转化分析｜一位数据分析师的实验田复盘

花3个月时间，吭哧吭哧写了80页草稿的《投资——1. 知己知彼》，发布之前豪言壮语“2000阅读量”，到现在累计72，真是piapia打脸！心态那个崩啊！！

朋友们吐槽内容太长、定位不明确、分析深度不够，都挺有道理，可我还是不知道怎么改，才能达到心心念念的2000阅读量，想想还是回到相对擅长的数据领域，做个系统分析，看看能否找到一些原因和解决办法。

鉴于本文篇幅较长，建议根据需要阅读：
如果你对内容分析感兴趣，请直奔第二部分“实例分析：图文内容转化”；
如果你在找FineBI绘制漏斗图的方法，请直奔本文最后一部分“FineBI绘制漏斗图”；
如果你有时间和耐心看长篇大论，建议从头开始，慢慢阅读，也可以关注博主，我将尽力做到知无不言、言无不尽。

围绕三个模块展开吧：
1. 营销实验田
2. 实例分析：图文内容转化
3. FineBI绘制漏斗图

一、营销试验田

1. 为什么会有这样一块实验田？

从作为数据分析师的这一职业来说，工作中的痛点莫过于：用滞后的数据脑补业务场景，依赖上课、看书等“眼看、耳听”的方式获得一些理论知识，进而给出了一些自己没有“动手”实践过、无需承担直接责任的实施建议。

这种情况下，通常会遇到两类问题：
a）脑袋里积攒了非常多想法，如何分辨哪些想法是有效的，以及能产生多大的效果？
b）如何实践这些想法？可以实践到什么程度？

这两类问题关键都在于“实践”，如果囿于无平台实践，踌躇不前未免让人意兴阑珊，不妨学一学苏东坡的处世哲学：用舍由时，行藏在我。

1> 用舍由时：大部分情况下，由于数据分析师本身岗位的功能设定，当有了自认为很厉害、王炸一样的想法，也可能会因为缺乏实战经验、无业务权限而无法实施，难免有壮志难酬之感，当然也有一些优秀的分析师在机缘巧合之下走上业务岗位，但，业务实践毕竟是拿老板的钱做尝试，因此有没有实践机会，主要取决于所处的环境。

2> 行藏在我：自己的选择和行为取决于自己，在这个时代，依靠理论泛泛而谈是不够的，花拳绣腿可抵挡不住商业环境的浩浩荡荡，公众号就是博主的自建实验田，一个可以让思维自由飞扬、又可以做营销实践的地方，春种一粒粟，也期待秋收万颗子。

《投资》这篇内容就是一粒在博主看来还不错的种子，可它尚未发芽，更别说结果子了，从数据分析角度来看，就是：转化没做好啊！

2. 要提升，做转化

转化，指的是信息与行为之间的交互，如：推送一篇内容是信息触达，用户接收到信息后，是否阅读就是行为反馈。

转化路径，指的是有先有后、有次序地呈现信息，发生一个又一个动作，形成“开始动作→中间动作→目标动作”的行为路径，如：看到内容→阅读→转发。

漏斗分析，指转化路径中每一个动作的完成量，将转化过程量化、可视化。

通过定义路径，将用户行为归纳为一系列关键步骤；
运用漏斗分析，可以快速定位到转化异常的步骤，从而对呈现给用户的信息进行调整。

3. 转化分析的4个步骤

1> 定义转化路径

· 确定用户的起始动作、目标动作。
· 目标动作可能会有多种，找一个最关注、最核心的即可，如果认为2个或2个以上都很重要，可以尝试用福格行为模型，分析每一个目标动作的实现难度，再做选择。
· 从起始动作到目标动作，可能会有多种行为路径，根据需要分析的问题，选择一条最关注、且多数人会选择的路径即可。

以微信推文内容为例：

起始动作：推文展现在用户手机上，即“曝光”。
中间动作：阅读、浏览深度
目标动作：阅读、关注、转发、点赞、在看、留言、赞赏。

a）什么是福格行为模型？

· 福格行为模型，由斯坦福大学行为设计实验室的创始人B.J.福格博士提出，主要是为了研究人类行为的影响因子有哪些，帮助我们更深入地理解行为、设计行为。
· 这项研究指出，人的行为受到3个关键因素的影响，即：行为（Behavior）是在动机（Motivation）、能力（Ability）、提示（Prompt）共同作用下发生的，可以简化为一个公式：B=M+A+P。

