TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

电商客户旅程:找出代价最高的那个漏点

电商客户旅程从头一次访问一直到复购。怎样把每个阶段变成漏斗里的一步、把转化率和耗时放在一起读,并找出最值得先修的漏点,附 10,000 次会话的完整算例。

艾玛·柯林斯 发布于 2026 年 11 月 15 日 11 分钟阅读 数据分析
示例数据:顶部几步流失的会话最多,但手机端在结算追平电脑就能多 99 单,是前面任何一步收益的五倍。示例数据

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。

  1. 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。
  2. 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。
  3. 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)。
  4. 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。
  5. 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5,80058.0%4,2000:35
加入购物车1,16020.0%4,6402:40
开始结算58050.0%5801:50
完成购买29050.0%2904:20

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。

app.tapcub.com

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

结算 → 购买:手机 37.9%(中位数 6:10),电脑 67.1%(中位数 3:05)。
示例数据
示例数据:顶部几步流失的会话最多,但手机端在结算追平电脑就能多 99 单,是前面任何一步收益的五倍。

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6:103:05

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:

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。

  1. 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。
  2. 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。
  3. 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。
  4. 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

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。

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。

看看你的旅程里哪一步代价最高

旅程地图、带每步耗时中位数的漏斗、流失者的路径,一段脚本全都有。

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