相比网站其他环节的分析与优化，对网上支付流程的分析和优化所带来的收益要多很多。
对于在线零售的电子商务网站而言，在需要优化的各个环节中支付流程是最重要的。幸运的是它很容易分析，而且通过详细的分析后进行优化也是非常可行的。按照下面这个简单的步骤，从第一天开始实施后，就能让你认识到一些优化措施带来的变化，从而能让零售商追加他们的投资。
第一步：建立基线
首先第一步是要建立一个分析的基线，周期性的有效监控支付流程。这里有两个基础的指标需要跟踪趋势，它们提供了一个很好的分析基线：
● 同一访问 分析期间内（例如一个财政月），在一次访问内完成支付的比率：
包含支付完成感谢页面的访问次数/ 包含支付流程中第一个页面的访问次数
● 跨访问 分析期间内（购物者完成购买商品的平均时间周期），跨访问完成支付的比率：
到达支付完成感谢页面的访问者数 /到达支付流程中第一个页面的访问者数
在支付流程漏斗分析中，你应该深入的了解每一个步骤，并观察每一步都发生了什么。在支付流程的每一步骤中你都应该注意以下指标：
● 到达此步数：到达每个步骤的访问次数
● 潜在销售额：每步的潜在销售合计（基于留在购物车中的商品数和遗弃购物车的商品数）
● 到达下步数： 进入到下一购买步骤的访问次数
● 完成率：通常表示为继续购买商品的访问百分比，或者依然还在进行该购买过程的访问百分比
● 离开漏斗率：离开支付流程，但依然还访问网站的访问百分比。
● 离开网站率：离开支付流程，并且同时离开网站的访问百分比。
● 潜在流失额：离开结帐流程的销售额。
需要记住的是，监测支付流程仅仅是“监测多步骤流程”的一种特殊情况。网站分析报告中通常会在一个报表列出支付流程中的每一步及上述对应指标值。（参照下表）
支付流程漏斗分析报表
对于上面的每一步骤，你可以了解到客户进行购买商品、或者不再支付、甚至直接离开网站的情况。此外，关于失去这些客户的财务影响也一目了然。看完上面的网站分析报告，你很可能会说：“这个报告实在是太好了，但是我怎样才能防止大量的客户从支付流程中流失呢？”
第二步：诊断问题
接下来你需要诊断都是哪些问题导致了上面描述的损失。诊断分析的关键在于，发现用户在哪些地方停止前进，又去向了哪里。在多数场合下，围绕发生这些动作的根源你能做出一些假设。
诊断支付流程的终极数据就是点击流数据了，通过对点击流数据的分析，来展示用户在这一过程中每一步的准确路径。将这些动作划分成以下几个情况是非常有用的：
● 直接从网站退出
● 前进到流程的某个后续步骤。如果该步骤没有多个可选后续步骤，只会进入下一步。
● 后退到前面某个步骤
我们建议你作成一个带有指标并涵盖支付流程每一步的页面路径图。虽然你可能已经知道大的问题点所在，但是现在你应该更详细了解到是什么导致了这些损失，以及是否是相反的或者是流程以外的行为导致了这个问题。下一个问题或许你会问“糟糕的是什么？”
大多数网站分析工具提供商都能提供一些路径分析报告（参照下图），为你提供了可视化的全面诊断支付流程的数据。这些报告是前面支付流程漏斗分析报表展示的信息的变通，用来凸显支付流程中某个页面的问题，在这个例子中，可以发现用户进入“支付步骤一:登录”后是不是都进入到“支付步骤二”中；离开支付流程的用户又都流向了哪些页面。
基于单次会话（访问）的维析页面点击流报告
类似于这样的报告和可视化信息能够帮助你更好地诊断例如在上表中凸显的问题。对于这种将信息可视化的能力，你会对它的价值而感到惊讶，例如在上面的支付流程路径分析报告中你可以发现：
● 没有按照预期的方式跳转。比方说，用户进入支付环节后，有9.2%的用户又回到“查看购物车”页面；返回首页也有162次访问。
● 发生错误的环节。例如，跳转到密码错误页面有4436次，到忘记密码页面的979次。
总结
总的来说，监控并优化支付流程的方法非常简单明了：
1、 制定好测量基准后监控大的趋势。
2、 监控用户在流程的每一步的行为来找到问题关键点。
3、 更深入的挖掘和确定如果客户不继续前进将会去哪，以及假想一下为什么他们会出现这些行为，从而界定这些损失有多大。
4、 大多数的场合，对特定用户组的行为提供一个更深入的分析，又能确保他们所做的任何行为对另一个分组的利益产生影响的变化，分别分析每个客户的分组就显得更为有意义。典型的分组包括形成对比的新访客与再访客、大多数最有价值的客户、通过营销活动进入的客户、对分类能够产生高额的客户等等。
5、 同时使用转化率和交易金额，获得按照既定路径访问的客户的销售情况。
6、 根据投资回报的效果，为优化网站的支出列出优先关系。
7、 尝试所能做的一切来弥补网站的漏洞。
8、 衡量这些修改所产生的影响，持续重复以上的这些步骤。
最后，如果你已经熟练掌握持续优化流程，你应该很快能够在支付流程中作出虽然细微但是很重要的优化。
注：文章来自站长之家专栏用户数码林投稿，转载请注明出处。 |