动机

· 动机是一切行为发生的前提，要做成一件事，首先必须“想做”才会去做，如：想学习才会去读书、想减肥才会去运动…
· 动机具有复杂性，如：读书的动机是什么？为了解决实际遇到的问题、为了通过考试、还是为了探索世界？需要找到真正核心的动机，只有最核心的动机才能产生长期、坚持“想做”一件事。
· 动机具有波动性，“三分钟热度”讲的就是动机的波动性，一件事刚开始做的时候，通常有非常强烈的动机，但是很难长期维持高涨的动机，因此单一凭借动机，行为大概率无法改变。

能力

· 能力是行为发生的必要条件，不同行为对能力的要求不同，即使有强烈的动机，如果缺乏必要的能力，行为也难以发生。
· 福格博士提出了能力链理论，可以从时间、资金、体力、脑力、日程，这5个维度分别来思考一件事情难在哪里？从而调整难度，让一件事情变得“容易做”。
· 举个例子，早睡早起为什么如此难？显然不是时间、资金、体力、脑力的问题，可能会有晚上睡不着、早起犯困的情况，因此早睡早起问题大概率在于：如何制定合理的日程表？

提示

· 提示是具体行为可以发生的信号，跟谈朋友的关系有点相像，有动机有能力没有提示，全靠猜，猜又猜不对，显然就谈不好嘛。
· 如果想培养一个习惯，可以做一个习惯清单，将它安排在日程之中，用SQL语言来说，就是：case when 'A' then 'B'，通过不断练习，直到行为可以自然而然地发生。

b）用福格行为模型分析目标动作

对“阅读、点赞、关注、在看、转发、留言、赞赏”这些目标动作，可以从动机和能力两个维度进行深入分析，看看每种行为发生的驱动力和所需条件。
* 关于提示的分析，在本文第二部分的影响因子分析中做简要说明。

动机层面

· 阅读：希望获取信息、提升知识水平、个人技能等。
· 点赞：表达对内容的认同感，较阅读动机稍高一些。
· 关注：对创作者有持续兴趣，希望获得更多相关内容。
· 在看：可能涉及个人隐私或特定社交需求。
· 转发：包含社交分享和传播意愿。
· 留言：希望与作者或其他读者深入交流。
· 赞赏：对内容的高度认可，需要超高的动机强度。

按照动机强弱排序，得出：
阅读<点赞<关注<在看<转发<留言<赞赏。

能力层面

· 阅读：需要时间与一定的脑力。
· 点赞：比阅读多了一个点赞的动作。
· 关注：比阅读多了一个关注的动作。
· 在看：比阅读多了一个点击在看的动作。
· 转发：比阅读多了一个分享的动作。
· 留言：需要读者用文字表达想法，在脑力消耗上稍高一些。
· 赞赏：需要读者深度阅读内容，以判断内容是否值得赞赏，同时还有资金要求。

按照能力要求的高低排序，我们得到：
阅读<点赞≈关注≈在看≈转发<留言<赞赏。

从目标动作发生的综合难度来看：
阅读<点赞<关注<在看<转发<留言<赞赏。

假设选择转化路径：曝光→阅读→转发。

2> 转化率：整体、逐级

a）整体转化率

以起始动作为100%，每个动作完成的比例，可以快速了解到整体的转化情况。
漏斗值：曝光量（1000）→阅读量（600）→转发量（30）
转化率：曝光率（100%）→阅读率（60%）→转发率（3%）

b）逐级转化率

每相邻两个步骤之间的转化率，可以知道每两个步骤之间的转化情况，快速定位到流失率较高的环节。
曝光→阅读：600/1000=60%
阅读→转发：30/600=5%

3> 维度拆解

a）为什么要做维度拆解？

· 相同的信息，在不同的时间、传递给不同的人，给出的动作反馈可能是不同的，同理，相同的内容，在不同渠道、以不同的曝光方式、呈现给不同的读者，转化率也可能是不同的。
· 由于转化是多种因素共同作用的结果，如果揉合在一起看总转化率，经常难以得出确切的结论，也找不到适当的方法来调整，因此需要对转化漏斗进行维度拆解，进行更为细致的分析。

b）如何做维度拆解？

· 维度分类，指的是从哪些维度来进行拆解，如：阅读的曝光渠道、读者的年龄等。
· 维度分类的构成，指的是每个维度可以分为哪些层级，如：阅读的曝光渠道这个维度，包括公众号消息、公众号主页、推荐、搜一搜、朋友圈、对话框、朋友在看等。
· 维度分类构成的转化率，以微信内容的曝光渠道为例，从最上层的曝光量开始，进行目标动作的转化漏斗拆解：转发量=曝光量×曝光点击率×阅读转发率，需要把转化步骤具象化一些，还原读者的阅读时看到的内容，参考下图。

4> 转化因子分析

对维度拆解后的转化漏斗进行影响因子的分析，包括两个部分：影响因子、因子分类。

a）从指标思考影响因子

· 曝光量：内容的初始曝光量主要与选题方向、标题吸引力、以及内容的更新频率有关。
· 曝光→点击：与选题、标题、封面设计的视觉吸引力、发布时间的合理性、以及摘要的简洁明了有关，其中标题的影响较大。
· 阅读→转发：主要与读者需求匹配度、内容专业度、图文设计有关。

b）对影响因子进行分类

· 由于转化的影响因子较多，我们从两个维度对因子进行分类：内因与外因、可控与不可控，再有针对性地进行调整，重点关注内因×可控的影响因子。
· 内因，指与内容本身相关的因素，如：选题、标题、摘要、封面设计、发布时间、图文设计、更新频率、内容专业度等，运营者可以直接控制和调整。
· 外因，指外部环境的影响因素，如：选题的推荐权重、搜索的排名规则、读者的行为偏好等，运营者可能无法获得相关信息、或进行直接控制。

二、实例分析：图文内容转化

这部分会围绕公众号发布的近20篇内容，做个转化分析示例，希望可以回答这3个很重要、复杂度高且朴实的问题：

是什么（What）：《投资》这篇内容的数据表现如何？
为什么（Why）：为什么阅读量如此之少？
怎么办（How）：如何改进呢？

1. 定义转化路径

开始动作：曝光
中间动作：阅读
目标动作：阅读、点赞、转发、关注、在看、留言、赞赏。

* 点击与阅读：用户看到图文曝光，点击后进入内容页面，到达内容页面开始阅读，一般而言，点击→阅读的转化率在95%以上，暂且认为点击量≈阅读量，本篇中可能存在混用这两个动作的情况，在这里稍作解释。

在第一部分用福格行为模型分析，对目标动作的实现难度分析，得出的结论是：阅读<点赞<关注<在看<转发<留言<赞赏，即在上述目标动作中，浏览相对容易发生，赞赏发生的难度较大。

应该选择哪个作为目标动作呢？

a）在心理上来讲，博主比较关注“阅读量”，因为读者通过阅读量可以直观判断内容的热度，间接判断内容的质量。
b）进一步分析了浏览量的构成，发现朋友圈带来的阅读量占比较高，说明阅读量主要是由用户转发带来的，即：优质内容是因，高阅读量是果。
c）几个月前微信把的“转发量”数据在用户端展示了出来，相较于阅读量，它是一个含金量更高的指标，更能代表内容的质量，因此更倾向于选择“转发”作为目标动作。

由此，确定转化路径：曝光→阅读→转发。

2. 内容转化率

a）投资内容的数据表现

整体：
曝光量（603）→阅读量（63）→转发量（7）
曝光率（100%）→点击率（10.4%）→转发率（1.2%）

逐级：
曝光→浏览：10.4%
浏览→转发：11.1%

b）分析过程

· 曝光量：因微信公众号后台历史数据缺失，仅对比近3篇内容的曝光量，发现投资主题的曝光量相对较低，需要进一步分析是哪个曝光渠道的原因。
· 阅读量：阅读量处于近20篇内容末位，阅读量=曝光量×曝光点击率，需要进一步分析内容的曝光点击率。
· 转发量：转发量数据无明显异常。
· 曝光→点击→转发：整体转化率偏低，需要分析逐级转化率，以确定是哪个环节的问题。
· 曝光→点击：在最近3篇的内容中，投资的曝光点击率最低，需要拆解曝光渠道漏斗，逐一排查原因。
· 阅读→转发：投资的阅读转发率较高，处于Top2水平，仅次于小爆文《用数学理解世界》，一定程度上是读者对内容质量的认可，这一点点认可就可以给博主Power！

