商品のコンバージョンについてどれだけ知っていますか: 高いコンバージョンを実現する 4 つの分析モデル

変換とは何か

コンバージョンには、コンバージョン率とコンバージョン数の 2 つが含まれます。

1. コンバージョン率

まず、コンバージョン率についてお話ししましょう。コンバージョン率の正式な定義は、予想される行動の数と総訪問数の比率です。簡単に言うと、次の式になります。

計算式は、コンバージョン率 = 予想される行動数 / 総訪問数です。

言い換えれば、コンバージョン率は、すべての望ましいアクションの比率指標です。

2. 変換

コンバージョン数は分かりやすく、期待される行動数です。

コンバージョンは、ログイン、クリック、支払いなどの単一のリンクである場合もあれば、電子商取引の購入プロセスや金融商品の登録およびカードのバインディングプロセスなど、多数のリンクで構成されるプロセスである場合もあります。

なぜ、コンバージョン率ではなくコンバージョンと言うのでしょうか? その理由は、後でわかるでしょう。

なぜ変換について話すのですか?

簡単な例を挙げると、あるアクティビティを企画し、プロモーションを開始したところ、効果があまり良くないことがわかりました。多くのチャネルを使用し、理論的にはユーザーカバレッジが十分に広かったにもかかわらず、実際に製品に惹かれ、購買行動を生み出したユーザーの数は非常に少なかったのです。そのため、このとき、アクティビティを修正・改善し、アクティビティの悪い面を修正し、アクティビティに爆発的な力を持たせる必要があります。

一般的な慣習は何ですか?もう一度アクティビティを注意深く見て、何を改善する必要があるかを確認し、変更します。これは一般的なやり方ですが、このように行うことに何か問題はありますか?はい、彼の間違いは、彼が主観的な意志に基づいて変更を加え、方法論なしに思いついたことを何でも変更したことでした。
では正しいアプローチは何でしょうか?まず問題を定義し、そのような問題に一般的な分析方法を適用し、次に問題を細分化して各部分を 1 つずつ最適化します。上記のアクティビティの場合、ユーザーカバレッジが十分に広い場合、生成される有効ユーザーは非常に少なくなります。これは基本的に、コンバージョン率が低いという問題であると判断できます。では、コンバージョン率が低いという問題を解決するにはどうすればよいでしょうか。ああ、ほとんどのアクティビティのコンバージョン率が低いのは、1…2…3…のためです。コンバージョン率が低い問題を解決する方法はいくつかあります: 1…2….3….

これら 2 つのソリューションの違いは何でしょうか? それは、構成、完全性、詳細にあります。問題に直面したときに最も恐ろしいのは、何をすればいいのか分からないことではなく、気になる点だけに着目して、やり方を忘れ、今まで考えたこともなかったが知っておくべきことを理解し忘れ、やりたいことをやることです。

サブタイトルに戻りますが、なぜコンバージョンについて話すのでしょうか。コンバージョンという言葉はよく使われますが、どこで使うべきか考えたことはありますか。データだけを見て、Baidu の統計を見て、普及率が非常に悪いので、製品を調整する必要があると考え、どのように変更しても消えてしまうのでしょうか。多くの人にとって、コンバージョンは単なるデータであり、ただ見るだけのデータです。

なぜ改宗について話す必要があるのでしょうか? これについて話すことの重要性は何でしょうか?問題を定義します。

製品に対するユーザー入力が十分に大きいにもかかわらず、ユーザーの価値が高くない場合は、これをコンバージョンの問題であると判断します。つまり、問題を定義し、問題を分析する方法を見つけ、問題を放置するのではなく解決策を見つける必要があります。

変換の分析と解決策は何ですか?

1. ファネルモデル

下の写真をご覧ください。このモデルをすでにご存知の場合は、2 番目のモデルに直接ジャンプするか、引き続きご覧ください。さらに 3 つの詳細があります。

未登録またはログインしていないユーザーの検索とショッピングのコンバージョンを例にとると、ファネルモデルは、ユーザーがショッピングプロセスで通過する必要があるコアプロセスステップです。プロセス中にユーザー数は徐々に減少します。必要なのは、各ステップでユーザーの離脱率を下げることです。

ファネルモデルを使用する具体的な手順は次のとおりです。

1. プロセスを描く

上図のように、製品のコアプロセスを描く必要があります。

2. インパクトファクターをリストします。

各プロセスに影響を与える詳細な要因を確認し、例としてキーワードノードを検索します。

検索キーワードのインパクトファクターは次のようになります。

検索ボックス自体で他に最適化できるものは何ですか?
操作はスムーズですか？
検索はどの程度曖昧ですか?
プロンプトは設定されていますか?
検索ページの推奨事項は妥当ですか?
検索履歴をさらに最適化することはできますか?
検索結果をさらに最適化することはできますか?

