以在线旅游为例，谈谈怎么通过数据挖掘提升购买转化率？

电商行业中，转化率是影响GMV（=流量x转化率x客单价）的一个重要因素，转化率又分注册转化率、购买转化率等。转化率的影响因素有很多，其中用户体验也是一方面，因此如何通过优化用户体验提升转化率也是设计师需要掌握的必备技能之一。

刚进公司之初我们仅有结果性数据，导致在产品设计时由于没有用户行为等过程性数据，让用户体验设计工作遇到困难，后来我通过跟公司领导和同事们分享友商的数据驱动业务增长的案例，推动了公司采购了一套低门槛的数据分析工具。借着新的数据平台，我想通过做一些优化带来转化率的提升，于是一个个的排查哪些流程里有可以优化的空间，希望通过数据挖掘和分析找到流程中的问题并且找到设计的机会点。

接下来通过分享在线旅游行业的案例，介绍通过数据挖掘提升购买转化率的方法，希望大家能受用。

分析思路：确定转化路径、建立转化漏斗-找出关键流失节点-锁定目标人群-总结典型行为特征-验证特征的显著性-优化转化路径

建立转化漏斗

购买转化率的优化，首先要了解用户购买的核心流程，例如某航司，以用户到达支付页算订单创建成功，以此计算购买转化率，然而用户可以通过不同入口（航线活动专题页、机票搜索结果页等）进入（乘机人填写页-增值服务页-支付页）核心流程。

在创建漏斗前，可以先观察用户的高频行为路径，其中挑选用户量较高的路径建立漏斗。我们发现大多数用户还是通过机票查询这个入口进来，因此我们可以先确定建立此路径的转化漏斗。

转化漏斗建好以后，找到路径中流失率最高的步骤，可以通过“维度对比”细分不同广告来源、城市、手机型号等的转化情况，还可以通过“用户对比”细分不同分群以及新用户的转化情况。

找出关键流失节点

通过转化漏斗发现，核心流程的乘机人填写页的转化率较低，流失率较高。用户进入乘机人填写页一般是对航线、时间、价格都是满意的，到此页面的用户购买意愿较高，但是转化率却很低。通过转化漏斗，定位问题，于是接下来我们将先针对乘机人填写页进行详细分析。

通过观察该页面的页面流向，发现返回至上一页（搜索页、秒杀活动页、特价机票详情页）的用户占比非常高，就此我们非常疑惑，为啥选好航班了又反水？

接下来我们再看一下该页面的点击分布排名：

从点击排名来看:

1.点“返回”占比较高，与页面转向数据相符；

2.“明细”点击率过高，用户尚未选择乘机人，就出现价格，是否引起用户疑惑？

3.添加乘机人分别取了两种数值，帮用户根据上次乘机过的用户做默认推荐，添加乘机人的点击率会比较低，没有默认乘机人提供的情况下，点击率较高；

4.用户点“下一步”报错“请选择乘机人”较多，当有默认推荐乘机人时，用户会误以为默认已选择；“勾选条款”的报错机率也很高，OTA直接把勾选改成文字提示，条款点文字链可读；

5.点“退改签规则”的用户需求不是特别高，有可能是提示信息已经展示在外面；

6.“通讯录”功能用得比较少。

锁定目标人群、总结典型行为特征

接下来先将到达乘机人页面的用户分群，细查用户行为（细查近一个月内，访问次数为1，在搜索结果页流失的新用户行为），将用户遇到的问题归因。

通过用户细查，我们发现关于“请添加乘机人”和“请勾选条款”的报错数量占比较高，首次添加新乘机人流程繁琐，用户在机票搜索结果页看时间对比价格，到乘机人填写才真正看到含税价格（特别是国际航班，含税价差较大），所以导致这一步流失非常多，如果说用户在机票搜索结果页流失，那可能是时间和价格不合适，如果时间和价格都可以，用户点了预订，到乘机人填写页中流失了，那一定是保险要绑定和含税价格把用户吓跑了。

验证特征的显著性

后来我们将这些问题，整理成访谈提纲，回访用户，召集用户进行现场测试。在访谈和测试过程中，确实发现大部分用户在实际操作过程中遇到以上问题，也证实了以上假设。

我们还分析了该页面的“退出率”、“页面停留时长”等用户行为数据，用来与优化后的效果做对比验证。

优化转化路径

于是在优化过程中，我们做了以下调整 ：

1.用户未选择乘机人时，金额展示“--”，不展示“明细”，该页面的目标是希望用户在此填写乘机信息，避免打断用户从上至下完成信息填写的动线；

2.精简信息：联系人不需要展示姓名；

3.优化信息层级：

a.将航班详细信息收起，缩短航班信息在页面的面积；

b.将退改说明、行李规定、购买须知等用户关注的信息分类以tab的形式展示；

c.增加“请选择乘机人”提示；

d.将邮寄行程单新开页面填写改为下拉展示，减少页面间的跳转；

4.增加机票单价与税费展示，减少用户点明细或返回再查看单价；

5.增加人工客服，实时解决用户在信息填写过程中遇到的问题；

6.取消“勾选”条款，用户点击“下一步”默认同意条款；

7.“下一步”增加提示“预订增值服务”。

方案设计好后，我们通过AB测试，验证了设计方案。最终该页面新方案转化率以高于老方案的5.7%胜出。

使用数据分析方法，在实践过程中用数据思维搭建增长指标体系，并得到验证，我们在工作中持续通过数据发现问题-提出假设-验证方案-择优迭代形成闭环，并且采用AB测试的方法进一步确认设计方案的效果。通过用户体验的优化，带来了转化率的提升，也证明了该方法的价值。

近期也接触到很多通过在“人人都是产品经理”看到我的文章来交流的朋友，其中有很多朋友也遇到与我初进公司同样的困境，其实大家可以在公司宣导过程性数据的重要性，推动公司完善数据系统或者外部采购，通过数据挖掘来提升转化率。