轉換率是衡量行銷活動成效的重要標準之一，英文即Conversion Rate。它的應用範圍非常之廣，購物網站的轉換率目標是獲得更多訂單，問卷調查的轉換率目標是獲得更多填寫的問卷⋯⋯轉換率越高，則意味著在獲得同樣的流量中能夠獲得更多的商業利益。

提升轉換率是每一個老闆、行銷人、網站設計人員和相關業務人員需要重點投入的工作。那麼今天，我們就為你詳細解讀，什麼是轉換率？怎麼分析轉換率？如何快速製作行銷漏斗圖以定位轉換率的可優化之處？文中還會附上詳細的轉換率案例分析。

本次範例使用了自助式BI工具FineBI，它簡單易用，只需拖拽操作即可進行數據分析。FineBI還擁有豐富的可視化和智能圖表功能，是業務小夥伴進行轉換率數據分析的神器！快點擊下方試用按鈕，和軟妹一起製作轉換率分析漏斗圖，開始今天的資料分析之旅吧~

轉換率（Conversion Rate，CVR）指用戶到達網站之後，達成網站目標的概率。

如果是電商購物網站，那麼可以使用完成付款做為轉換目標。例如，有100個用戶來到網頁，其中有10個人完成付款，那麼這個網頁的轉換率就是10%。

如果網站是以讓用戶填寫詢價表單，留下聯繫方式為目標，那麼用戶來到網站後，按照流程填寫完詢價表單即為完成轉換目標。

需要完成的轉換目標可以是「訂閱電子報」、「預約服務」、「下載軟體」⋯⋯等等，只要是網頁想達成的目標都可以作為轉換目標，用戶進行轉換的概率即為轉換率。

轉換率（conversion rate） = 轉換目標達成的次數 ÷ 網頁訪客數 * 100。轉換率的單位是百分比（％）

根據不同的轉換目標和行銷目標，轉換率的計算方法也有所不同，比如：

• 電商網站購買頁面的轉換率（％）=完成購買的人數 ÷ 頁面訪客人數 * 100
• 廣告投放轉換率（％）=轉換目標人數 ÷ 從該廣告進站的訪客人數 * 100
• 購物車轉換率（％）=加入購物車的人數 ÷ 訪客人數 * 100

那麼，請開發人員在網站上進行埋點和資料統計後，拿到了一堆轉換率相關資料，我們應該如何對轉換率進行資料分析呢？

轉換率代表著目標客群因應網站的行銷活動進行行動的比例，因此在品牌或產品的行銷歷程中，每一個環節對提升轉換率都至關重要。只要有一個環節的轉換率提升一倍，那麼最終的轉換結果就能提升一倍。因此，降低行銷漏斗中每一次的客戶（流量）流失，提升每個環節的轉換率，是為提升最終轉換率的關鍵。

轉換率漏斗即從用戶的進入網站後的消費過程開始，從瀏覽商品、搜尋商品、加入購物車、生成訂單、款項支付、交易成功⋯⋯層層漏斗最終篩選出了精準的客戶群。最佳轉換率即從用戶進入網站開始，到最後的結賬過程，每次動作都能最大化地留住大多數客戶，提升最終成功的訂單數。

我們使用大數據自助分析軟體FineBI來進行轉化率漏斗的分析，FineBI是一款非常強大而靈活的資料自助分析軟體，擁有強大的資料處理能力。

它能幫助業務人員快速進行資料分析，讓業務人員能充分瞭解並利用他們的數據，輔助決策、提升業務。如圖即為使用FineBI搭建的轉換率分析儀表板。

說了這麼多理論，想必大家對如何製作轉換漏斗圖已經心裡有數了，下面就用一個例子帶大家進行一番實操演練，詳細演示使用FineBI製作轉換率商業模式視覺化分析報告的整個流程~

點擊下方按鈕，一起開始製作今天的轉化漏斗圖吧~

FineBI具有非常強大的資料準備功能，支援超過30種以上的數據庫表和SQL數據源，支持Excel、txt等文件資料集，支持多維資料庫、程序資料集的等各種數據源，適用於對實時性要求較高的資料分析場景。

