TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

购买意向信号:网站上该追踪什么,怎么打分

网站上八个第一方购买意向信号,一个衡量各信号转化提升的算例,以及一张用你自己的数字建出来的信号对应分数表。

艾玛·柯林斯 发布于 2026 年 11 月 20 日 9 分钟阅读 增长与运营
示例数据:20,000 个访客中 600 人申请演示(3.0%)。访客按最高信号归组;聊天和定价占 15% 的访客,却占 65% 的申请。示例数据

购买意向信号,是在购买或咨询之前、统计上常见的访客行为:看定价页、几天内再次回来、打开聊天、看多个产品页、开始填表。它们的强弱因站点而异,所以要自己量:20,000 个访客的示例里,打开聊天或看了定价页的 15% 访客,贡献了 65% 的演示申请。下面是一张信号表,以及把它变成分数的办法。

读完你会知道

  • 用基础比率衡量每个信号的转化,而不是照抄通用清单
  • 每个访客取其强度最高的信号的分数,不求和,因为信号会重叠
  • 记录信号发生的时间:最近 3 天内看定价页的转化率 14.0%,较早的是 7.6%

什么是网站上的购买意向信号?

购买意向信号,是访客在购买或咨询之前、统计上常见的行为:看了定价页、几天内再次回来、打开聊天、读了对比页或集成页、开始填表。它们之所以重要,是因为买家的大部分调研发生在你看不到的地方。Gartner 2026 年对 646 位 B2B 买家的调查(2025 年 8 至 9 月进行)发现,67% 更喜欢无销售代表的购买体验;其 2025 年的发布发现,73% 会回避发送无关推销的供应商。既然买家自己做功课,又会惩罚错误的时机,他们在你自己网站上留下的信号,就是判断谁准备好了的办法。

这一页讲的是第一方信号,也就是你自己的分析工具记录下来的。第三方意向数据(在网络其他地方的主题调研)是另一类产品,见 销售用的意向数据。这里的目标是一张可以用你自己的数字建出来的「信号对应分数」表,而不是一份泛泛的清单。产生的线索怎么追踪,见 线索追踪。

哪些网站信号显示购买意向?

信号访客做了什么为什么暗示意向注意事项
看定价页打开了定价或套餐页价格是后期才问的问题竞争对手和学生也会看
重复访问7 天内回来过第一次访问后仍在评估包括客服用户和员工
打开聊天发起了对话问了页面没回答的问题愿意聊天的人是自我选择的
产品或集成页看了 3 个或以上在核对是否匹配研究者读得和买家一样多
对比页读了你们的区别在几个选项之间选择往往偏早,且往往匿名
开始填表开始了注册或演示表单目前为止付出最多放弃的表单也是意向,不是失败
来自活动从你发的邮件来你本来就认识来源告诉你是谁,不告诉你是不是时候
登录后的活动使用了产品(试用或免费版)对价值的直接证据只有已识别的用户

这张表的诚实限度就在「注意事项」一列。每个信号都是概率,不是判决,而且每个信号的强弱因站点而异。所以下一节用你自己的数据来算强度。

信号分数(比率,四舍五入)建议的动作
打开聊天25几分钟内回复;价格问题转给销售
看了定价页10在页面上提供帮助;已识别就跟进
7 天内重复访问4展示相关的下一步;加入培育
3 个以上产品页2继续教育;不做销售联系
以上都没有0不要花力气

分数取自示例转化率;每个访客取强度最高的信号,每季度重算。

每个信号有多强?一个算例

示例数据:一个月 20,000 个访客,其中 600 人申请了演示,基础比率是 600 ÷ 20,000 = 3.0%。因为信号会重叠,把每个访客归到他表现出的最高意向信号(聊天,然后定价,然后重复访问,然后产品页),这样各组就不会重复计算:

最高信号访客数演示申请比率相对 3.0% 的提升95% 区间
打开聊天60015025.0%8.3 倍21.7% 到 28.6%
看了定价页2,40024010.0%3.3 倍8.9% 到 11.3%
7 天内重复访问3,0001204.0%1.3 倍3.4% 到 4.8%
3 个以上产品页4,000601.5%0.5 倍1.2% 到 1.9%
以上都没有10,000300.3%0.1 倍0.2% 到 0.4%
合计20,0006003.0%无无

各组加起来是 20,000 个访客和 600 个申请。前两组是 3,000 ÷ 20,000 = 15% 的访客,却贡献了 (150 + 240) ÷ 600 = 65% 的演示申请。这就是要打分的原因:它告诉销售该先联系哪 15%。

提升是比率 ÷ 基础比率。聊天的 8.3 倍最大,也是被自我选择夸大最多的:打开聊天的人本来就更接近申请演示。把它当作聊天带来多少增量的上限,同时把它当作谁已经准备好的非常强的信号。

app.tapcub.com

按最高信号分组的演示申请率

示例,20,000 访客
打开聊天25.0%
看了定价页10.0%
重复访问4.0%
3 个以上产品页1.5%
以上都没有0.3%
示例数据
示例数据:20,000 个访客中 600 人申请演示(3.0%)。访客按最高信号归组;聊天和定价占 15% 的访客,却占 65% 的申请。

怎么把这张表变成分数?

