#着陆页数据分析与优化指南

#着陆页数据概述

无论着陆页是站外 Minisite 还是站内页面，着陆页都是承载流量的核心载体。因此，着陆页分析是营销分析的必要环节。着陆页数据既有用户行为数据，也有页面本身的数据，这些都将用来分析着陆页质量以及对后续转化的影响。

#如何判断着陆页是否真的存在问题

营销渠道如果转化效果不好，第一步应该分析着陆页是否有问题，因为着陆页是站内转化漏斗的第一步，让用户留下来才可能产生后续转化。

着陆页如果有问题，通常会表现为跳出率高、平均页面浏览时间短。但是，如果跳出率高、平均页面浏览时间短，就一定是着陆页的问题吗？

通过不同维度的对比，可以很容易分析着陆页是否真的有问题。以表 6-4 为某着陆页上不同渠道的结果数据为例：其中 360_pc / cpc 的电子商务转化率为 0，同时跳出率、平均会话时长也非常差。如果没有其他数据参考，该渠道运营方很可能认为是着陆页有问题。

但通过不同渠道的横向对比（尤其是具有类似投放性质的 CPC/PPC 渠道），发现其他渠道在着陆页上的表现都是正常的。因此，可以得出结论：着陆页没有问题，真正有问题的是 360_pc / cpc 的引流策略以及站外具体执行上，需要找营销端的问题；否则，着陆页会影响所有的渠道，导致整体的跳出率和平均会话时长都很差。

表 6-4 不同渠道的着陆页表现

#用户注意力随位置的变化规律分析

一般情况下，用户在着陆页上的注意力分布会呈现出从上到下、从左到右的递减趋势。分析用户注意力随位置的递减规律，可以通过如下三种方式实现：

• 使用热力图：目前市场上都有一些成熟的热力图方案（如百度统计等）。这些工具可以提供特定页面的热力图分布效果，只需要在特定页面埋码并在工具中配置即可。笔者所在的企业触脉咨询也为客户提供基于 Google Analytics 的热力图报告。
• 使用屏幕浏览位置：该方式基于用户在页面中浏览窗口的滚动条所在的位置，评估用户注意力分布在哪些区域。结合过滤器可以将特定页面的浏览百分比分布展示出来。如图 6-44 为触脉咨询为企业定义的屏幕浏览位置报告，该报告来源于 Google Analytics。

  

  图 6-44 屏幕浏览位置报表

• 使用自定义事件点击跟踪：通过在网页中捕获页面的尺寸以及用户点击位置，可以针对用户点击行为进行还原，同时实现自定义递减规律分析。

#实战案例：基于自定义事件的点击分布分析

本案例以附件“第 6 章”-“6-8_1”数据为例，数据来源于 Google Analytics 中的自定义采集事件，具体数据为每次用户点击页面的水平和垂直坐标，以及点击的次数。

1. 第一步：建立数据透视表 如图 6-45，选择数据区域（图中 ①），依次点击顶部菜单栏“插入”（图中 ②）-“数据透视表”（图中 ③）；然后在数据透视表设置中，将“点击水平坐标”、“点击垂直坐标”拖入行（图中 ④），将“事件总数”拖入值（图中 ⑤），汇总方式为求和。该透视表在附件中重命名为 6-8_PivotTable1。

   

   图 6-45 新建数据透视表

2. 第二步：设置分组 如图 6-46，在透视表中，点击任意“点击水平坐标”的记录值（图中 ①），在鼠标右键弹出的窗口中点击“创建组”（图中 ②），在弹出的窗口中设置步长为 20（图中 ③）。按照同样的方式，对“点击垂直坐标”的数据做分组，如图中 ④、⑤、⑥。

   

   图 6-46 为点击坐标创建分组

   配置完成后，将分组后的“点击水平坐标”从“行”拖入“列”中，建立一个包含垂直和水平点击坐标矩阵的透视表。如图 6-47。

   

