关于转化率的重要性，这里不再赘述了，相信点开文章的你一定了然于胸。
虽然网上也有不少关于漏斗转化分析的讨论，但较多的是讨论如何做漏斗分析，对于如何去落地实践落地，寻找提升转化的方法，目前讨论的还相对较少。
同时，多数讨论集中于电商产品，非电商类产品讨论相对较少。
电商类产品由于其自身属性的特殊性，其页面访问漏斗和用户决策漏斗整体上匹配度比较高，优化起来方向也相对比较明确些。
但对于非电商类产品，使用一般的页面访问漏斗来分析优化产品，可能就没有那么轻松了，下文会具体阐述。
本篇以非电商类产品为例，着重于讨论如何结合「用户决策模型」，通过系统化的方法，高效的去提升产品的转化率，重点阐述实践落地的方法。
整个方法可以拆解为以下4步，本篇将侧重于第2、3步的介绍：
01 寻找北极星指标
北极星指标也叫唯一关键指标（OMTM，One metric that matters），是产品现阶段最关键的指标。
它应该是与业务高度相关、且能直接衡量产品价值的大小，也就是可以衡量产品策略的优劣。
类似于GMV，人均毛利率等这种指标。北极星指标不一定是一个，但不宜过多。
关于北极星指标的选取，网上讨论文章很多，这里不再重复造轮子了。
我们需要结合自身的业务，选取符合自身业务的北极星指标，用于评估我们的产品改进是否正向。
所谓用户决策漏斗，即是用户在你的产品上完成最终目标之前，需要依次做出的子决策漏斗。
关注用户的决策流程漏斗，能帮助我们更好的找到方向。
其与传统页面访问漏斗的主要区别在于，页面访问漏斗的关注点在产品自身，而用户决策漏斗的关注点在用户。
这里我们以房产租赁类平台来举例说明，这类平台一般线上不涉及到具体交易，大多终止于电话咨询环节。
1. 我先来看看传统的「页面访问漏斗」，大致是这样的
1）当我们过度关注页面访问漏斗时，容易陷入到对当前漏斗各个环节的优化，忽视了对漏斗自身进行优化。
有时候产品流程本身设计的是有问题，或者存在更加高效的流程。如果专注于当前的页面流程漏斗，将很难发现此类问题。
2）如果只关注漏斗内个别环节转化率的提升，容易按下葫芦起了瓢——顾此失彼。甚至有可能带来负面效果，导致整体转化率的下降。
或许是用户更难找到自己满意的房源了，所以只能去更多的查看房源；
又或许是用户在列表页看不到一些关键信息，只能点到房源详情页里去看，点进去之后发现不满意，又关掉了。
上述两种情况，都提升了用户的决策成本，肯定是有损转化的。
所以，以这种漏斗导向来改进产品，容易将产品带进死胡同。
毕竟为了完成目标，产品经理容易各式各样的方法都去尝试，也许有不少能提升当前环节的转化率，但其中真正能提升漏斗整体转化率的很可能没有那么多。
1）用户决策漏斗是按照用户的决策流程来搭建的，因此，提升每个环节的效率都可以直接带来整体效率的提升，为整体转化率带来正向影响。
2）页面流程漏斗是依托于用户决策漏斗而设计的。
为了匹配用户决策漏斗，可以设计出很多种不同的页面流程，当前线上的页面流程可以理解为只是所有备选方案中的一个，显然当前这个流程可能不是最优的。
3）当我们聚焦于用户的决策漏斗时，我们能站在用户的角度去思考，可以从更加本质的层面去思考如何去提升转化。
用户决策漏斗中的一个决策环节，可能会对应着页面漏斗中的多个页面流程。
用户有可能决策在任何页面，而不一定是我们预想流程中的首页或者列表页。也可能在楼盘页、房源详情页、专题页等等。
用户有可能通过搜索、列表页筛选来寻找房源，也能通过楼盘页面来找特定楼盘的房源，还能通过详情页推荐/列表页推荐来寻找算法推荐的房源等等。
有没有发现当聚焦于决策流程后，思路会开阔和清晰很多？
