TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

CRO 转化率优化:逐步循环与一份可复算的测试计划

把转化率优化当作六步循环:找到漏斗里最大的漏点,按预期增量购买给测试想法排序,算出每个测试的样本和周数,并用事先写好的规则做决定。

林舟 发布于 2026 年 11 月 20 日 10 分钟阅读 数据分析
示例数据:60,000 名商品页访客,6,000 个购物车(10.0%),3,000 次结账(占购物车 50.0%),1,800 个购买(占结账 60.0%),整体 3.0%;70% 的购物车被放弃,接近 Baymard 的 70.22% 平均值。示例数据

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6,00010.0%10%
开始结账3,00050.0%5%
完成购买1,80060.0%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。

app.tapcub.com

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

3,000 个购物车没有走到结账:最先要检查的漏点。
示例数据
示例数据:60,000 名商品页访客,6,000 个购物车(10.0%),3,000 次结账(占购物车 50.0%),1,800 个购买(占结账 60.0%),整体 3.0%;70% 的购物车被放弃,接近 Baymard 的 70.22% 平均值。

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6,00050.0%+10%300180
增加游客结账结账到购买3,00060.0%+8%144144
新的加入购物车区域(送达承诺、按钮文字)商品页到购物车60,00010.0%+5%30090
提升商品页速度商品页到购物车60,00010.0%+3%18054

「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%1802.3
增加游客结账结账到购买+8%1444.6
新的加入购物车区域商品页到购物车+5%908.4
提升商品页速度商品页到购物车+3%5423.0(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。

  1. 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。
  2. 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。
  3. 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)。
  4. 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。
  5. 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。

另见:CRO 测试:先测什么、需要多少访客。

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。
归档:数据分析

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。

林舟

产品体验专员

关注产品体验、功能使用与增长实践,喜欢把复杂流程拆成清晰步骤,让分析结果更容易用到日常决策中。

先找到漏点,再选测试

TapCub 按独立访客显示目标转化,可建最多 20 步的漏斗并标出最大流失,还能在图表上给每次改动加标注。

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