结论：投资内容的曝光量与曝光点击率较低，说明问题主要出现在阅读内容之前的步骤，即：曝光->点击这个过程。

3. 渠道转化数据

接下来筛选2个关键且为一级曝光位置的渠道：公众号主页+消息、推荐、搜一搜，做个维度拆解分析。

a）公众号主页+消息

· 曝光量：442，曝光量较高，主要依赖于我们“庞大”的粉丝基数。
· 曝光→点击：10.4%，粉丝读者的点击率较低，与内容选题、标题、摘要、封面设计、推送时间有关。
· 阅读→转发：10.9%，转发率暂无明显异常。

b）推荐

· 曝光量：161，推荐曝光量较低，与微信平台的推荐规则有关。
· 曝光→点击：1.9%，点击率较低，与标题有关。
· 阅读→转发：66.7%，转发率较高。

结论：两大核心位置都出现了曝光点击率较低的问题，从影响因子的交集来看，标题是最导致点击率偏低的主要原因。

4. 影响因子分析

找到了问题点，接下来就要讨论“How”的事情了。
在这一部分会聊聊每个影响因子的一些思考，有些多，有些少，也会找一些参考资料，看看有没有一些可以借鉴的规则和方法。

1> 选题

选题，或者说话题，不同的话题有不同的推荐量、搜索量，不同的话题吸引到不同的用户。

a）根据话题的留存时间可以划分为：流量型、存量型。

· 流量型，代表对即时的事件分析，也可以称为事件性议题，是短期的信息诉求，对时效性要求较高。
· 存量型，代表对长期存在问题的分析，存在不同的立场与观点，因此有讨论的空间，也可以称为话题性议题，可以是老问题的新解法、新观点，比如：男与女、贫与富、城市与农村，每一组都有认同性争议，可以跨越世纪、跨越年代讨论。

b）根据内容研究的深度可以分为：专业类、科普类。

· 专业类，专家写给专业的人看，有大量的专业词汇。
· 科普类，专业的人写给对相关知识感兴趣的读者阅读。

从内容的留存时间来看，博主更倾向于存量型内容，如果时隔两年再次阅读，仍可以带来思考，那这篇内容的观点、逻辑在一定程度上是经受住了考验，算得上一篇优质内容。
从内容的研究深度来看，暂时不能自诩为专家，正在科普类与专业类之间找一个交汇点，让不同话题具有相似的表达风格和逻辑，这样读者可以在多样化的主题中感受到内容的连贯性与专业度。

2> 标题

“曾经有3个标题摆在我面前，我没有好好选，等看到数据才追悔莫及，写内容最痛苦的事莫过于此；
如果有10个标题让我再选一次，我会对那个标题说I believe you，如果要在这份信任上加个阅读量，我希望是2000！”

每一篇内容，博主会准备至少3个标题，这次准备了10个：

a）一位数据分析师的实验田复盘（最喜欢这个标题，可缺少了搜索关键词）
b）一位数据分析师的内容转化分析（奇奇怪怪的组装）
c）如何做转化漏斗分析？（中规中矩，缺少了特色）
d）硬核内容：转化分析（有点标题党的意思）
e）内容运营的实战分析（关键词有了，少了文艺范）
f）FineBI绘制漏斗图（只概括了其中一小部分，不够切合主题）
g）内容转化分析（过于简洁，难以快速理解主题）
h）美女教你学FineBI（美女在哪呢？）
i）用漏斗分析复盘我的公众号（太直接了，委婉一些好嘛）
j）最懂内容的数据分析师（是不是调起得有点高？）

