本文摘要：摘要：網站分析中很重要的部分是關鍵路徑的轉化率分析;分析過程主要為：確定分析的關鍵路徑，收集數據得到關鍵路徑中每個路徑的人數以及各個路徑間的轉化率，最后用漏斗模型清晰的展示結果，從整體了解的關鍵路徑的設計是否合理，各路徑轉化的優(yōu)劣，是否存在
摘要：網站分析中很重要的部分是關鍵路徑的轉化率分析;分析過程主要為：確定分析的關鍵路徑，收集數據得到關鍵路徑中每個路徑的人數以及各個路徑間的轉化率，最后用漏斗模型清晰的展示結果，從整體了解的關鍵路徑的設計是否合理，各路徑轉化的優(yōu)劣，是否存在優(yōu)化的空間等。
關鍵字：優(yōu)化;登錄轉化率;關鍵路徑;電子核心期刊
1 引言
網站分析中很重要的一部分就是網站的關鍵轉化路徑分析，很多的網站分析師在這一方面都傾注了大量的時間和精力，盡最大的努力尋找最優(yōu)的轉化路徑， 因為優(yōu)化關鍵轉化路徑相當于提高轉化率，進而提高網站收益。所以，尤其對于電子商務網站或者付費服務網站而言，關鍵路徑的轉化率分析尤為重要。
在大多數情況下用戶的訪問路徑隨意的，無序的，用戶在訪問一個網站時可能會經常使用后退、返回主頁或者直接點擊某個鏈接等，不同用戶訪問路徑的重合度可能只有1%，分析這些無序的路徑是毫無意義的。所以，我們要分析的是網站中的一些關鍵路徑(Key Path)，即用戶是為了某個目標而進入了一個相對標準的有序的路徑，用戶的目標就是為了到達“出口”，而不是隨意游蕩。如電子商務網站的注冊流程、購物流程，應用型網站的服務使用流程等。
2、漏斗圖模型
漏斗模型指的是多個自定義事件按照一定順序依次觸發(fā)的流程中的量化轉化模型。通常我們會對應用中的一些關鍵路徑進行分析。比如注冊流程、購物流程等。以電商應用的購物流程為例：
1瀏覽商品頁 —> 2放入購物車 —> 3生成訂單 —> 4支付訂單 —> 5完成交易。
我們可以根據這些關鍵路徑來計算每一步的轉化率。轉化率顧名思義，轉化率指的是完成當前事件的用戶中觸發(fā)下一個事件的人數比例。比如某個應用的啟動用戶有100人，其中30人完成了注冊，那么從啟動到注冊的轉化率即為30/100=30%。
以電商應用的購物流程為例各階段的轉化率如圖2-1所示：
圖 2-1 電商購物流程各階段轉化率
該數據對應的漏斗模型如圖2-2所示：
2-2 漏斗模型
漏斗模型適用于某些關鍵路徑的轉化率的分析，不僅顯示了用戶在進入流程到實現目標的最終轉化率，同時還可以展示整個關鍵路徑中的每一步的轉化率。單一的漏斗圖無法評價網站關鍵流程中各步驟轉化率的好壞，可通過對統(tǒng)一環(huán)節(jié)優(yōu)化前后效果對比分析，或通過同一環(huán)節(jié)不同細分客戶群的轉化率比較，或通過同行業(yè)類似產品的轉化率進行對比等等。
3、實例：**網站用戶注冊流程簡化前后效果分析
以用戶注冊流程為例，用戶注冊的關鍵路徑:點擊注冊、填寫并提交注冊信息、激活郵箱、登錄網站的流程為例分析**網站用戶的注冊流程。
收集2012年10月16日-2012年10月19日該網站用戶的訪問日志以及提交信息，統(tǒng)計得到數據如下表3-1所示：
注冊環(huán)節(jié) 人數
用戶登陸 95
郵件激活 297
注冊成功 315
注冊 799
表3-1 優(yōu)化前的統(tǒng)計數據
計算各環(huán)節(jié)的轉化率和整體轉化率，如下表3-2所示。分析得出從右鍵激活到用戶登錄環(huán)節(jié)的轉化率較大幅度下降，查看關鍵路徑后，發(fā)現從郵件激活到用戶登錄之間沒有自動跳轉，而是有一個“馬上登錄吧”按鈕，這個按鈕的存在，可能是導致客戶流失的一個原因。
注冊環(huán)節(jié) 人數 各環(huán)節(jié)轉化率 整體轉化率
注冊 799 100% 100%
注冊成功 315 39.42% 39.42%
郵件激活 297 94.29% 37.17%
用戶登陸 95 31.99% 11.89%
表3-2 優(yōu)化前各階段的轉化率
修改網站結構，對郵件激活環(huán)節(jié)進行優(yōu)化，簡化用戶注冊流程:用戶完成注冊之后，進入郵件激活頁面后，不再需要單擊“馬上登錄吧”而是在郵件激活后自動將用戶導航到登錄頁面，減少用戶點擊操作。重新統(tǒng)計數據，收集2012年10月16日-2012年10月19日該網站用戶的訪問日志以及提交信息，統(tǒng)計得到數據如表3-3所示：
注冊環(huán)節(jié) 人數
注冊 904
注冊成功 380
郵件激活 365
用戶登陸 365
注冊環(huán)節(jié) 人數 各環(huán)節(jié)轉化率 整體轉化率
注冊 904 100% 100%
注冊成功 380 42.04% 42.04%
郵件激活 365 96.05% 40.38%
用戶登陸 365 100.00% 40.38%
表3-4 網站結構優(yōu)化后各階段轉化率
用漏斗圖展示優(yōu)化前后的轉化率，優(yōu)化前的轉化率如圖3-2所示，優(yōu)化后的轉化率顯示如圖3-1所示。
圖 3-1優(yōu)化前的數據 圖3-2優(yōu)化后的數據
從優(yōu)化前后的數據對比發(fā)現，優(yōu)化后從郵件激活到用戶登錄環(huán)節(jié)的客戶流失率降低為零，客戶登陸轉化率得到了較大的提高。
5 結束語
用戶登錄過程雖然簡單，但不當的結構卻導致的了客戶的大量流失，通過對網站關鍵路徑的轉化率分析和結構優(yōu)化，用漏斗模型直觀的展示出網站優(yōu)化前后的各個環(huán)節(jié)的轉化率，對比得出優(yōu)化后的網站的登錄轉化率得到極大的提高。
參考文獻
[1] 陳楊梅.怎樣設計出高轉化率的網站.程序員，2010(07).
[2] 卞保武.影響企業(yè)電子商務網站轉化率因素系列研究之一 影響企業(yè)電子商務網站轉化率的顧客行為因素研究電子商務，2009(7).
[3] 劉明月.基于Web日志的用戶行為分析.北京交通大學.2008年6月
[4] 孫玲.銷售漏斗模型在軟件企業(yè)銷售管理中的應用.湖北廣播電視大學學報，2010(9)
小編推薦電子期刊 《軟件世界》
創(chuàng)刊于1984年，由中國電子信息產業(yè)發(fā)展研究院、北京中電報科技發(fā)展有限公司主辦。計算機科學技術刊物。旨在推動計算機在我國的應用，推動我國軟件產業(yè)的建立和發(fā)展，促進軟件應用社會化、軟件開發(fā)工程化、軟件成果商品化和軟件經營企業(yè)化等方面的工作更好開展，歡迎廣大計算機人才盡頭投稿咨詢。
轉載請注明來自發(fā)表學術論文網：http:///dzlw/1787.html