   图 6-47 将“点击水平坐标”从“行”拖入“列”

3. 第三步：分析点击注意力分布 配置完成后结果如图 6-48。数据分组的意义在于将原始坐标以 1 个像素为单位的点击分布汇总到更粗的粒度，通过分组后的区块来表示点击的分布情况。分别将水平坐标以 100 像素为单位汇总，将垂直坐标以 10 像素为单位汇总，交叉点就是在每个区块内的点击量。

   

   图 6-48 点击坐标分布

   从图 6-48 看出，如果不考虑其他因素，该着陆页从垂直位置看，点击分布呈现出从低到高然后再降低的过程，黄金垂直位置在页面中部略靠上的位置（即垂直坐标在 120-139 之间）；从水平位置看，呈现出从左到右依次递减的规律。

   如果读者感兴趣，可以使用“6.4.2 如何分析留存衰减趋势”中提到的趋势分析，找到水平和垂直方向上的递减规律，并通过数据来量化递减趋势。

💡 提示：严格意义上，点击一定会受到其他因素的影响，例如内容陈列、框架布局、功能设计、交互方式等。这里仅从位置的角度，综合分析点击分布。

#页面加载时间对转化的影响分析

一般认为，网页加载时间会影响转化效果。网页加载时间越长，转化效果越差。但二者之间到底是怎么的关系，以及如何影响的？本案例将深入研究该问题。

案例数据在附件“第 6 章”-“6-8_2”，该数据从 Google Analytics 中获取，包括着陆页、平均网页加载时间（单位：秒）、收入、会话数、每会话收入 5 个字段（每会话收入 = 收入 / 会话数）。为了减少其他因素对着陆页转化的影响，本案例只选择有转化的专题活动页的着陆页数据，目标是分析网页加载时间对于每会话收入的影响。

#实战案例：探究加载时间与转化的相关性

1. 第一步：新建散点图 如图 6-49，选中平均网页加载时间和每会话收入（图中 ①），依次点击顶部菜单栏“插入”（图中 ②）-“图形”（图中 ③）-“散点图”（图中 ④）。

   

   图 6-49 插入散点图

2. 第二步：设置趋势线 点击任意数据点，鼠标右键，在弹出的窗口中，选择“添加趋势线”，并勾选底部“显示公式”、“显示 R² 值”。如图 6-50。

   

   图 6-50 设置趋势线

3. 第三步：分析页面加载时间对转化的影响 如图 6-51，如果只通过散点图观察，会以为二者之间呈现明显负相关关系（即当网页加载时间增加时，每会话收入会显著下降）。但是，在第二步设置趋势线过程中，细心的读者可能已经发现，无论选择何种拟合趋势线，都无法获得较高的 R²，甚至 R² 最大值都不到 0.01。这说明了网页加载时间对转化有影响，但影响微乎其微。

   

   图 6-51 每会话收入与页面加载时间关系

4. 第四步：通过相关性系数分析二者关系 为了进一步验证二者的“微弱”关系，我们使用相关性分析。由于 Excel 中的相关性分析要求必须为相邻列，因此单独复制一列新的平均网页加载时间到每会话收入右侧。

   点击顶部菜单栏“数据”-“数据分析”（如果读者未启用数据分析模块，请按照“3.6.3 通过规划求解实现多因素约束下的目标最大化”方法启用该模块）。在弹出的窗口中，选择“相关系数”，并在弹出的窗口中，在输入区域输入 $E:$F，勾选“标志位于第一行”。如图 6-52。

   

