URL Destination。

2.匹配类型是Head Match，因为网站是用JSP写的，URL中会带有标识参数，因此适合使用前端匹配。

3.目标网址即订单成功提示页/visit/order/cy_shopping_success.jsp。

4.渠道可视化必要步骤填写/visit/order/cy_shoppingCart_new2.jsp和/visit/order/cy_sendInfo_new.jsp，并勾选Required step。

四、收集处理数据

接下来需要处理收集到的统计数据，比如去除测试订单、恶意订单等。如果是可预见的内部测试订单，可以通过GA的setCustomVar参数过滤， 如果是外部不可预见的恶意订单，就需要手动过滤。谷歌分析师Funnel Visualization中可以看到漏斗模型数据图表，但是并不直观。我们将数据导出处理，处理后的数据图表如下：

五、数据解读

图表中主要元素说明：红色部分代表漏斗模型中各部分的成功进入下一步的访问者，灰色部分是流失的访问者，在每步之间的灰色示例显示了退出路径。

解读整体

购物车渠道转化率：123/（203+306）= 24.2%。这个数据到底处于什么层次？根据艾瑞2010年第一季度对京东、当当、新蛋、凡客、红孩子等大型电子商务网站的统计数据，购物车流程的转化率 在23.08%-57.33%之间。我们网站24.2%的渠道转化率属于比较低的水平。

 

解读局部

我的购物车页面退出路径分析

1.直接退出页的访问者占35%，是退出最多的路径，直接退出没有明确的提示信息，下面再集中分析。

2.我的购物车页面本身退出较多，证明页面本身被刷新。刷新的原因有两种，一是用户主动刷新，可能由于页面加载速度慢，导致页面元素加载不全；二是用户被动刷新，页面存在自动刷新设置。

3.首页退出，证明购物车有通向主页的链接，分散了用户的注意力。

4.登陆页和注册页退出，登录和注册页面退出较多说明网友对网站登录注册页面体验不好，或者对一个新网站品牌的认可度不高。

填写核对订单信息退出路径分析

1.直接退出的访问者依然最多。

2.优惠券页面退出，说明这个页面存在问题。

3.首页退出，也存在分散用户注意力的问题。

整个购物车转化过程中，直接退出访问者比例最大，可能存在的因素包括：

1.安全问题。网友对新网站缺乏信任感，不愿意透漏个人资料、支付信息。

2.运费问题。网友普遍对运费问题比较关注，京东现在基本全场免运费，网友在体验这种服务之后，就会感觉免运费或者低运费是应该的。

3.价格因素。价格高或者仍然没有明显优势。

4.暂存商品。部分顾客可能把商品暂时放在购物车，日后再登录购买。

5.付款和快递因素。顾客找不到合适的付款和快递方式，无法下单。

6.找不到客服帮助。顾客在购物车流程中遇到问题，但找不到相应的帮助说明或提示信息。

六、行动建议

所有的网站分析工作都是为行动提供参考，以下是几个基于购物车漏斗模型分析的行动建议：

减少页面加载时间

优化购物车流程页面，降低页面加载时间，主要途径是减少DNS请求、优化页面代码、缩小文件体积、优化服务器等。通过CSS图片拼合、CDN、减少 cookie请求和体积等方式减少DNS请求，去除注释和空格、使用头CSS底JS、减少重定向、替换信息类动态查询参数，将图片、JS、CSS以及页面 压缩，同时设置服务器缓存和浏览器页面缓存，提高加载效率和执行效率。

优化页面功能体验

检查购物车流程页面导出链接，去除可有可无的链接，减少分流。

购物车每一步都增加信息提示和解释功能，同时考虑在购物车流程中加入客服电话。

对比凡客、京东、欧酷、亚马逊、当当等知名电商网站，对比登录和注册页面设计和功能，提高登陆注册页用户体验，比如自动登录、手机登录、用户名记录等。

增加可信任要素

增加可识别的第三方安全认证。

使用第三方支付平台，支持货到付款。

增加网站专业性，专业的商品介绍、网站设计、客户服务都是网站专业性的体现。

降低商品和运费价格

免运费或降低运费门槛。

通过促销、优惠券、赠品等形式，直接或间接降低产品价格。

丰富付款和快递方式

付款方面。支持主流的支付宝、银联、财付通、快钱、汇付天下等在线支付，支持邮局汇款、公司转账等，对接手机支付等新兴支付方式，支持货到付款。

快递方式。目前我们通过第三方快递送货，尽量多支持联邦递、顺丰、宅急送、申通、韵达、天天、圆通、汇通、EMS等，为顾客提供多个可选空间。

促进暂存商品再购买

针对这部分顾客，需要营销部门及时发送EDM、手机短信等提示顾客再购买，配合一些限时活动、定期广告等促进顾客下单成功。同时，网站必须支持cookie存放顾客购物车商品信息和浏览记录。

提出行动建议之后，就需要和相关部门沟通并配合落实。同时要记录好修改事件，方便日后数据对比和持续优化。