用户在查找资料时，一般是这样的行为路径：在搜索栏内输入关键词，浏览搜索结果中相关内容的标题，选择一个感兴趣的标题点击，也就是“搜索→曝光→点击”，基于这一行为路径，我们需要思考什么样的标题能被互联网搜索到，在被搜索到之后可以吸引用户的注意力。

a）互联网搜索

· 在互联网的海量信息中，用户获取指定信息主要依赖于搜索引擎，即通过“关键词”查找。
· 在电商平台，商家为了提高商品的搜索曝光量，把几乎所有可能与商品产生联系的词汇，都放在了商品名称中，包含了品名、类别、规格等，如：东方树叶饮料官方正品茉莉花乌龙茶500ml，按照这种起标题的手法，是不是得这么写：数据分析师内容营销实战公众号转化漏斗转化率，作为一篇图文内容的标题，词语组合错乱显然是不合适的，需要对关键词进行筛选。
· 假设你有5个备选的关键词，应该选择哪一个呢？可以用微信指数小程序查看每个关键词的搜索热度做个参考。

b）广告设计

在《广告学人》中提到：标题代表着一则广告花费的80%，它直接关系到读者是否愿意点击并阅读你的内容，也给了我们一些关于如何写标题的原则和方法。

· 标题长度：6-12个字的标题更佳。
· 标题风格：读者在高速穿过广告丛林，要简洁、直截了当，不要用双关语、引经据典、晦涩难懂的词句。
· 标题文字：标题好比商品标签，如果你想让做母亲的人读广告，在标题里就要有“母亲”这个词，以此类推。

综上，博主决定用这个标题：转化分析 | 一位数据分析师的实验田复盘，包含了主题、搜索关键词，还有最中意的那一个标题。

3> 关于内容

a）开头

· 博主写内容的习惯是开头三段论：1、2、3、阐述为什么要写这个主题，认为这样子逻辑递进的表达方式更清晰，更易于读者理解。
· 然而，一项研究表明，非常创作者喜欢三段论开头，但对读者而言，这样子的开头铺垫太长、原因太模糊、缺乏力量，读者需要的是一个强有力的开篇，能够快速抓住注意力。

b）氛围

· 专业类的博主倾向于输出纯干货的内容，尽量避免过多的个人情感与主观观点表达，同时认为这是读者需要的。
· 从读者角度来讲，有人喜欢快捷指南、有人欣赏对问题的深度剖析，也有人需要知道对话者是谁？他的立场和动机是什么？因此在内容的开头稍作背景铺垫。

c）设计

社会中人们偏爱帅哥美女，做内容也一样，需要有视觉上的美感。

图文内容视觉由字体、图片、布局这三类基本元素组合而成，经过合理组合设计，就可以营造出一篇具有设计感的内容。

* 关于图文设计的原则，可以参考这篇内容：色轮在手，审美可以有http://mp.weixin.qq.com/s?__biz=MzUzOTYwMjgwNg==&mid=2247484775&idx=1&sn=a785e19bf6e4e19415b26bd7ecc2042b&chksm=fac4bf7ecdb33668f6b3489679f91f84ac960a1a6337a7bba3b9f1b2e806147ca24da829a10b&scene=21#wechat_redirect

d）篇幅

· 有研究数据表明，1000-3000字的资讯类内容，在碎片化时间盛行的互联网更易于吸引读者。
· 博主倾向于写5000+字的长文，尽可能在一篇内容里把一件事情聊清楚，如果拆成几篇短文稿，转发、收藏就不太合适，在这一点上，暂时没有很好的想法。

4> 转化目标的提示

· 点赞、转发、在看、留言：在每篇内容底部有清晰的提示按钮，欢迎互动哦~
· 关注：在每篇文章末尾会增加公众号的卡片，希望感兴趣的读者关注。
· 赞赏：有些朋友点赞的时候告诉我，“这点赞要钱啊”，看来是点赞和赞赏按钮太相像了，这次把赞赏功能取消，咱们集中火力做转发！

