转化率优化(CRO)是通过找出访客在哪里流失、测试修复办法并保留有效改动,提高完成目标的访客比例。这个循环有六步(衡量、找漏点、诊断、排优先级、测试、决策),最关键的是第四步:在示例漏斗里,按预期增量购买给四个想法排序,运费提示(每月 180 单)排在商品页改版(90 单)之前。
读完你会知道
- CRO 是六步循环;排序这一步决定结果,因为流量限制了你一个季度只能跑几个测试
- 按「该步骤人数 × 步骤转化率 × 预期提升 × 之后购买的比例」排序:示例里分别是 180、144、90 和 54 个增量购买
- 错误和缓慢要修,不要测;每个测试事先算好样本(运费想法 2.3 周,速度 23 周),并在开始前写好决策规则
什么是 CRO?转化率怎么算?
转化率优化(CRO)是这样一套做法:找出访客在哪里流失,测试一种修复办法,只保留确实有效的改动,从而提高完成某个目标动作的访客比例。转化率本身就是转化数除以访客数。示例数据:一个月内 60,000 名商品页访客产生 1,800 个订单,是 1,800 ÷ 60,000 = 3.0%。「访客」这个词很关键:如果有人回访,除以会话数得到的数字会比除以独立访客数低,所以每次测试都要选定同一个分母并一直用下去。单独看定义,见转化率优化。
CRO 是一个循环,不是一堆小技巧的清单。每一轮的形状都一样:衡量、找到最大的漏点、弄清原因、测试一个修复、做决定,并记下学到了什么。本文余下部分用你能复算的数字走完一轮。
CRO 循环有哪些步骤?
| 步骤 | 回答的问题 | 产出 |
|---|---|---|
| 1. 衡量 | 现在的转化率是多少,针对哪个目标? | 带日期范围和分母的基线 |
| 2. 找漏点 | 哪一步流失的人最多? | 标出最大流失的漏斗 |
| 3. 诊断 | 人们为什么在那里离开? | 证据:原因、回放、客服问题、速度数据 |
| 4. 排优先级 | 哪个想法最值得先测? | 按预期增量转化排序的清单 |
| 5. 测试 | 这个改动有用吗? | 事先定好样本后得到的带区间结果 |
| 6. 决定并记录 | 上线、迭代还是放弃? | 假设和结果的书面记录 |
多数指南停在「什么都测一测」。能让一个项目持续累积而不是原地打转的是第 4 步:流量有限,一个季度只能跑几个测试,所以顺序比数量更重要。
怎么在漏斗里找到最大的漏点?
把从起始页面到购买的各步骤放进漏斗,看每一步到下一步的转化率。示例数据:一家网店一个月的数据。
| 步骤 | 访客数 | 步骤转化率 | 占进入者比例 |
|---|---|---|---|
| 商品页 | 60,000 | 全部 | |
| 加入购物车 | 6,000 | 10.0% | 10% |
| 开始结账 | 3,000 | 50.0% | 5% |
| 完成购买 | 1,800 | 60.0% | 3% |
商品页到购物车这一步按人数计流失最多(54,000 人),但这很正常:多数访客只是在浏览。值得检查的漏点,是人们已经表现出意向的地方。购物车到结账只留住 50%,所以有 3,000 个购物车被放弃,结账到购买又少了 1,200 人。结账是修复回报最快的地方,因为那里的每个人都已经选好了商品。
Baymard Institute 对 2006 到 2025 年发表的 50 项研究做的汇总,把已记录的平均购物车放弃率定为 70.22%,所以这份样本算典型,而不是异常:6,000 个购物车里有 1,800 个以购买结束,也就是 70% 被放弃。重要的是原因。
商品页 → 完成购买
示例一个月商品页
60,000
加入购物车
6,000
开始结账
3,000
完成购买
1,800
人们为什么离开?每个原因对应什么测试?
Baymard 还列出了美国网购者放弃订单的原因(不含「只是看看」)。每一项都对应一个可测试的改动:
| 购物者给出的原因(Baymard) | 占比 | 测试思路 |
|---|---|---|
| 额外费用(运费、税、手续费)太高 | 40% | 在商品页或购物车页更早显示总价 |
| 送达太慢 | 20% | 标明送达日期;增加更快的选项 |
| 不信任网站、不敢填银行卡 | 19% | 在支付字段附近放信任标识 |
| 被要求创建账户 | 18% | 增加游客结账 |
| 结账太长或太复杂 | 17% | 减少字段;显示进度 |
| 网站出错或崩溃 | 17% | 直接修复,不用测试(见下面的速度部分) |
| 退货政策不满意 | 13% | 把退货政策放进购物车 |
占比是选择了该原因的受访者比例;受访者可以多选,所以加起来不会正好是全部。用这份清单产生假设,再用你自己的数据确认:看看漏斗里被放弃的购物车是否集中在某些来源、设备或国家,客服收到的问题是否也提到同样的原因。
怎么按漏斗流失和流量给测试想法排序?
