我们在做用户转化分析的时候，经常会有一些稍微不留意就容易踩进的坑，今天我们在聊一聊这些不能忽视的地方。

1、针对不同的业务分析设置不同的转化周期

比如转化周期我设置为同一个会话，和同一天内有什么区别呢。其实就是用户从打开产品到关闭产品。用户的一次会话中有可能包含很多的行为，因为他可能在一次访问就停留二小时。但如果用户一天内多次打开产品然后关闭产品，也就意味着用户在一天内多次使用。

举个例子 ，比如说你用微信 ，你早晨起床用十分钟关掉。然后在地铁上用十分钟关掉， 去公司和客户、其他小伙伴进行交流打开关掉。起床、地铁上、包括在公司里面，都是不同的会话。在转化周期内选择不同的时间周期的原因，完全是由于我们要分析目标的不同。

我们分析的是注册行为路径转化过程是否通畅，设计是否易用。注册流程肯定有让用户离开或者说不爽的地方，那就需要我们聚焦在这种容易让用户离开中断的那个步骤上，看看会不会有具体的设计问题。

如果这个时候选择转化周期为一天，那整体的转化率可能就会比较高了。因为用户想要体验产品的功能必须注册，那他就会在一天内的多个会话里多次尝试注册，最终成功 。

如果漏斗转化设置为同一天的话，那在产品应用性的这个问题上，就不那么容易暴露了，问题就没那么明显。

以理财产品为例：

比如我希望分析理财产品中，注册当天完成投资转化的一个转化率，对于一个理财app来说，注册就意味着用户对产品的考察已经基本结束，并且大多已经有了投资意向。

那注册当天完成投资的这个转化率，是衡量产品状态的一个指标，所以我会设置转化周期为同一天。只要注册完成和投资 发生在同一天内 ，就算转化完成。我们也知道影响用户投资的因素很多， 在一个会话内完成也并不靠谱，在同一天内完成这样的衡量也是比较合理的。

所以转化周期的一个设置，可能带来完全不同的分析效果。

2、用户行为之间的因果关系

在我们更为深入理解转化的基础上，我们来再谈一下行为之间的这个因果关系。

那首先要明确的是，通过数据分析能够得出的这种有价值的结论里绝大多数都是相关性的一些结论。那你想要得出因果性的结论其实是非常之难的。最终的因果性结论往往是基于一个合理的数据分析结果，通过一个合理的数据解读。

当我们觉得有可能是因果的时候，说明这个结论从我们认知上来讲是比较符合逻辑的，那我们就会去改版和优化。

第二个就是要明确一个态度性的问题。虽然我刚才所说作出直接的因果关系结论非常难，但是我们一定要不断的对行为之间的因果关系去做探索。因为本质上这是对用户的行为的动机再作剖析。 

比如说我们常说的aha—moment，用户新增十天内添加几个好友，留存就会提升。其实这就说明了一个问题，好友的关系其实能够帮助用户长久的留在这个平台之上，而且它是有一个量变到质变的过程。一两个可能无法构成一个非常有趣的信息流，那可能要七个以上才能够让用户觉得“确实我的朋友都在这里”，产生一个留在这个平台上持续使用的好感。随着后期更多的好友加入，粘性就会越来越强。

那第三点就是要清楚的是，因果关系是我们的目标，在分析的时候我们会先去分析行为的先后关系，然后再通过迭代后的这种数据去验证其中是否有因果关系。

今天我们单独说转化分析，分析短时间内的转化就需要我们能够不通过具体的时间来判断行为的前后顺序。就是说你在梳理这个满足业务目标的场景的时候你要有明确三个要点。

把这三个点能够每次都回答清楚的话，那这个场景的应该问题不大。在分析这类转化场景的时候就需要基于漏斗转化模型来更好地明确和分析用户行为之间的这种前后关系。

介绍一个现状吧。就是说通过分析我们发现对如今这个时代的潜在付费客户来说当天就付费的充值比率是大于80%的，这是一个结论了，已经在多款产品里都见到这种现象，也就是说用户如果对产品感觉比较好的话，新增当天，甚至很快就会充值付费的。

