电商客户旅程是购物者从头一次访问开始,经过商品页、购物车、结算、配送,直到下一次下单的全过程。要改进它,就把每个阶段变成漏斗里的一步。代价最高的漏点通常在加购之后,而不在首页;只有把每一步的转化率和耗时按步骤、按设备拆开,它才会显现出来。
读完你会知道
- 每个阶段配一个能计数的事件,转化率和耗时中位数一起看
- 顶部掉得多是正常的;拿每一步和这一步做得好的人群比
- 示例里手机在结算追平电脑能多 99 单,是前面任何一步的五倍
什么是电商客户旅程?
电商客户旅程指购物者和一家网店打交道的全过程:从头一次访问到下单,顺利的话还包括下一次下单。多数文章把它分成五到六个阶段:发现、考虑、加购、结算、配送和复购。真实的购物者不会按直线走完这些阶段。他们会比价、离开、从一封邮件回来,在手机上加购,再到电脑上付款。
本文讲的是数据这一面:每个阶段用哪个事件来描述,由这些事件搭出的漏斗怎么读,以及怎样决定先修哪里。如果你需要的是带用户画像和情绪曲线的旅程地图工作坊方法,请看怎样制作客户旅程地图。地图告诉你购物者感受如何;漏斗告诉你有多少人卡住了、卡在哪、卡了多久。
这篇文章的观点可以用一句话概括:网店里代价最高的漏点通常在「加购之后」,而不在首页;只有当漏斗把每一步的转化率和耗时都拆开、再按设备和来源细分时,你才看得到它。
各个阶段,以及每个阶段要回答什么
每个阶段之所以存在,是因为购物者心里有一个问题。页面答不上来,他就走了。下表把每个阶段和标记它的事件、最常见的漏点对应起来。
让这张表真正能用,有三条规则:
- 一个阶段,一个事件。 数不出来的阶段就修不了。「考虑」落到商品页上的
view_item,「结算」落到begin_checkout。 - 按会话数,也按人数。 按会话的漏斗看一次访问里的阻力;按人、窗口更长的漏斗能看到隔几天回来完成购买的人。
- 阶段按购买顺序排。 配送和复购发生在付款之后,但同样属于旅程。忽略它们的店,等于每个客户都要花两次钱去买。
| 阶段 | 购物者的问题 | 关键事件 | 常见漏点 |
|---|---|---|---|
| 发现 | 这家店值得看看吗? | 页面浏览、着陆页 | 广告承诺的东西落地页上没有 |
| 考虑 | 这件商品合适吗? | 浏览商品 | 缺尺码、缺图片或到货时间 |
| 加购 | 一共要花多少钱? | 加入购物车 | 运费到结算才显示 |
| 结算 | 在这里付款快不快、安不安全? | 开始结算、结算各步骤、购买 | 强制注册、表单太长、支付报错 |
| 配送 | 我的订单到哪了? | 订单状态页浏览、客服咨询 | 没有主动推送物流进展 |
| 复购 | 为什么要再回来? | 二次购买 | 提醒发送的时机不对 |
每个阶段用一个事件,阶段之间的每一次转移才能计数。
怎样用数据搭出旅程
工作坊得出的是大家都认同的旅程,数据给出的是购物者真实走过的旅程。两者都需要,但如果目标是这个季度就修好点什么,先做数据版。
- 列出事件。 至少包括:浏览页面、浏览商品、加购、开始结算、结算里的每一步(联系方式、配送、支付)、购买。购买事件从服务器发,金额和订单号才可靠,因为浏览器可能在前端事件发出之前就关了。
- 搭漏斗。 按顺序排好事件,设一个转化窗口。大多数店用 7 天合适;家具、电子产品这类比价周期长的可能要 30 天。
- 转化率和耗时一起看。 一步里人掉得多又掉得快,通常有硬性障碍(意外费用、报错);人掉得慢,通常是让人困惑(表单太长、配送选项看不懂)。
- 看路径。 对在某一步离开的人,看他们转去了哪里。从购物车跳到配送政策页的人,是在告诉你缺了什么信息。
- 按设备、来源、着陆页拆。 平均数会把漏点藏起来,下面的算例会演示。
漏斗本身怎么搭、典型网店的步骤怎么设,更完整的讲法见电商漏斗指南;每访客收入等更大范围的店铺指标见电商数据分析。
算例:10,000 次访问去了哪里
示例数据:一家客单价 72 美元的网店,一个月的数据。
| 步骤 | 会话数 | 相对上一步的转化率 | 这一步流失 | 距上一步的耗时中位数 |
|---|---|---|---|---|
| 进站 | 10,000 | — | — | — |
| 浏览商品 | 5,800 | 58.0% | 4,200 | 0:35 |
| 加入购物车 | 1,160 | 20.0% | 4,640 | 2:40 |
| 开始结算 | 580 | 50.0% | 580 | 1:50 |
| 完成购买 | 290 | 50.0% | 290 | 4:20 |