按每月预期增加的购买数排序:该步骤的人数 × 步骤转化率 × 你预期的相对提升 × 这些人后续走到购买的比例。示例数据,沿用上面的漏斗;提升幅度是假设,请换成你自己的估计。
| 想法 | 步骤 | 人数 | 转化率 | 假设提升 | 该步骤多出的人 | 多出的购买 |
|---|---|---|---|---|---|---|
| 在购物车里显示运费 | 购物车到结账 | 6,000 | 50.0% | +10% | 300 | 180 |
| 增加游客结账 | 结账到购买 | 3,000 | 60.0% | +8% | 144 | 144 |
| 新的加入购物车区域(送达承诺、按钮文字) | 商品页到购物车 | 60,000 | 10.0% | +5% | 300 | 90 |
| 提升商品页速度 | 商品页到购物车 | 60,000 | 10.0% | +3% | 180 | 54 |
「多出的购买」这一列,是把每一步多出的人乘以从那里走到完成的比例:300 个多出的结账 × 60% = 180 个购买;300 个多出的购物车 × 30%(1,800 ÷ 6,000)= 90。排序是 180、144、90、54。受众最大的商品页改版排第三,因为在低转化率的步骤上小幅提升,得到的购买数不如在意向已经很高的地方适度提升。
排序后再做一次可行性检查:需要开发六周的想法,即便排得靠前也要往后挪。再加一个置信度说明:有两种数据支撑的想法(放弃原因加上你自己的客服工单),排在只凭意见的想法之前。
| 想法 | 步骤 | 假设提升 | 每月增量购买 | 测试周数 |
|---|---|---|---|---|
| 在购物车里显示运费 | 购物车到结账 | +10% | 180 | 2.3 |
| 增加游客结账 | 结账到购买 | +8% | 144 | 4.6 |
| 新的加入购物车区域 | 商品页到购物车 | +5% | 90 | 8.4 |
| 提升商品页速度 | 商品页到购物车 | +3% | 54 | 23.0(直接上线,不测试) |
示例数据:60,000 名商品页访客、6,000 个购物车、3,000 次结账、1,800 个购买;提升为假设;周数按该步骤的月流量、两个版本、80% 检验效能计算。
速度要测试,还是直接修?
先修。谷歌委托德勤做的研究「Milliseconds Make Millions」,在 2019 年底对 37 个欧美品牌网站、超过 3,000 万次用户会话监测了 30 天,发现移动端速度提升 0.1 秒,零售转化率提高 8.4%,旅游转化率提高 10.1%。8.4% 这个数字来自特定的一组网站和时间,不会原样适用于你,但方向足以说明:明显的缓慢应当当作缺陷来处理。
谷歌的 Core Web Vitals 给出目标:最大内容绘制在 2.5 秒内,下一次绘制的交互延迟(INP)不超过 200 毫秒,累计布局偏移(CLS)不超过 0.1,都按页面加载的第 75 百分位衡量。如果你的页面没达标,先修这个,再去设计文案或版式测试。算术也不支持去测它:在上面的排序里,速度这一项要在 10% 的步骤上检测 +3% 的提升,每个版本约需 159,000 名访客,也就是商品页全部流量 23 周。直接上线修复,比较前后的指标,并把它当作观察性对比。
选中的测试需要多少流量和时间?
