提升運營轉化率只需這5個步驟

現在不少數據分析平臺都有提供可以直接看到漏斗模型轉化率的工具，看起來非常直觀。

如果對于優化時先做什么具體怎么做不清楚的話，就很值得按照轉化率提升的這5個步驟進行一次認真的分析。

1. 定義核心目標

做任何事定義清楚核心目標非常關鍵，目標不清導致行為不清晰。

是要提升轉化率，還是提升ARUP值？

是要提升復購率，還是要加大復購頻次？

是要提升利潤，還是提升銷售額？

別告訴我都要提升，在不同的產品生命周期，是會有不同的運營重點的。

有的運營人員，對于提升轉化率，東一榔頭西一棒子感覺很辛苦，卻總沒什么成果，就是因為目標不清。檢驗行為是否有效的唯一標準，就是看核心目標是否提升。

2.畫出核心流程

這步是整個5步中，最關鍵的一步，也是很多人所忽視的一步。很多人理所應當地認為，產品我們每天都在運營，流程我還能不清楚嗎？其實不然，雖然我們很熟悉，不親自動手畫出來，就總會少一些清晰的視角。就像我們知道世界地圖長什么樣，當你設定路線的時候，對著地圖看會很清晰一樣。

看到這里，你可以拿出一張紙，把你運營的產品，核心流程畫一下，這一步很重要。

另外，可以多畫畫其他家產品的核心流程，你就會對用戶流程很有感覺。

有了核心流程之后，我們就能很清晰地看到，用戶的走向，相當于已經把用戶的漏斗模型建立起來了。

3.列出影響因子

這一步把你能想到的所有可能影響流程中用戶發生變化的因素列出來，并寫出來放到流程下。

窮舉你可能想到的所有因素，你可能會有寫漏，但沒關系，試試這兩個小技巧：

A. 自己模擬用戶的整個流程，把從產生想法到最終流程結束，想到都寫下來

B. 再試著去模擬體驗競品的流程，也會有想法記下來

4.添加影響權重

上一個步驟中，你很可能已經寫出了一系列非常多的因素，他們對于結果的影響是不一樣的，這時你需要將他們之間的不同用數據化的方式表現出來。

有的人可能會困惑，這種影響不是確定公式也不是線性變化的，怎么用數據化影響權重呢？

舉另外一個例子，金融家需要知道油價是否會下跌，找了一群戰略專家來預測，二十個專家各自寫了一份報告，有的高歌必漲，有的看衰，有的專家則有保留意見，每個人論述的角度也不盡相同，聽完一頭霧水，還是不知道會漲會跌。

這時候最好的辦法，就是讓專家集體討論出認為最可能影響油價的20個因素，比如“新中東戰爭是否會發生”“美聯儲貨比寬松政策”等，并將這些因素進行分級，超級大影響，有大影響，有影響，小有影響四個等級，并給四個等級4個權重4、3、2、1，每個因素發生的概率也分4個等級 90%，70%，40%，20%，然后讓專家每個人列出20個因素可能發生的概率，最后加總平均得到的結果，就非常有參考價值了！

厲害吧，這一步驟，是數據思維的一個很好體現。上一篇文章分享過數據思維習慣對運營很有價值，有興趣的可以回看。

對于我們的轉化率優化來說，我們也可以給這些因素加上權重，即使這些權重是我們主觀加上的，但因為數據化之后，也會比全部靠感覺分析更靠譜一些。

5. 逐個優化因子

上一步驟添加完影響權重之后，做一個影響程度排序，就能看出那些有最有影響的因素，接下來就照著這些影響因素照著逐一優化即可。

補充一點，由于有些產品流程中， 在產品端的過程比較簡單，而在用戶的心智流程比較復雜，這時候在寫流程的時候，可以把用戶的心智流程也加上去。如果你對用戶心智流程一時揣摩不清楚的話，也可以參考一下AIDA模型。