整体转化率是 290 ÷ 10,000 = 2.9%。购物车放弃率是 1 − 290 ÷ 1,160 = 75.0%,和 Baymard Institute 汇总 50 项公开研究算出的平均值 70.22% 接近,所以光看这个总数,这家店算正常。被放弃的 870 个购物车里,装着 870 × 72 = 62,640 美元购物者已经挑好的商品。
只看「流失」这一列,最大的漏点似乎是前两步:4,200 和 4,640 次会话。这正是陷阱。进店的人多数只是逛逛,看商品的人多数当天也不打算买,顶部掉得多是正常的。要找出不正常的漏点,得拿每一步和这一步做得好的那部分人比。
进站 → 购买 · 一个月
7 天窗口进站
10,000
浏览商品
5,800
加入购物车
1,160
开始结算
580
完成购买
290
为什么代价最高的漏点通常在加购之后
把同一个月按设备拆开。仍是示例数据,合计与上表一致。
| 步骤 | 手机(6,500 次会话) | 电脑(3,500 次会话) |
|---|---|---|
| 进站 → 浏览商品 | 3,770(58.0%) | 2,030(58.0%) |
| 浏览商品 → 加购 | 717(19.0%) | 443(21.8%) |
| 加购 → 开始结算 | 340(47.4%) | 240(54.2%) |
| 开始结算 → 购买 | 129(37.9%) | 161(67.1%) |
| 结算耗时中位数 | 6:10 | 3:05 |
现在对每一步问一个具体问题:如果手机在这一步追平电脑、其他步骤不变,会多出多少订单?
- 浏览商品 → 加购: 3,770 × 21.8% ≈ 822 个购物车,原来是 717,多 105 个。手机购物车的成交率是 129 ÷ 717 = 18.0%,约多 19 单。
- 加购 → 开始结算: 717 × 54.2% ≈ 389 次结算,原来是 340,多 49 次。手机结算的成交率是 37.9%,约多 19 单。
- 开始结算 → 购买: 340 × 67.1% ≈ 228 单,原来是 129,多 99 单。
结算这一步的价值是另外两步的五倍。99 单相当于在 290 单上增加 34.2%,每月 99 × 72 = 7,128 美元。要从漏斗顶部拿到同样多的 99 单,进站到浏览商品的比例得从 58.0% 升到 77.8%,在首页上做到这一点难得多。
耗时也指向同一个结论:手机用户在结算里花了两倍的时间,失败得还更多。这说明是表单或支付出了问题,而不是没兴趣:这些人已经挑了商品、放进购物车、开始付款了。
所以多数网店应该先看加购之后这一段。购物者已经表现出购买意向,原因很具体,不同人群之间的差距也通常很大。Baymard 对在结算中放弃的美国购物者的调查,列出的主要原因包括额外费用太高(40%)、要求注册账户(18%)、结算太长太复杂(17%)和网站报错(17%)。每一种都会留下可查的信号。结算各步骤的细节见怎样降低结算放弃率。
按设备、来源、着陆页拆
在上面的算例里,设备是有用的拆法。其他拆法按这个顺序试:
- 设备。 手机和电脑在屏幕大小、自动填充、钱包支付和耐心上都不同。同一步差 15 个百分点以上,就值得逐个会话看一看。
- 流量来源。 付费社交常带来冲动型访客,看一件商品就走;搜索带来的是已经知道自己要什么的人。社交流量的加购率低,可能是投放人群的问题,不是页面的问题。
- 着陆页。 直接落在商品页的访客根本不经过首页。如果大部分收入都从商品页开始,改首页收效甚微。
- 新访客与回访者。 回访者通常转化更好。如果某一步回访者反而转化更差,说明这一步在他们上次来过之后改了什么,比如新的运费规则。
- 国家。 运费、配送时间、支付方式因国家而异。只在一个国家出现的结算流失,常常是缺了当地的支付方式。
规则保持简单:某一人群在某一步明显比别人差,就从那里查起;所有人群都在同一步偏低,就是这一步本身坏了。
按优先级修
动手之前,先把每个漏点换算成估计值:多出的订单 × 客单价得到每月价值,再除以工作量,比值高的先修。
| 如果你看到…… | 通常意味着…… | 先试 |
|---|---|---|
| 只有手机端从结算到购买掉得多 | 小屏幕上的表单或支付阻力 | 钱包支付、减少字段、地址自动补全 |
| 所有设备都在配送这一步掉人 | 意外费用 | 在商品页或购物车就显示运费 |
| 账户这一步耗时长、退出多 | 强制注册 | 访客结账,付款后再建账户 |
| 从购物车跳到退货或配送政策页 | 决策点缺信息 | 在订单金额旁边写清政策要点 |
| 只有某一个活动的加购率低 | 广告人群或广告承诺不对 | 改广告或落地页,而不是商品页 |