拿排在最前的想法:在购物车里显示运费,把购物车到结账从 50.0% 提到 55.0%(+10%)。双侧 5% 显著水平、80% 检验效能,用标准的双比例公式得出每个版本 1,565 个购物车,合计 3,130。按每月 6,000 个购物车(每周约 1,381 个),需要 2.3 周。Evan Miller 的经验公式 n = 16σ²/δ²,取 σ² = 0.5 × 0.5、δ = 0.05,得 1,600,与精确值相差不到 3%。
再看排第二的想法:游客结账,60.0% 到 64.8%,每个版本需要 1,598 人,按每月 3,000 次结账需要 4.6 周。第三个,加入购物车区域,每个版本需要 57,763 人,占满商品页全部流量要 8.4 周。于是这个季度的计划就清楚了:先做运费(2.3 周),再做游客结账(4.6),然后是商品页区域(8.4),合计约 15 周,而速度工作作为修复并行上线。
两条规则保护结果。事先确定样本量和指标;结果只在最后读一次。在 Evan Miller 的模拟里,测试一旦首次达到 5% 显著(或达到 150 次观察)就停,新版本其实没有任何作用时,仍有 26.1% 的概率宣布有赢家。
怎么决策并记录结果?
用测试之前写好的规则,而不是测试之后。
| 结果 | 决定 |
|---|---|
| 区间在零之上,且提升不低于值得改动的幅度 | 上线,然后观察指标两周 |
| 区间包含零 | 没有效果的证据:不要凭希望上线;迭代这个想法或放弃 |
| 区间在零之下 | 回退;记下可能失败的原因 |
| 主指标上升但下一步下降 | 当作失败;护栏指标说了算 |
每个测试记六件事:假设、背后的证据、指标和分母、样本量、日期(注明活动和节假日),以及带区间的结果。一年的记录能告诉你哪类改动在你的网站上有效,也避免下一个人把同一个想法再测一遍。
怎么在 TapCub 里跑一轮 CRO 循环?
TapCub 提供循环里的衡量这一半。它不分流量,也不做 A/B 测试,所以用你的测试工具来给出不同版本,用 TapCub 找漏点、读结果。
- 在 网站统计 › 目标 里定义目标(与 全端分析 › 经营分析 › 目标 是同一份数据)。转化率的分母是所选日期内的独立访客,分母问题一开始就解决了。
- 在 全端分析 › 行为分析 › 行为分析 里建漏斗:最多 20 步,每步是一个事件或页面路径,转化窗口默认 7 天。结果显示人数、相对第一步和相对上一步的转化率、流失以及中位用时,并标出最大的流失。在示例里,它会标出购物车到结账。
- 诊断漏点。按来源或设备拆分漏斗,并在这一步看回放或热力图(会话回放默认关闭,需要手动开启)。
- 在 配置 › 日期标注 里标出每一次改动,以及测试的开始和结束日期,避免以后误读趋势。
- 按来源和设备读目标在改动前后的转化。除非你的测试工具对流量做了随机分配,否则把这个比较当作观察性对比。
常见问题
CRO 是什么的缩写?
CRO 是 conversion rate optimization(转化率优化)的缩写:通过调研和经过测试的改动,提高完成某个目标(比如购买或注册)的访客比例。它的重点是从现有流量里获得更多,而不是购买更多流量。
转化率怎么计算?
转化数除以访客数再乘以 100。样本里 60,000 名访客产生 1,800 个订单,就是 3.0%。要始终使用同一个分母(独立访客或会话),因为两者得出的数字不同,混用会破坏比较。
转化率多少算好?
没有统一的基准;不同行业、设备、流量来源和优惠,转化率都不同。用你自己的基线,比较同一个漏斗步骤随时间的变化。比「3.0% 好不好」更有用的问题是:「在意向相近的人群里,我们漏斗的哪一步最低?」
CRO 测试要跑多久?
跑到事先算好的样本量。样本里,运费测试大约需要 2.3 周,加入购物车区域需要 8.4 周。要跑满整周,也不要在第一次出现显著结果时就停。
CRO 应该从哪里开始?
从转化之前的那个漏斗步骤开始,比如购物车和结账,那里的访客已经表现出意向。先修错误和缓慢,再按预期增量转化排序,测试各个想法。
资料来源
- Baymard Institute. Cart Abandonment Rate Statistics:50 项研究(2006 到 2025 年)的平均值 70.22%,以及美国购物者给出的原因清单。2026-11-20 核对。
- 德勤与 55,为 Google 所做。Milliseconds Make Millions:37 个品牌网站、超过 3,000 万次会话;移动端速度快 0.1 秒使零售转化率提高 8.4%。2026-11-20 核对。
- Google. Web Vitals:LCP 2.5 秒、INP 200 毫秒和 CLS 0.1 的阈值(第 75 百分位)。2026-11-20 核对。
- Miller E. How Not To Run an A/B Test:26.1% 假阳性的例子和 n = 16σ²/δ² 经验公式。2026-11-20 核对。
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。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