5> 更新频率

· 高频率更新内容，可以保证账号的活跃度，获得更多推荐。
· 订阅号每天可以发布一次内容。
· 在一定程度上，图文类内容的发布量与粉丝数量是正向相关的。

最近博主的拖延症有点厉害了，已经有人私信吐槽了，暂定每2个月更新一篇吧。

6> 发布时间

需要给粉丝朋友们道个歉，上次在凌晨两点发布内容，确实过于草率了，可能对于博主来说是交作业，而对于读者来说这个时间点的推送是一种打扰。

那么应该选择在什么时间点发布内容呢？
以2024.6.11-2024.6.17这一周公众号内容阅读量的分时段占比数据做个参考，如下图所示：
尽管阅读量基数较小，无法精确判断哪个时段阅读量最高，但至少知道了凌晨6点之前、晚上10:00之后，这两个时段几乎没有阅读量，发布内容也是不合适的，可能会选择7:00-9:00，18:00-20:00这两个时间段发布。

关于内容转化的分析，到这里就暂时收尾啦，是不是有读者在问，文中的配图是怎么做的呀？别急，第三部分一起来画图。

三、FineBI绘制漏斗图

你是颜值党吗？

想象一下：一边是Excel中密密麻麻、未经修饰的数字，另一边是色彩斑斓、善解人意的可视化图表，就问你选谁？

接下来，博主手把手教你：如何用FineBI制作图1-6所示的漏斗图？

图1：累计转化漏斗
图2：累计逐级转化漏斗
图3：每日平均转化漏斗
图4：每日平均逐级转化漏斗
图5：每日转化漏斗，观测总转化率波动
图6：每日逐级转化率，观测每天哪个步骤出现了变化

方法1：汇总表，图3-图6

a）数据集

在仪表盘的[数据]Tab内导入如下图所示的各个步骤的汇总数据，包含：日期、漏斗步骤、漏斗值3个字段。

b）实现步骤

1> 确定制图需要用到的字段：日期、漏斗步骤、每个步骤的人数、主路径转化率、逐级转化率，逐一计算生成。
2> 第一层漏斗的值：DEF(SUM_AGG(${漏斗值}),[${date}],[${漏斗步骤}="DAU"])
3> 总转化率=漏斗值/第一层漏斗的值
4> 漏斗步骤排序列：DEF(COUNT_AGG(${漏斗步骤})+1,[${date},${漏斗步骤}],[${date}=EARLIER(${date}),${漏斗值}>EARLIER(${漏斗值})])
5> 每层漏斗上一层漏斗值：DEF(SUM_AGG(${漏斗值}),[${date},${漏斗步骤排序列}],[${date}=EARLIER(${date}),${漏斗步骤排序列}+1=EARLIER(${漏斗步骤排序列})])
6> 逐级转化率=漏斗值/每层漏斗上一层漏斗值
7> 在[数据]Tab内生成的数据集如下图中表格所示。
8> 制作可视化图形，依次选择图表类型、拖拉拽字段即可。

方法2：明细表，图1-图2

对于一些决策周期较长的业务模式，需要做累计转化漏斗，在仪表盘界面需要设置筛选器，以实现日期的自由筛选，以FineBI的自带数据集做个示例（注意：与上述的数据源、数据集不同）。

a）数据集

要实现日期筛选后漏斗值的去重，就需要绘图区域是明细数据，将如下图所示的明细数据导入仪表盘的[图表制作]界面，至少包含：用户ID、日期、漏斗步骤3个字段。

b）实现步骤

1> 在图表绘制区域进行计算，先用维度表格展示数据，核对数据计算结果，整体步骤与上述3-6的步骤相似，在函数使用上略有不同。
2> 将用户ID字段转换为指标（去重计数），字段重命名为“人数”。
3> 第一个步骤的人数：DEF(${人数},[],[${漏斗步骤}="浏览商品"])
4> 转化率（总）=${人数}/SUM_AGG(${第一个步骤人数})
5> 步骤排序列：DEF(COUNTD_AGG(${漏斗步骤})+1,[${漏斗步骤}],[DEF(${人数},[${漏斗步骤}])>EARLIER(DEF(${人数},[${漏斗步骤}]))])
* 注意，这里是COUNTD_AGG()！！！
6> 上一步骤的人数：DEF(${人数},[${漏斗步骤}],[${步骤排序列}+1=EARLIER(${步骤排序列})])
7> 转化率（逐级）=${人数}/SUM_AGG(${上一个步骤的人数})
8> 制作可视化图形，依次选择图表类型、拖拉拽字段即可。