我們將作為範例的電商資料以Excel的格式上傳FineBI後，找到 FineBI 資料集「電商轉化分析」，並用它建立自助資料集，如下圖所示：

在FineBI中，資料處理也十分便捷，通過FineBI中的過濾合併計算等功能，完全不需要寫SQL語句或者是其他代碼，就能快速進行資料的處理。

我們先來統計不同行為階段使用者人數，點選「+  > 分組彙總」，將行為階段分別拖入分組和彙總欄，彙總欄選擇「記錄個數」。

再對所有的使用者的轉換行為的前後順序進行排序。

新增「新增欄」功能，命名為「排序合併列」，輸入公式：排序-1，以便後續進行左右合併，點選「確定」，為自助資料集表命名為「轉化率資料集-準備」並儲存，如下圖所示：

之後，再需要計算出不同階段轉化資料。

建立自助資料集，並選擇2.3節建立好的自助資料集，勾選除「排序」外的其他欄位，如下圖所示：

新增「左右合併」，選擇2.3節建立好的自助資料集，勾選合併欄位為「排序」和「行為階段1」，點選「確定」，如下圖所示：

選擇合併方式為「並集合並」，合併依據為「排序合併欄」和「排序」，如下圖所示：

命名自助資料集為「轉化漏斗圖資料」並儲存。

此時已經計算出不同階段轉化資料，只需要在儀表板介面將「行為階段1」與「行為階段11」相除即可得到不同階段轉化率。

最後，建立計算欄位即可。

建立儀表板，點選「確定」，選擇「轉化漏斗圖資料」，點選「確定」，如下圖所示：

點選「+」新增計算欄位，命名欄位為「轉化率」，輸入公式行為階段1/行為階段11，點選「確定」，如下圖所示：

FineBI支援50多種圖表樣式，基本上涵蓋了市面上所有基礎類、高階類的圖表，並且還具有優秀的動態效果和強大的交互體驗。在使用時能夠根據需求設定各類特性，並且在行動端、LED大屏也能自我調整展示。

在這裡，我們使用漏斗圖來呈現上一步處理完的資料，來呈現各個轉換環節的轉換率：

選擇圖表型別為漏斗圖，將「行為階段」維度欄位拖入「顏色欄」，也可對行為階段顏色進行自訂，並設定過濾條件為「不為空」，點選「確定」，如下圖所示：

將「行為階段1」拖入大小欄中，並修改名稱為「人數」，將「行為階段」、[轉化率]、「行為階段1」拖入標籤欄，修改「行為階段」名稱為「最後行為階段」，並設定顏色字體等，將「行為階段」拖入細粒度，並按照[人數]降冪排列，如下圖所示：

最終，一張反映各環節轉換率的漏斗圖就製作完成了。

使用FineBI製作漏斗圖是不是很簡單呢？但是紙上得來終覺淺，要想熟練掌握數據視覺化技巧還是要多實踐。趕快點擊下方圖片，親自動手製作一張轉化漏斗圖進行數據分析實操吧！

通過最終完成的轉換率漏斗圖，我們分析可得到以下結論：

1）使用者從瀏覽商品行為到新增購物車行為這一流程，其轉換率為51.22%，反映出該平臺的商品介紹、圖片描述等對使用者有較強的吸引力；

2）新增購物車到下單的轉換率較高，高達99.66%；

3）但付款的轉換率只有50.34%，這是一個值得反思和優化的轉換率節點；

4）通過資料分析猜測該平臺商舖支付渠道不完善，需要增加例如支付寶、PayPal等快捷支付渠道，降低平臺因為沒有提供使用者習慣性的支付渠道而導致使用者放棄購買行為的機率。

除了漏斗圖，在FineBI建立的儀表板中，可以靈活使用多種圖表的結合來進行自主資料分析，FineBI具有極高的自由度，可進行多維度多層級的資料探索分析。

比如，在下面這張儀表板中，除了使用剛才製作的漏斗圖，又結合了折線圖、圓餅圖、長條圖來更詳細地對轉換環節的各個維度進行資料分析。

點擊圖片可查看Demo 

文中使用的電商範例資料和更詳細的操作步驟詳見操作文檔。

轉換率能夠作為衡量網站行銷手段的標準，我們可以觀察每一個轉換環節的轉換率，是否有增長或者是降低，來調節每一個階段的行銷策略，進行持續的優化。

至於說轉換率多少算高這個問題，實際上並沒有標準答案，不同轉換環節的轉換率會隨著行業的領域、產品的類型、網頁的設計、廣告投放的素材、行銷手段的不同而有所不同。建議使用資料分析軟體，如FineBI，製作資料分析的面板，時刻關注各環節的轉換率的波動情況。透過對資料的分析，對每個環節進行逐步調整與提升，並分階段進行檢查，才能最終優化並得到改善。

對轉換率的詳細解讀就到這裡，點擊下方圖片即可免費試用強大的大數據軟體FineBI，幫助你快速進行資料分析，優化業務，提高轉化率！