…

ここでは、検索キーワードリンクのインパクトファクターのみをリストしました。他のリンクごとにさらにリストすることもできます。必要なのは、各リンクのインパクトファクターをリストすることです。

3. 要素を一つずつ最適化します。

要因を見つけて最適化します。

ファネルモデルは、すべてのコンバージョンプロセスに適しています。多くの新規ユーザーを引き付けるアクティビティなどのタスクを受け取った場合や、製品自体に十分な訪問者がいるが、期待される行動コンバージョンが高くない場合、このモデルが役立ちます。

さらに、このモデルを最適化に使用する場合は、製品プロセスにおける次の 3 つの問題に注意してください。

まず、ファネルの長さを短くすることはできますか？プロセスノードの数が少ないほど、損失が発生する可能性が低くなります。

2 つ目: モデルプロセスノードの順序を調整できますか?製品の変換を支援したり、他の目的を持っています。私が訪問した「Want to Go」のウェブサイトを例に挙げてみましょう。彼らはユーザーのログインデータを改善したいと考えており、ログインノードを前方に移動し、閲覧時にユーザーにログインを促しています。

3番目：ファネルプロセスの切断に注意してください。ファネルモデル全体を中断しないように注意してください。ユーザーがプロセス中に他の操作を実行するために他のページに移動すると、迷子になる可能性があります。

Mingdao コラボレーションソフトウェアは初期にメール登録を採用していましたが、登録成功率はわずか 40% でした (おおよそこのデータですが、正確な数字は忘れました)。分析の結果、問題が見つかりました。メールの確認ごとにユーザーは個人メールにジャンプする必要があり、ログインしないとメールを確認できません。メールのログインと確認は比較的面倒なプロセスであるため、ユーザーが他のメールを確認しているために登録を忘れる可能性もあります。その後、メール認証はSMS認証に変更され、現在のインターフェースで操作すると、登録成功率は80％に向上しました。

たとえば、ユーザーがショッピング時にログインしていないが、チェックアウト時にアカウントにログインする必要がある場合、この時点ではページにジャンプせず、ログインボックスを直接ポップアップ表示するのが最善です。ページにジャンプする必要がある場合でも、ユーザーはログイン後にチェックアウトプロセスに直接ジャンプしてチェックアウトを続行する必要があります。これは非常に一般的です。

2. ペインポイントパスモデル

プロセス分析に基づくファネルモデルとは異なり、ペインポイントパスは単一ページの分析に基づいています。主に、ユーザーが痛みのポイント（痛みのポイントと痒いポイントをまとめて痛みポイントと呼ぶことにします）に注目する過程における視覚経路を記録します。視覚経路における色の深さは、痛みのポイントの程度に応じて変化します。

下の図のように、見覚えのある方も多いかと思います。これが一般的なヒートマップです。ヒートマップはクリック数を元に表示されることが多いです。

痛点パスの画像表示はわずかに似ていますが、違いは、寒色から暖色への色が痛点の痛みのレベルを表し、以下に示すように、注意を引く視覚的なパスが追加されていることです。

ペインポイントパスはスケールデータによってインテリジェントに描かれた絵ではなく、ユーザーのペインポイントと視覚的な傾向を組み合わせて手動で描く必要があります。赤い領域はユーザーが最も懸念しているペインポイントを表し、数字と線はユーザーが懸念しているペインポイントの視覚的なパスを表しています。

ペインポイントパスモデルの使い方は？

ページ上のユーザーの問題点をフィルタリングし、問題点の問題点のレベルをマークします。問題点は、その重要度に応じて 4 つのレベルに分類できます。
ユーザーが主要な問題点に集中するためにたどる視覚的な経路を描きます。上の図のように、ユーザーが注目することに慣れている問題点の視覚的な経路をマークし、順序をマークします。ユーザーによって視覚経路は異なる可能性があるため、ここで焦点を当てる主な視覚経路は、総合的に考慮した視覚経路です。
さまざまな問題点の苦痛レベルに基づいて最適化ターゲットを決定します。基本的なユーザビリティ、満足、非常に満足、期待を上回るという 4 つのレベルに従って、問題点を最適化します。高レベルの問題点が満たされると、より高いレベルの要件も満たされます。低レベルの問題点は、使いやすさだけが必要であり、ユーザーの決定にはほとんど影響しません。
高レベルの問題点を最適化します。レベル要件に応じて問題点を最適化します。
視覚的な経路を調整します（痛点の位置を最適化します）。必要に応じて、高レベルのペインポイントは下または横に配置されているため、ユーザーの検索の不便さを軽減し、意思決定時間を短縮し、損失を減らすために、これらのペインポイントをページ上の重要な位置に記載する必要があります。

