小櫻_2547340952016-04-22

【前言】

在這個系列的前面兩回文章中（上篇點此，中篇點此），我們談到了如何最佳化電子商務關鍵績效數字的兩個方面：識別關鍵驅動因素、著手分析和嘗試提升關鍵驅動因素。在這個部分中，我們將向大家展示，如何透過一些特定的方法，讓我們提升關鍵驅動因素的努力能夠最終落地獲得成效。

【正文】

還記得我們前文談到的最佳化路徑嗎？在這個路徑中，我們強調從定義KBR開始，然後分解影響KBR績效的驅動因素，然後再確定這些驅動因素中哪些是基礎驅動因素，哪些是非基礎驅動因素，再嘗試分析基礎驅動因素並著手改進，同樣，嘗試分析非基礎驅動因素並著手改進，這之後測試你的這些改進是否有效並固定有效的改進（最佳化）。由於最佳化不可能是針對所有人群和興趣的，所以最後你要在最佳化的基礎上進行動態處理（定製化）。

圖1

今天我們來看看測試和定製化，以及它們二者是如何讓我們最佳化的努力最終落地的。

分析不是全部

網站分析（Web Analytics）也好，數字營銷分析（Digital Marketing Analytics）也罷，都在無意中為我們強調“分析”的重要性。

分析當然重要，尤其在我們所處的這個國家和如此複雜真假難辨的亂象之中，沒有認真獨立尊重事實的分析，我們就無從發現各種馬腳得知諸多真相，就會更被某種我們不得不敬畏崇拜的力量忽悠的團團轉。但對於我們想要最佳化的網站商業目的而言，分析卻完全不是全部。

我曾經說過（十條原則助你更好使用網站分析工具，原則五），大多數情況下，網站分析工具能夠告訴你發生了什麼樣的情況（what），但不能直接幫你回答發生這些情況的原因（why）。為了儘可能找到原因，我們於是用一個最基本的方法——細分，試圖透過抽絲剝繭的方法還原真相。但很多情況下，我們很難確信地斷言就是這樣造成的，我們只是說，可能是這個原因。下面這個例子說明了這種情況：

我想要知道為什麼

很多年來我一直試圖瞭解很多奇怪現象的發生原因，但有些解決了，有些卻不能如願，我只能懷疑是由於某種可能的原因，但卻完全不敢確切。

在2010年6月的某個悶熱的夏天，我被一個問題困擾，這個問題是關於什麼樣的網站元素能夠更有效的促進訂單。這個網站是一個旅行類的網站，為使用者提供線上酒店預定業務。這個網站有如下幾種型別的頁面，我的第一步工作是找到哪個頁面對轉化率的影響最大。

圖2

這難不倒我，對於做好了Google Analytics電子商務監測以及設定了漂亮的Goals和Steps的網站而言，一個工具就能解決問題——GA的$Index，這個度量（metric）用來衡量每個頁面對轉化的貢獻。由於每個轉化都意味著賺到了一定數量的錢，因此假如一個visit產生了一個10美元的轉化，而這個visit一共瀏覽了10個頁面才產生了這個轉化，那麼每個頁面就平均為這個轉化貢獻了1美元，即對這個visit而言，頁面的$Index=1美元。因此，如果某個頁面的$Index很高，那麼這個頁面就是對轉化至關重要的頁面。

圖3

其實不用這個工具常識也能告訴我們，booking page對於轉化的影響當時是毫無疑問的厲害。於是我們把主要的精力集中在booking page。

確定了某個頁面對轉化的影響要比其他頁面更大，我們朝解決問題邁近了一步，下一步我們要做的事情是進一步發現在這個頁面中哪些元素是最可能影響轉化的。

我們的方法是製作booking page的點選熱圖，點選熱圖並不是完美的工具（在我最近的《挑戰網站分析中的大眾智慧》系列文章中將會為大家分享點選熱圖的一些可愛和缺陷的地方），但可以給我們至少一個解答，那就是在這個頁面中哪些區域激發了使用者繼續探究的興趣。

圖4

在這個點選熱圖報告中（左右兩張圖實際上是頁面的上下兩部分，因為原頁面太長，所以我們把它切割為兩張圖），我們看到了一些明顯的興趣點——“展開報價”、“圖片”、“鄰近酒店”還有“隱藏報價”獲得了比較多的點選量。有一點令人吃驚的是，“評論”並沒有獲得意想中的高關注。

“評論”關注度不高的問題顯然讓我們疑惑，網站分析工具很好的告訴了我們“what”，但在這裡無法明確地告訴我們“why”。我們可以猜測“評論”關注度不高的原因是因為它沒有獲得理想的位置，但現在只能是猜測，只能。（在《挑戰網站分析中的大眾智慧》系列文章中，我們會向大家展示，用什麼樣的工具和方法能夠進一步驗證這種猜測）