在决策点放一个聊天窗口也有帮助,尤其是尺码、到货时间、兼容性这类问题。它是否真的提高了转化,要量,不要假设;自动回复能做什么、做不了什么,见电商 AI 聊天机器人。
下单之后:配送、客服和复购
旅程并不在感谢页结束。示例这个月的 290 位买家里,有 58 位在 90 天内再次下单,复购率 58 ÷ 290 = 20.0%。复购率每提高一个百分点,价值和新客转化率提高一个百分点一样,而且不花获客成本。
下单后要跟踪的数据:
- 订单状态页浏览次数。 每单浏览次数多,说明购物者在为配送焦虑;主动推送物流进展能减少这类浏览。
- 每单客服咨询数。 按原因分组(我的订单在哪、退货、商品损坏),从产品或流程上解决排在前面的原因。
- 到二次下单的时间。 用它来安排提醒时机。如果大多数复购发生在第 30 到 45 天,第 10 天就提醒太早了。
- 按首购商品或首次来源渠道看生命周期价值。 有些渠道带来的买家再也不回来。公式见 LTV 和客单价。
在 TapCub 里画旅程、找漏点
把上面 10,000 次会话的算例放进 TapCub 里再走一遍。
- 排出阶段。 在 全端分析 › 经营分析 › 旅程地图 新建旅程,最多 20 个阶段,每个阶段用页面规则或事件定义(例如商品浏览用
/products/*,以及add_to_cart、begin_checkout、purchase)。每个阶段显示到达的会话数,以及在同一会话里继续到下一阶段的数量;用页面定义的阶段还会显示有报错、狂点和退出的会话占比。 - 搭带耗时的漏斗。 在 全端分析 › 行为分析 › 行为分析 里用同样的步骤建漏斗,窗口 7 天。每一步显示人数、相对上一步的转化率、流失数和距上一步的耗时中位数,流失最大的一步会被标出来。按设备拆分,就得到算例里手机和电脑两列;点开结算这一步,能列出在这里流失的人。操作步骤见搭建漏斗。
- 看流失的人去了哪里。 用同一处行为分析里的路径,看加购后没进结算的人接下来访问了哪些页面(分析用户路径)。机器人单独统计在 网站统计 › 机器人,爬虫访问不会抬高进站数、拉低你的转化率。
- 看客服在结算环节有没有用。 如果你在同一段脚本上开了 TapCub 在线客服,客服 › 客服报表 › 转化归因 会对比聊过和没聊过的访客的目标转化率,并列出对话从哪些页面开始。这是观察性的对比,聊过的访客少于 30 人时报表会提示样本太少。
TapCub 负责衡量旅程,不做 A/B 测试,也不发购物车召回邮件。改动请在你的店铺平台或测试工具里做,再对比改动前后的漏斗。
常见问题
电商客户旅程分哪几个阶段?
多数网店用五到六个:发现、考虑(商品页)、加购、结算、配送和复购。给每个阶段配一个能计数的事件,比如浏览商品、加入购物车、开始结算和购买,这样就能量出有多少购物者从一个阶段走到下一个阶段,以及每一步花了多长时间。
怎样用数据画电商客户旅程?
每个阶段列一个事件,按购买顺序搭漏斗并设好转化窗口,读每一步的转化率和耗时中位数。然后按设备、来源和着陆页拆开漏斗。某一人群在某一步明显比另一人群差,通常就是该先修的漏点。
购物者大多在哪里流失?
人数上掉得最多的是顶部,因为大多数访客只是逛逛。代价最高的流失通常在加购之后:已经选好商品的人在结算时离开。Baymard 的研究列出的主要原因包括额外费用、要求注册、结算太长和网站报错。
客户旅程地图和漏斗有什么区别?
旅程地图是定性的,描述购物者在每个阶段想什么、感受如何、做了什么,通常来自访谈。漏斗是定量的,统计有多少人按顺序完成每一步。用地图提出想法,用漏斗量出哪个漏点最大。
漏斗的转化窗口应该设多长?
大多数网店设 7 天合适,因为多数购买在几次访问内完成。贵重或需要反复考虑的商品,比如家具、电子产品,可以试 30 天再对比。如果窗口拉长后转化率涨了很多,说明很多购物者是隔一段时间才回来完成购买的。
另见:消费者行为例子:八种行为,以及它们在数据里留下的痕迹。
资料来源
- Baymard Institute,Cart Abandonment Rate Statistics(50 项研究的平均值;结算中放弃的原因)。2026-11-15 核对。
- Baymard Institute,Checkout Usability research。2026-11-15 核对。
- Gibbons, S.,Nielsen Norman Group,Journey Mapping 101。2026-11-15 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。