ペインポイントパスモデルとファネルモデルは、一方はプロセスに重点を置き、もう一方はページに重点を置いています。この 2 つを組み合わせて使用すると、より優れた最適化効果が得られます。

3. チャネル変換検証モデル

新規顧客獲得活動を行ったことがある人なら誰でも、製品の場合、量に加えて、新規顧客を引き付けるためのもう1つの重要な要件があることを知っています。それは精度です。精度が高いということは、コンバージョン率が高いことを意味します。あなたの製品はハイエンドユーザー向けで、スーツは数千元かかります。あなたが引き付ける人々がすべて学生であれば、新規顧客獲得活動にお金を無駄にするだけです。

チャネル変換検証モデルの意義は何ですか?

各チャネルが集客したユーザーのコンバージョン効率を比較することです。モデルは次のとおりです。

上図では、4つのチャネルに同じ資金と人材が投資され、10万人のユーザーを引き付けることができると仮定します（理解を容易にするために単純な整数を使用しています）。チャネル1のコンバージョン率は10％、チャネル4のコンバージョン率は80％です。次に、4つのチャネルを比較した後、チャネル4への投資を増やし、チャネル1への投資を減らす必要があります。

もちろん、これはコンバージョン率の観点から考慮されます。

別の状況は以下のようになります (数字の変化に注意してください)。

4つのチャンネルに同じ資金と人材を投資すると仮定すると、チャンネル1は100万人のユーザーを引き付けることができ、チャンネル4は5万人のユーザーを引き付けることができます。チャンネル1のコンバージョン率はわずか10％と非常に低く、チャンネル4の80％のコンバージョン率よりもはるかに低いですが、引き付けたユーザー数はチャンネル1の2.5倍です。この時点で、チャンネル1への投資を増やす必要があります。

チャネル検証変換モデルの目的は、さまざまなチャネルの入出力効率を比較し、最適なチャネル選択データサポートを実現し、入出力の効率を高めることです。

4. 成長/目標変換モデル

成長/目標変換モデルは、ポイントシステムと同様の成長モデルとして理解できます。違いは、ユーザーポイントの成長システムであることに加えて、このモデルは一定期間内のユーザーに対するターゲットモデルにもなり得ることです。

まずは成長コンバージョンモデルについてお話しします。上図のように、レベルごとに目標と要件が定義されており、十分な餌を仕掛けることで、ユーザーは徐々に一般ユーザーから上級ユーザーへとコンバージョンしていきます。したがって、この変換プロセスでは、各ノードの報酬と要件が妥当であるかどうか、および 2 つのノード間の餌または需要の満足度が十分であるかどうかに注意する必要があります。ゲームの一般的な成長システムを例にとると、ゲームの初期段階では、さまざまな小さなタスク、簡単に入手できるさまざまな赤い封筒、達成しやすいさまざまな目標がよく設定され、新しいユーザーがより多くのインタラクションを行い、プラットフォーム上で急速に成長することを奨励し、それによって維持と上級プレイヤーへの転換を促進します。中期・後期では、ユーザー成長の難易度を徐々に上げ、ゲームユーザーの課金化を促進します。

目標成長モデル、目標変換モデル、成長変換モデルが一緒に議論される理由は、これらが共通のロジックを持っているためです。つまり、多層目標を設計し、ユーザーが対応する目標を達成できるように誘導し、ユーザーが製品に対して設定された期待を満たすように促すというものです。

下の図に示すように、これはUberが国内市場を制覇した最盛期に実施したインセンティブ政策です。

最高の報酬。報酬政策から、XXプライベートカーなど他のいくつかの競合他社とプライベートカードライバーの獲得を競っている現在の段階では、ドライバーの1回の注文あたりの収入は通常の2倍以上、ピーク時には3倍に達することもあり、ドライバーが注文をめぐって競争することを奨励していることが分かります。繁忙期に少しだけ努力するだけで、収入を 2 倍、さらには 3 倍に増やすことができます。

注文完了に対する報酬の利点は、ドライバーがずっと運転を続けられることです。もう少し頑張れば収入も上がるので、常にモチベーションが保てます。 Uber のインセンティブポリシーについては、他にもたくさんありますが、ここでは簡単に紹介するだけにします。 Uber は現在、国内で合併しているが、以前の勇敢さから学ぶべきことはまだたくさんあるが、それは本題ではない。