用观察到的比率四舍五入作为分数,一个访客的得分取其强度最高的信号的分数,而不是求和,否则重叠的信号会把同一个意向算两次:

信号分数(比率,四舍五入)建议的动作
打开聊天25几分钟内回复;如果问的是价格或条款,转给销售
看了定价页10在定价页上提供帮助;如果已识别,就跟进
7 天内重复访问4展示相关的下一步;加入培育序列
3 个以上产品页2继续教育;不做销售联系
以上都没有0不要花力气

一个既打开聊天又看了定价页的访客是 25 分,不是 35 分。用留出的对照调整阈值:一个月后,检查得分 10 或以上的访客,转化率是否确实约为 10% 或更高,并且每季度重算比率,因为它们会漂移。

在上线评分之前,为每一档约定响应时间,比如在工作时间内 5 分钟内回复已打开的聊天,一个工作日内跟进看过定价页的人,并把重复访问的人放进每周的培育周期。一个分数如果一两天内没人处理,大部分价值就丢了,本页后面的新鲜度表会说明这一点;没有负责人的一档,只是一份报表。

要多少访客才能信这个比率?

要足够多,使区间窄于相邻档位之间的差距。示例里,聊天的区间 21.7% 到 28.6% 明显高于定价的 8.9% 到 11.3%,所以排名站得住。如果聊天组只有 40 个访客、10 个申请,同样的 25.0% 区间大约是 14% 到 40%,宽到与定价的范围重叠。不到约 100 个访客,把比率当线索。合并两周的数据,不要把一个月拆成天。

信号有多快过期?

信号会随时间贬值,所以要记录它发生的时间,而不只是发生过。把示例里 2,400 个看了定价页的访客,按他们在月底前多久看的定价页拆开:

看定价页的时间访客数演示申请比率
最近 3 天内90012614.0%
4 到 14 天前1,5001147.6%
全部看过定价页的人2,40024010.0%

各行加起来是 2,400 个访客和 240 个申请。新鲜的定价页浏览,价值大约是较早那种的两倍(14.0% 对 7.6%),所以合理的规则是:短窗口内给满分,之后给得少,比如 3 天内 10 分,14 天内 5 分。截止天数要根据你自己的销售周期来选:一次会话就能买的产品需要几小时,有采购流程的需要几周。

哪些信号会误导人?

  • 把你自己的团队和客户也算进去。 排除内部流量和现有客户,否则重复访问和文档这两个信号会被夸大。
  • 把一个信号当成一个买家。 一个匿名访客看一次定价页,示例里是 10%,这也意味着 90% 不会申请演示。
  • 把重叠的信号相加。 用强度最高的那个,或者把组合当作单独的一组来测试。
  • 把聊天当作聊天有效的证据。 自我选择会夸大差距;要和相似的访客比较。
  • 忽略从不表现出信号的买家。 Gartner 2025 年的发布发现,69% 的买家注意到卖方网站和销售代表说法不一致,所以不一致可能在任何信号出现之前就终止了评估。
  • 从不重算。 去年的评分表反映的是去年的定价页和流量。

在 TapCub 里怎么捕捉这些信号?

以上面的示例为例。在 TapCub 里:

  1. 衡量信号。 定价页和产品页的浏览来自 网站统计 › 页面;新访客和回访访客来自 网站统计 › 受众;打开的聊天来自 客服 › 客服工作台。在 网站统计 › 目标 里为演示申请设一个目标,这样就能算出每个信号的转化率。
  2. 比较聊过和没聊过。 客服 › 客服报表 › 转化归因 对比聊过和没聊过访客的目标转化,聊过的少于 30 人时提示样本太少,并列出对话从哪些页面开始。
  3. 知道他们是谁。 如果你的产品有登录,调用 tapcub.login;这个人就会出现在 全端分析 › 用户 › 用户 里,有按天排列的行为时间线,客服也知道对方是谁,不用再问邮箱。
  4. 定义分组。 在 全端分析 › 用户 › 分群与标签 里,建一个规则分群,比如「近 7 天做过定价页浏览,且没做过申请演示」;只限已识别的人,匿名访客不会进入分群。
  5. 打开访客。 在聊天里,侧栏显示来源、最近 2 天的页面和过去的对话,一键就能打开访客档案。

TapCub 不给线索打分,也不把线索推送到 CRM;它记录信号并显示每个信号的转化,让你自己来定分数。

FAQ

购买意向信号有哪些例子?

查看定价页、几天内再次回来、打开聊天、读三个或以上产品或集成页、开始填表、从你发的活动进来、使用免费版或试用。强弱因站点而异,所以要用你自己的转化来衡量每一个。

怎么在网站上识别购买意向?

记录转化之前的页面浏览和事件,算出每个信号相对基础比率的转化率,然后排序。示例里,打开聊天的转化率是 25.0%,看定价页是 10.0%,基础比率是 3.0%。

第一方和第三方意向数据有什么区别?

第一方数据是访客在你自己网站上做的事,由你的分析工具记录。第三方意向数据来自网络其他地方的行为,由数据供应商收集。这一页讲第一方信号;另一类在意向数据的文章里讨论。

购买意向信号对 B2C 有用吗?

有用。一个看了三次商品页、加入购物车、第二天又回来的购物者,同样显示意向;信号不同(购物车、心愿单、查价),但把每个信号对照基础比率来衡量的方法是一样的。

应该给几个信号打分?

三到五个。再多,信号就会重叠,表也很难维护。从聊天、定价和重复访问开始,只有当新增的信号能区分会转化和不会转化的访客时,才再加一个。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

艾玛·柯林斯

产品分析师

聚焦事件分析、转化漏斗与用户留存,用清晰的指标定义和分析框架解释产品表现。

看看哪些信号出现在转化之前

页面、受众和目标报表,聊过与没聊过的转化,以及每个对话旁一键打开的访客档案。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie