TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

销售漏斗优化:先找到漏在哪,再动手修

销售漏斗优化要先找到变差的那一步,再按来源和设备拆开,区分流量问题和体验问题。附可复算的示例和常见错误清单。

艾玛·柯林斯 发布于 2026 年 11 月 19 日 8 分钟阅读 增长与运营
示例数据:与前四周相比,只有两步发生了变化。开始试用从 26.0% 降到 20.0%(−23%),少了 360 次试用,按 10% 的试用转付费率,约每周少 36 个客户。示例数据

销售漏斗优化,就是找到人们流失的那一步,弄清原因,并先修这一步。先找与你自己历史相比变差的那一步,而不是流失人数最大的一步,再按来源和设备拆开,区分流量问题和体验问题。下面是一个算例、修复的定量方法和检验办法。

读完你会知道

  • 修与你自己历史相比变动的那一步,而不是流失人数最大的一步,那永远是最上面一步
  • 按来源和设备拆开:流量构成变化就能让混合比率下降,页面却没有任何改动
  • 把修复折算成每周客户数,并在你改动的那一步上检验

什么是销售漏斗优化,从哪里开始?

销售漏斗优化,就是找到人们流失的环节,弄清原因,并先修这一环,再修其他环节。它首先是诊断工作,其次才是设计工作。多数团队的顺序是错的:他们重新设计自己不喜欢的页面,却没问过到底是哪一步变差了,问题出在谁来了,还是来了之后遇到了什么。

本文按四步走:找到变动的那一步,拆开看是流量问题还是体验问题,把每个修复折算成客户数,再在你改动的那一步上检验效果。 漏斗各阶段本身见 漏斗;B2B 各阶段的讲解见 SaaS 销售漏斗;知道是哪一步之后的设计手法见 转化漏斗优化。本文讲的是夹在中间的那一段诊断。

真正的问题在哪一步?

按人数,流失最多的永远是第一步,因为漏斗从上往下变窄。这说明不了什么。有用的问题是:哪一步比以前差,或者比它应有的水平差。

示例数据:一家软件公司一周的漏斗。

步骤人数步骤转化同一步,前 4 周
网站访问20,000无无
查看定价6,0006,000 ÷ 20,000 = 30.0%33.8%
开始试用1,2001,200 ÷ 6,000 = 20.0%26.0%
完成激活600600 ÷ 1,200 = 50.0%50.0%
付费120120 ÷ 600 = 20.0%20.0%

整体来看,120 ÷ 20,000 = 0.6% 的访客付费。只有两步发生了变化:查看定价从 33.8% 降到 30.0%,开始试用从 26.0% 降到 20.0%。试用这一步的相对降幅更大:20.0 ÷ 26.0 − 1 = −23%。按上个月的比率,6,000 个查看定价的人本该开始 6,000 × 26.0% = 1,560 次试用,而不是 1,200 次:少了 360 次试用。每次试用转成客户的比率是 50% × 20% = 10%,也就是每周少 36 个客户。

还有一个事实会改变优先级。转化是连乘的,所以任何一步相对提升 10%,付费客户就同样提升 10%:120 变成 132。没有哪一步有魔法,正确的目标是空间最大、投入最小的那一步,而刚刚变差的一步空间最大。再看一个外部数字作为参照:一家研究机构对 50 项已记录研究求平均,线上购物车放弃率为 70.22%,这是未加权的数字;这类平均值只能用来发现严重偏离的漏斗,不能当作目标。

app.tapcub.com

访问 → 付费,一周

一周,20,000 次访问

网站访问

20,000

查看定价

6,000

开始试用

1,200

完成激活

600

付费

120

移动端只有 5% 开始试用,桌面端是 30%:这个拆分指向体验,而不是流量。
示例数据
示例数据:与前四周相比,只有两步发生了变化。开始试用从 26.0% 降到 20.0%(−23%),少了 360 次试用,按 10% 的试用转付费率,约每周少 36 个客户。

是流量问题还是体验问题?

漏斗的一步,是不同类型的人的平均值。动手改之前,先拆开。

按来源拆,检验流量。 示例数据:20,000 次访问里,8,000 来自付费社交,12,000 来自自然搜索。

  • 付费社交:8,000 × 15% 查看定价 = 1,200。
  • 自然搜索:12,000 × 40% 查看定价 = 4,800。
  • 合计 1,200 + 4,800 = 6,000,也就是混合后的 30%。

上个月的构成是付费社交 5,000、自然搜索 15,000:5,000 × 15% + 15,000 × 40% = 6,750,混合后是 33.75%。两个来源都没有变差。 混合比率从 33.8% 降到 30.0%,纯粹是因为更多流量来自较弱的来源。这叫构成变化,很容易被误认为页面坏了。它也说明了一个常见的统计陷阱:把总体拆成子群之后,原来的关联可能缩小,甚至反转。

按设备拆,检验体验。 6,000 个查看定价的人里,桌面端 3,600,移动端 2,400。

  • 桌面端:3,600 × 30% = 1,080 次试用。
  • 移动端:2,400 × 5% = 120 次试用。
  • 合计 1,200 次试用,也就是混合后的 20%。

同一个定价页、同一个报价,移动端的转化率却只有桌面端的六分之一。这指向体验。

用下表解读拆分结果:

拆分显示什么可能的原因该检查什么该改什么
只有一个来源的比率低流量质量或信息不匹配广告或链接的承诺与落地页是否一致定向、广告文案、落地页匹配
每个来源都低,只在一种设备上该设备上的体验该设备上的表单和版式表单长度、按钮、加载速度
各处都低,从某个日期开始一次发版或内容改动那一天上线了什么回滚或修复那次改动
比率稳定,数量下降来的人少了,不是漏斗的问题各来源的量获客,而不是漏斗
混合比率变了,没有任何子群变化构成变化各来源的流量占比什么都不用改:报告子群,不报混合
修复类型改后衡量同时关注
落地页或广告匹配该来源的访问到查看定价的比率该来源的跳出和后续步骤
表单或设备体验该设备上的步骤比率完成耗时和报错
引导或激活激活率激活的人里的付费率

始终先衡量你改动的那一步;最终客户数太少,一周下不了判断。

动手之前,怎样给每个修复定量?

