2026.10.07
浏览量:
在数字智能时代背景下,数据科学及AI已成为驱动社会进步与行业革新的核心动力。秉承学校“以企业为导向,以学生为中心”的教育理念,同时响应新商业、新传媒、新服务行业对高素质数据分析人才的需求,数据科学学院推出“Data Knowledge”专栏,将普及AI模型、具身智能、数据结构、机器学习等基础数智知识,为师生提供持续学习和成长的平台。同时,通过连接教学理论与现实实际,在生动传递专业知识的同时,深化教师队伍的知识储备,助力应用型数据分析人才的培养。

作者简介:高姗姗,数据科学与大数据技术专业教师
研究方向:商业数据分析
主讲课程:《统计学》、《机器学习》
想象这样一个场景:一段生椰拿铁的短视频刷屏了,点赞破万,评论里满是“好想喝”“求链接”。你顺藤摸瓜点进活动页,8万人涌进来,可真正付款的,只有4,800 人。热闹的流量,怎么就没变成订单?
只看“来了多少人、卖了多少”,你很难知道顾客究竟停在哪一步——是压根没点开详情页,还是挑好了口味却没下单?
把从进入活动页到支付的过程一步步拆开,看看每一步有多少人继续往前走,线索就藏在里面。这个工具,就叫转化漏斗。
以这杯生椰拿铁的线上推广为例:短视频和站内搜索,把顾客引向同一个活动页。从进入活动页到支付成功,可以观察五步:

图1 生椰拿铁线上推广的转化漏斗
每一步,都是一次可以记录的用户行为。统计到达每一步的人数,就能看清有多少人继续向前,又有多少人在这一步停下。把购买拆成连续步骤,再观察顾客如何一步步向前,这就是转化漏斗(Conversion Funnel)。
一周内 8 万人进入活动页,最终4,800 人支付,整体转化率 6.0%。这个数字说出了结果,却说不出顾客主要停在哪一步。
不过,画漏斗之前,先要定好规则:每一步具体指什么?统计的是人数还是行为次数?顾客要当天走完全程,还是允许隔几天回来买?规则不同,看到的结论可能完全不同。
还要记住:没进入下一步,不等于顾客已经放弃。他可能正在比口味,也可能过会儿才回来。漏斗记录的是既定规则下的行为,不负责揣测人心。挑出与目标直接相关的关键步骤,才能用它定位问题。
假设这家咖啡品牌投放 7 天,短视频与站内搜索的用户都进入同一活动页。按首次进入来源分组,以首次进入后的 48 小时为观察窗口;每人每步只计一次,必须按顺序完成,最后一天进入的用户也观察满 48 小时。以下为模拟数据:

表1 生椰拿铁线上推广转化数据(模拟)
8 万人进入、4,800 人支付,整体转化率=4,800 ÷ 80,000=6.0%。再看相邻两步:
相邻环节转化率=到达下一步的人数 ÷ 到达当前步骤的人数
比如“查看商品详情→加入购物车”,转化率=15,000 ÷ 44,000≈34.1%。也就是说,进了详情页的顾客,约 65.9% 没有在 48 小时内加购。
可“哪一步漏得最多”,至少有两种看法:
看人数:进入活动页→查看商品详情,少了 36,000 人,是流失人数最多的一步。
看比例:查看商品详情→加入购物车,少了 29,000 人,流失比例约 65.9%,是相邻环节流失比例最高的一步

图2 流失人数与流失比例
活动页到详情页少了 36,000 人,要检查短视频展示的产品和活动页是否对得上;详情页到加购流失约 65.9%,提示真正产生兴趣的顾客,仍可能卡在某个疑问上。一个看人数、一个看比例,下一步还要按来源细分。
短视频来源的详情页加购率=6,000 ÷ 24,000=25.0%;站内搜索来源=9,000 ÷ 20,000=45.0%。两组行为差很多,但还不能据此认定详情页有问题:主动搜索生椰拿铁的顾客,本来就更有购买意愿。

图3 短视频与站内搜索加购率对比
还没有。漏斗告诉我们哪里出现了变化,却不能自动解释为什么出现变化。
短视频或许吸引的是想看制作过程的观众,他们未必急着买;也可能是详情页没说清口味、杯型、配送范围或优惠条件。25.0% 和45.0%的差异,只是一条调查线索,不能直接当作原因。
从提交订单到支付成功,又少了4,200人,流失比例约46.7%。是配送费到最后才蹦出来?优惠券用不了?还是支付流程卡住了?这些都值得核查,但都还只是待验证的假设。
漏斗能指出“哪里漏”,却不能单独证明“为什么漏”。要找到答案,还得结合页面行为、配送可达性、客服咨询和用户反馈一起看。
整体漏斗显示“详情→加购”流失比例最高,来源拆分又发现短视频用户加购率偏低。可以沿着四步继续追。

图4 四步分析路径
第一,核对漏斗口径。确认短视频和站内搜索是否都进入同一活动页;“加购”以商品成功进入购物车为准。检查来源标签、事件顺序、用户去重和 48 小时窗口,还要留意配送区域内外的用户有没有被混在一起。
第二,拆分顾客与场景。分别看短视频和站内搜索来源,再按新老顾客、配送区域、设备、商品规格细分。先比较同一来源内的人群,避免把“购买意愿不同”误当成“页面效果差”。
第三,结合反馈提出假设。看看口味、杯型、配送范围等信息的浏览情况,汇总客服关于优惠券和配送费的提问。如果短视频用户反复找“送到我家吗”却没加购,就可以提出“配送信息不够显眼”的假设。
第四,小范围验证改动。针对配送范围内的短视频用户,在同一投放时段随机展示两个详情页版本:一个保持原样,一个提前展示配送范围与费用。以“详情→加购”为主要指标,同时观察最终支付率;样本量够、效果稳定后,再考虑扩大。

图5 配送信息AB验证设计
一条转化路径,往往横跨内容、商品、运营、服务多个团队。把问题落到“哪一类顾客、在哪个环节没有继续”,各团队才能围着一个问题一起想办法。
结语|让每一步经营决策都有依据
一杯生椰拿铁,从短视频里的“看见”,走到活动页、详情页、购物车,再到付款成功。转化漏斗让这段旅程变得看得见:顾客在哪一步停下,不同来源的人差在哪,下一步还要验证什么。
下次再看到“视频很热闹、订单很冷清”,不妨先问三句:顾客从哪里来?在哪一步没有继续?我们还需要什么证据,才能知道原因?
从发现流失,到听懂顾客的疑问,再到验证改进是否有效——转化漏斗,才能真正让新商业的每一步决策都有依据。