以直播产品为例：

对于直播这类产品来说充值付费后拥有的体验可能会非常的奢华，比如送个飞机，直播主播可能就会对你有专属回应等等，它也会刺激用户更频繁地使用这个产品。

所以，这类他的转化周期就很短，但是你会在分析过程中难以区别是先有鸡还是先有蛋。其实在这种情况下前后关系如果不能区别开的话呢，分析结果是没有意义的。

比如我们建立一个认知：「与主播的互动」是否能对充值转化有促进作用。

针对这个认知我们提出一个假设：主播互动能够促进其用户的付费转化。

那这个假设其实最大的一个挑战就是，你说不清楚是这些用户本来就是要付费，付费以后去达成主播跟他互动，还是说先互动，后充值的，到底是先有的付费促进的互动，还是互动促进的付费。

首先我们先来梳理一下预期的这个场景：

用户：新增有效用户。首先它是有效用户，然后它是新增用户，那必须将各种途径来的无效用户进行删除，不然没办法实现公平的一个对比。

场景：直播间。

行为：通过发送文字消息与主播互动。

目标：更大比例提升付费转化率。如果按照我们设想的那个场景的话，应该是满足这些场景和行为的用户整体的付费转化率会比没有满足的用户要高，这是我们要验证的目标。

那我们来设计反向验证的数据分析方案：

第一步保证分析的主体用户符合要求，也就是说我要筛选出有效用户以保证分析的公平性，我们通过用户的第一次访问时间明确用户的新增这个时间。即新增当天进入直播间超过五次的这样的行为特点来定义用户的有效性。说明这个用户确实是活跃的，而且对这个直播产品还是有兴趣的。这样筛选出来的用户意味着都在直播间内，由于主播进行过互动从而最大限度保证公平性

第二步是验证分析的关键，通过漏斗转化模型来明确行为的前后关系。首先我们要进行漏斗转化分析的是我们在第一步里就确定好的用户群，选择分析的用户群，然后设置分析时间段，最后建立漏斗：进入直播间——直播间内文字互动——充值金币，那通过这样一连串的设置我们就能够保证这些用户一定是先经历了与主播文字互动，后充值的金币。

第三步就可以得出结论了，有文字互动的用户付费转化率是没有互动用户的将近五倍，那这次也许我们不能说斩钉截铁的说，是由于与主播互动带来的付费转化，但是我们可以很有底气的说如果用户能够先于主播发生互动那他付费转化的可能性将远远大于没有过互动的用户。

那我们就可以做一些改进，比如在直播间的这个底部栏增加一个互动的引导等。

对用户的一些理解对用户行为动机的一些剖析。就在于对业务的精准解读和漏斗转化模型的一个灵活应用。

3、核心功能转化衡量和监控

核心功能转化衡量和监控也是转化分析非常重要的一部分。

但是它也是比较基础的一部分，一方面影响转化的因素比较多，另一方面转化分析的应用场景也非常广泛。

但是比较重要的是分析影响用户行为的因素。而这些因素可以是另一个行为带来的心理变化。

从我们一直在说的这个用户生命周期来看不同的生命周期状态的用户会存在状态转化的一个现象，比如说从新手用户转变为留存用户，再从留存用户转变为一个忠诚用户，或者说从一个老用户转变为一个流失用户，这种生命周期状态的转化其实也是我们要分析的重点，换个角度去看的话，如果你能把留存用户转变为忠诚用户或者说转变为高价值用户时，影响用户这种状态的这种观念点分析出来的话，找到那个隐藏的aha—monument的那个时刻，那你同样会为产品甚至整个企业带来不可估量的价值。

在这里也是抛砖引玉希望大家能在实践过程中多思考这个场景，同时不仅思考怎么分析，更多的可能还是要去思考如何运用行为数据解决这种业务难题，这可能也是分析的一个最终的一个目标。

-END-