把每个候选修复折算成每周客户数,再除以投入。

示例数据,沿用上面的漏斗,一次试用转成客户的比率是 10%:

候选修复假设多出的试用每周多出的客户
缩短移动端注册表单移动端试用率 5% → 15%:2,400 × 15% = 360 次试用,增加 240+240240 × 10% = +24
优化付费社交定向查看定价率 15% → 25%:8,000 × 25% = 2,000 人,增加 800,试用率 20%+160160 × 10% = +16
修复试用引导激活率 50% → 55%:1,200 × 55% = 660,增加 60,付费率 20%无60 × 20% = +12

按这些假设,移动端表单胜出:每周 120 个客户变成 144 个,增长 20.0%。这些假设是猜的,所以也要记下投入和把握程度;一下午能做完的小收益,可能胜过要花一个季度的大收益。一次只改一件事,结果才能归因。

怎样检验修复有没有效?

衡量的是你改动的那一步,而不是最终客户数。客户数少而且波动大:预期的 120 对 144 只差 24,但这个量级的每周客户数,波动大约是平方根,各约 11 到 12 个,所以这个差距在一周里完全可能是运气造成的。移动端试用率是强得多的信号:2,400 人里 120 次试用(5%)对 360 次(15%),一目了然。

检验的规则:

  • 前后用相同的时间窗口和相同的来源构成,或者在一个子群内比较。
  • 等被改动的那一步积累到有意义的数量:几百,而不是几十。
  • 也要看下一步。修复把更多人推进了试用,但激活率下降,那是把问题挪了位置,不是解决了。
  • 把两组数字都写下来:除非你保存过,漏斗不会记得上个月长什么样。

哪些错误会让漏斗优化失败?

  • 去修流失人数最大的一步。 最上面一步永远最大。要找变动了的那一步,或比你自己历史水平差的那一步。
  • 只看混合比率。 构成变化可以让比率下降 3.8 个百分点,页面却没有任何改动,如示例所示。
  • 只优化最终转化。 它太稀疏;衡量被改动的那一步。
  • 一次改五件事。 你不会知道是哪一件起了作用。
  • 照搬基准值。 平均值掩盖了产品、价格和受众;用你自己前几周的数据。
  • 忽略修复之后的那一步。 试用多了但激活更弱,可能并没有多出客户。

在 TapCub 里怎么做这套诊断?

拿上面的漏斗来说。TapCub 提供计数和拆分;决定怎么修、动手去修是你的事,TapCub 不做 A/B 实验,也不给线索打分。

  1. 建漏斗。 在 全端分析 › 行为分析 › 行为分析 里选漏斗,两到二十步,每一步是一个事件名或页面路径。窗口默认七天(最长 180 天),默认按人计数,顺序可选有序、严格或任意顺序。
  2. 读每一步。 TapCub 给出人数、步骤转化、相对第一步的转化、流失人数和步骤之间的中位耗时,并标出流失最多的一步。点某一步,可以看到达的人,或在这一步流失的人。
  3. 拆开看。 把漏斗按一个属性分组;它保留进入人数最多的十组并排显示,这就是示例里的来源或设备拆分。全端分析 › 用户 › 分群与标签 里已保存的分群也可以带进漏斗。要看渠道层面的转化,用 网站统计 › 来源。
  4. 自己和上个月比。 漏斗没有内置的对比期,所以对更早的窗口再跑一遍,把两组数字都写下来。
  5. 修复之后检验。 用相同的窗口重新跑,读被改动的那一步。发生在网站之外的销售阶段,比如签下合同,只有当你把它们作为事件发送进来才会出现,例如通过服务端接口。

常见问题

怎样优化销售漏斗?

找到比你自己历史水平差的那一步,按来源和设备拆开,区分流量问题和体验问题;把每个修复折算成每周多出的客户数,一次只改一件事,并在你改动的那一步而不是最终销量上检验。

销售漏斗先修哪里?

先修与前几周相比下降了的那一步,而不是流失人数最大的一步,那永远是最上面一步。示例里试用这一步从 26.0% 降到 20.0%,每周损失约 36 个客户,所以先修它。

怎样找到销售漏斗在哪里漏?

量出每对相邻阶段之间的步骤转化,并和前几周同一步比较。再把偏弱的那一步按来源、设备和日期拆开。只出现在一个子群里的漏洞是局部的;从某个日期起所有子群都出现的,通常是一次发版。

销售漏斗转化率多少算好?

取决于产品、价格和受众,任何单一数字都会误导。把每一步和你自己的历史比较。行业平均值,比如 50 项研究的平均购物车放弃率 70.22%,只能帮你发现严重偏离的漏斗。

改动漏斗之后要等多久才能下判断?

等到被改动的那一步积累到几百人,并且和之前使用相同的窗口和流量构成。最终客户数太少,一周下不了判断;被改动那一步的比率是更快、更强的信号。

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。

找到变差的那一步

建一个漏斗,按一个属性分组,点某一步看流失的人,并和更早的窗口对比。

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