我们需要关注的核心点就是用户在这个决策环节的转化率。
一切能有助于提升用户在这个环节的决策转化率的都可以去做。
也许是对现有模块的优化，也许是打造一个新的模块，对现有页面流程做全新调整，只要能提升用户在相应决策环节上的转化率，都可以去做。
03 关注用户决策模型
对于第2点中提到的用户的每一个决策环节，思考这个问题：
用户在该环节的决策模型是什么？
可以通过下面4个问题来大概评估用户的决策模型：
以上4个问题，可以结合自身对业务的理解，再结合业务调研、用户调研的方式来收集结论。
我们再结合自身理解和调研情况，对各个因素设立影响权重，综合下来便是用户在该环节的决策模型。综合用户在各个环节的决策模型，就是用户在你的产品上的整体决策模型。
我们结合用户的决策模型，加强决策模型中的正向激励部分的正面效应，减少决策模型中负面因素带来的负面影响。
按照这个大的方向来开展，最终用户的决策转化自然能提升。
比如，针对「较为容易的找到合意的房源」这个因素，我们可以做千人千面，个性化推荐；针对「有较多合意的房源可供选择」这个因素，我们可以去驱动业务团队将更多的房源收录到平台类等等。
04 灰度发布 + A/B Test 验证方案有效性
在第3步中，针对用户的某个决策环节，我们评估出了用户决策模型，并找到产品改进的方向。
进而我们可能会研究出几套方案，并决定上线其中一套方案。
但究竟我们的方案有没有效果？多个方案中哪个方案更优呢？
很多时候我们很难明确一个方案上线后是否真的有效、或者多个方案里到底哪个更优。
这时就需要祭出我们的神器「灰度发布」和「A/B Test」了。
1. 灰度发布，就是只对产品的一部分用户上线新方案
灰度发布可以避免新的产品方案在被验证有效前，对太多用户造成影响。
微信就经常采用灰度发布来实验新功能，比如近期的视频号，刚开始就是灰度发布的。
如果我们只有一个备选方案，采用灰度发布，也就相当于对新方案和当前线上版本进行了「A/B Test」。
2. 「A/B Test」就是对多个产品方案同时发布上线，然后根据数据反馈确定最终方案
网上对「A/B Test」的介绍已经很多了，这里就也不再重复造轮子了。
需要注意的是「A/B Test」设计之初一定要考虑好后续的归因，也就是能知道哪个地方的调整也可能带来正向效果。
所以，方案有效性的验证方法就是，结合灰度发布和「A/B Test」，再依据我们的北极星指标来评估判断。
哪个方案能给北极星指标带来更多的增长，哪个方案就是优势方案。
在评估出优势方案后，也能进一步验证究竟哪些是用户在决策过程中更关注的因素，我们再去想办法持续的加强它即可。
如果我们的所有方案数据都不太理想，那就要考虑下是否是我们评估出来的「用户决策模型」有问题，或者是产品方案没有解决用户真正关注的因素。
05 写在最后
以上我们以房产租赁类平台为例，介绍了提升转化率的系统方法。
最后，我们再来总结下，整体上可以分为4大步：
其中第1、3步的难度相对大些，第2步次之，前三步完成了，第4步一般可以水到渠成。
核心是要找对方向，找到用户的决策漏斗和决策模型，以上两点找准后，产品方案自然就可以有效的设计出来了，再搭配灰度发布和A/B Test，产品转化率的提升自然更加高效。
在实践中，有时可能需要对用户进行细分，因为不同的用户群体，其决策漏斗可能会有些差异。
实际应用中，我们在确定用户细分规则后，针对每个细分用户群体，分别开展上述2、3、4步即可。
这套方法对于B、C端产品是通用的，B、C端只是客户/用户的决策漏斗和决策模型有所差异，本质相通。
U166871410
中成
