我们重点介绍了 Microsoft Clarity,它是一款由真正了解像 Switas 这样的公司所面临挑战的产品开发人员,以实际应用场景为导向打造的产品。诸如“愤怒点击”和 JavaScript 错误跟踪等功能,在识别用户痛点和技术问题方面发挥了至关重要的作用,从而能够进行有针对性的改进,直接提升用户体验和转化率。
流失率是指在完成特定流程(例如结账流程、注册表单或多步骤申请)之前放弃该流程的用户百分比。它通常在流程的每个步骤进行计算,显示到达该步骤的用户中有多少比例没有继续进行到下一步。这与简单的跳出率不同,跳出率仅衡量单页退出,而没有体现流程的顺序或进度。例如,如果 1,000 名用户开始一个三步结账流程,其中 700 名用户到达了第二步,则第一步到第二步之间的流失率为 30%。这个数字可以立即告诉团队,流程中哪个环节最需要关注,而不仅仅是流程中哪个环节感觉缓慢。流失率也可以用它的倒数——步骤完成率来表示。在报告中,这两种表示方法通常会并排显示,以便审查流程的利益相关者可以立即看到每个步骤的留存率和流失率。
这项指标至关重要,因为它能精准定位流程中用户流失的具体环节,而不仅仅是报告整个转化漏斗的总体转化率。例如,一个整体转化率高达 40% 的结账流程,很可能大部分潜在客户都流失在某个特定的摩擦点,比如意外的运费显示过晚、强制性的账户创建步骤,或是令人困惑的支付表单字段。而步骤级别的流失分析恰恰能将这些具体问题清晰地呈现出来,而不是隐藏在单一的综合数据之中。如果缺乏这种细致的分析,团队往往会纠结于体验中的错误环节,不断优化那些并非真正问题所在的地方,而真正的瓶颈却可能几个月甚至整个季度都无人问津。
通常使用基于事件的分析工具来追踪流失率,例如 Google Analytics 4 的漏斗探索报告、Mixpanel 或 Amplitude。这些工具要求将流程中的每个步骤都视为一个独立的事件或页面浏览,以便准确计算每个步骤的留存率。除了这些量化报告外,通常还会使用会话录制工具来观察流失用户的实际会话,从而揭示一些定性原因,例如表单字段损坏、错误消息令人困惑或页面加载缓慢等,而这些原因仅凭原始数据无法解释,无论报告的粒度有多细。分析师通常会将超过 20% 到 25% 的每个步骤流失率视为需要深入调查的信号,但可接受的阈值会因行业、价格点以及所衡量流程的固有复杂性而有很大差异。高考虑性购买自然比低成本的冲动性交易更能容忍更高的放弃率。
一个常见的错误是将流失率视为绝对的坏事,并试图将其完全消除;事实上,每个环节都存在一定程度的流失是正常且预期的,因为并非每个开始流程的访客在当时都是合格或真正准备好购买的买家。另一个陷阱是将流失率与流量质量割裂开来分析,因为流失率的突然飙升可能反映的是访客构成的变化,例如新的广告活动带来了质量较低的流量,而不是流程本身出现了真正的新问题。为了避免得出错误的结论,并试图修复一个实际上并不存在于底层体验中的问题,必须按流量来源、设备类型以及新访客和回访访客的身份对流失率进行细分。例如,比较滚动窗口内的流失率(例如,每周而非单日)也有助于在较小的数据集中区分真正的退步和日常波动。
In CRO 在工作流程中,用户流失率分析通常是确定测试漏斗哪个环节优先级的起点,因为相对于其流量而言流失率最高的环节通常代表着最大的潜在收益挽回机会。咨询顾问会利用用户流失率分析构建一个摩擦点排名列表,通过用户测试或会话录制来验证疑似原因,然后设计有针对性的实验,例如简化表单、提前明确定价或在支付字段附近添加信任信号,旨在降低特定环节的用户流失率,而不是对整个用户体验进行大范围、无目的的更改,而没有明确的理论依据来判断哪些因素能够有效降低流失率。
我们重点介绍了 Microsoft Clarity,它是一款由真正了解像 Switas 这样的公司所面临挑战的产品开发人员,以实际应用场景为导向打造的产品。诸如“愤怒点击”和 JavaScript 错误跟踪等功能,在识别用户痛点和技术问题方面发挥了至关重要的作用,从而能够进行有针对性的改进,直接提升用户体验和转化率。