第31講 通過理解業務場景厘清數據之間的關系

上一講我們提到了將數據還原到業務場景中去。本講來聊一聊數據之間的關系。從數據看行為，通常要將兩個或多個指標聯系起來看，其中不僅涉及量指標，還涉及一些率指標。

1.通過數據之間的關系來看店鋪的優秀性和合理性

（1）曝光和點擊的關系：點擊率。

點擊率反映的是點擊對曝光的轉化能力，點擊率越高，說明對曝光的轉化效果越好。當曝光量達到一定的量級之后，如曝光量在50次以上時，合理的點擊率通常為0～10%，超過了則要問問是真的特別優秀，還是數據異常所致。然后對比訪客量、詢盤量等指標，來看流量效果整體的合理性，將其還原。對于點擊率過低的現象，也需要在開始就養成思考問題的習慣，是價格太貴，還是主圖不行。通過優化點擊率可以幫助我們在展現量不變的情況下，獲得更多的點擊量。

（2）點擊和訪客的關系：點訪率。

點擊和訪客的關系通常是成正比的關系，點擊量越高，店鋪訪客往往也越多。對于大多數店鋪來說，訪客量是要高于點擊量的。因為點擊量的統計渠道僅僅是搜索渠道，而訪客量的統計渠道則是全渠道，除搜索渠道外，還有場景、站外等渠道，所以訪客量的數值通常高于點擊量。

另外，根據訪客量和點擊量的數值，我們還可以從中推斷一下搜索渠道的訪客占比。通常一個訪客只對應一個點擊，當然也有一個訪客對應多個點擊的情況。我們姑且算一個大眾值，也就是按一個訪客平均對應1.5個點擊，即每個訪客點擊搜索產品鏈接的次數是1.5次，可以還原出搜索渠道帶來的訪客量大約是點擊量除以1.5這樣一個數值。用總訪客量減去搜索帶來的訪客量，剩下的則是非搜索渠道帶來的訪客量。

（3）訪客和訪問次數的關系：訪問深度。

訪問深度反映的是一個訪客通常會訪問多少個頁面，訪問深度越深，說明店鋪布局越好。以大多數店鋪為基準，平均一個訪客訪問頁面的個數為3個左右是正常值。過高或過低都是不常見的形態。所以在查看店鋪數據時，也可以以此指標作為識別店鋪布局好壞以及評判數據是否合理的參考。

（4）訪客和咨詢量的關系：咨詢轉化率。

咨詢轉化率反映的是對進店流量的轉化能力，通常進入店鋪的訪客量越大，咨詢量即詢盤量和TM咨詢量也就越多。合理的咨詢轉化率為0～30%。當訪客量達到一定量級，如訪客量超過30人時，合理的咨詢量應該為0～10個，高于這個值的時候也要打一個問號，結合客戶詢問的內容、觀察進店客戶的質量去檢查數據是否出現了異常。咨詢轉化率在一定程度上代表著店鋪發展的質量。

（5）訪客和訂單量的關系：訂單轉化率。

訂單轉化率反映的是進店訪客中下單的比例，其中有咨詢下單和非咨詢下單兩種情況。咨詢下單是指買家通過向商家發起詢盤或TM咨詢后，通過與業務員溝通完成下單。咨詢量與咨詢下單量的比例可以反映出業務員對咨詢客戶的轉化水平，是商家需要重視的一個指標。針對咨詢訂單轉化率過低的情形，商家可以加強業務員的培訓、培育出良好的工作流程，從而提升進店訪客的訂單轉化率。對于直接下單率，即買家不經過咨詢商家直接完成下單的比例，則根據行業的不同有所不同。對于適合直接下單產品的品類來說，好的產品價格和視覺設計更容易引起客戶直接下單完成交易。

2.用案例形式對上述指標的關系問題做一個思維演練

案例1：某店鋪在某一個周期內，后臺截圖的數據顯示曝光量為200次、點擊量為5次、訪客量為7人、訪問次數為19次、詢盤量為80個、TM咨詢量為3個。問：如何看待這家店鋪？

遵從上面的剖析，我們將其還原到具體的業務場景。曝光量為200次，點擊量為5次，點擊率為2.5%。系統展現了200次，被點擊5次這個行為沒有問題。繼續分析，訪客量為7人，如果點擊量是5次，那么點擊所對應的訪客應該是3～5人，7個訪客中，包含搜索渠道3～5人、搜索之外的渠道2～4人，這個配比也是合理的。再往后，7個人訪問了19次頁面，平均一個人訪問2.7個頁面，也是正常值。繼續往后，7個人發了80個詢盤，到這里我們發現數據出現了異常，這里畫一個問號。通常一個人也就發一兩個詢盤，即便在客戶多發的情況下，平均下來也不至于每一個人都發十幾個詢盤，這是一個明顯的異常值。接著看，TM咨詢量是3個，與詢盤量差異懸殊，也就是說，這份數據中大部分的訪客都發起了詢盤咨詢，但是幾乎沒人發起TM咨詢。

我們很快可以從整體數據中意識到，這3個TM咨詢來自那7個訪客。這里面涵蓋了一些正常買家。通常情況下，詢盤和TM咨詢的比例應該是差不多的，根據不同行業這個比例會稍有不同，且通常比例最高不超過3：1。這意味著這80個詢盤中，大約有2～5個是真實的詢盤，而其余的詢盤可能是通過人為干預方式制作的虛假詢盤，否則很難解釋為什么每個人都發起大量的詢盤，以及為什么這些人都只發起詢盤，而不發起TM咨詢的現象。所以，這些數據很大可能就是人為操作的虛假數據。這是通過厘清數據之間的關系來識別店鋪的優秀性和合理性的。

案例2：某店鋪在某一個周期內，后臺截圖的數據顯示曝光量為200次、點擊量為5次、訪客量為300、訪問次數為530次、詢盤量為30個、TM咨詢為45個。問：如何看待這家店鋪？

還是依照上面的分析思路，先從曝光到點擊來看。頁面展現200次，被點擊5次，比較合理。然后看點擊量和訪客量的關系，5個點擊通常是由3～5個訪客產生的。也就是說，大量的訪客不是來自搜索渠道，而是來自搜索之外的渠道。

接著再往后看，300個人訪問了530個頁面，平均每一個人訪問了1.7個頁面，算不上優秀，但也合理。繼續往后，這300個訪客發起了30個詢盤和45個TM咨詢，從咨詢轉化率和詢盤TM占比分布上看也是合理的。那么怎么評價這家店鋪呢？

其實這是一個真實的例子，在一次交流討論上，有一個學員提到通過某種手段做搜索權重提升排名，效果很好，從而在短期內大幅度提升了數據。大家對此討論頗有興趣，筆者當時根據數據還原到實際的業務場景中去，很快就指出了這絕對不是剛剛所說的提升搜索權重的方法導致的。因為從數據上看，其大部分流量效果來源于非搜索渠道，而提升排名手段、提升權重手段也僅在搜索渠道內產生影響，并不足以實現這樣的數據。而后通過結構化拆解流量結構，分析后臺流量來源數據也發現，這是活動所帶來的流量效果。

將數據還原到行為，不僅可以分析各項指標的優秀性，還能從中識別數據的合理性，在眾多“黑科技曬數據”的玩法中，也能夠減少一些盲目跟從行為，少走彎路。這是一項需要刻意練習的能力，大家不妨平時多注意一些異常數據，收錄到自己的知識庫中，這其實是一件很有趣味的事情。