   图 6-52 相关性分析

   通过相关性分析得到结果：平均网页加载时间和每会话收入的相关系数大约为 -0.014，二者呈负相关关系，但相关性非常弱。这印证了第三步的分析结论。

#深度思考：为何加载时间影响微乎其微？

为什么网页加载时间对转化的影响微乎其微？在电商场景中，主要有两方面因素：

• 网页加载时间不是转化的主要因素：在电商场景中，对转化影响最大的因素为商品库存（重点是热卖商品是否有货）、商品价格（定价、折扣、优惠和促销等）、流量质量（主要是人群精准度以及垃圾流量比例）、网站内部购物路径和流程（是否有重大 Bug 或下单阻碍）等，而着陆页加载时间对转化的影响非常靠后。例如，大多数用户宁肯花 30 秒等待，也愿意抢购一台 5 折的手机。
• 网页加载时间长并不等于用户看不到信息：现在很多网页的内容展示并不需要等网页代码和元素全部加载完成，而是“边下载边展示”。因此页面加载过程中即使长达数十秒或几十秒，用户依然能够看到部分甚至全部关键信息，也就不会感觉体验差而跳出。

#业务应用与优化策略

在了解了网页加载时间对转化的影响后，后续可应用的业务点如下：

• 推动体验优化：如果网页加载时间对转化有比较大的影响，那么将分析结果告知网站用户体验和着陆页设计部门，提升页面加载时间，并通过数据论证每增加 N 秒，收入就会降低 M 元（具体方法参考“6.3 如何分析渠道效果的边际效应”）。
• 转移优化重心：如果网页加载时间对转化的影响微乎其微，那么就应该把有限的业务精力放到其他优化点上，这样能产生更大的转化价值。

#知识拓展：着陆页上的常见异常数据

在着陆页分析场景中，可能出现一些比较异常的数据。在此列出其可能性的因素，供读者参考。

#场景 1：平均停留时间极短且跳出率极低

着陆页的平均停留时间很短（例如 3 秒以内），且跳出率非常低（例如低于 10%）。这种情况可能是由于作弊流量和网站内部跳转导致：

• 作弊流量：通过机器操作刷渠道流量，产生大量的非人为浏览数据。这种场景下会发现虽然平均停留时间短且跳出率非常低，但是转化效果却没有提升。此时可细分渠道来找到这类异常渠道。
• 网站的 301/302 跳转：某些时候营销人员在与渠道方或第三方媒体合作时，着陆页修改可能需要较长的审核流程，这可能无法满足企业营销的落地页更换需求。此时，企业常用的策略是给渠道方提供一个固定的着陆页 URL，在不同时间和条件下通过重定向跳转到正确的着陆页上。这会导致 URL 跳转前的页面保持相同的停留时间（例如都是 1 秒）；同时，由于直接从一个页面定向到另一个页面，导致前一个页面很难产生跳出行为。

#场景 2：着陆页页面刷新率较高

页面刷新指一个页面连续加载多次。正常情况下，一个会话内用户不会连续刷新页面多次（可能存在中间有其他页面穿插的多次浏览）。如果出现多次的连续刷新，可能存在如下问题：

• 页面内跳转：页面内跳转指页面的链接指向为页面本身，但不是通过锚点或其他方式实现，而是通过普通的 URL 链接实现，即将页面重新打开并加载一次。该问题一般会出现在着陆页的导航、更多链接等具有分流性质的模块上。这种功能实现方式不是一个“业务问题”，但却会影响数据的统计分析，因此应该尽量避免这类不必要的重复刷新。
• 网页功能或体验问题：如果用户在第一次网页加载后，发现某些功能无法使用或页面信息显示不完整，那么可能通过 F5 或浏览器的刷新按钮实现刷新。如果是这类问题，那么需要多次告知设计和产品端人员，通过测试找到并解决问题点。

#场景 3：100% 的跳出率

某些营销活动需要用户在着陆页完成特定事件即可（例如参与游戏、抽奖互动、留下联系方式等）。在完成这些转化动作后，用户并不能进行更多“页面”的访问而只能离开网站，因此就可能导致 100% 的跳出率。

这里之所以说“可能”，是因为不同的网站分析工具对“跳出”的定义不同。一般而言，跳出有三种定义逻辑：

1. 一次请求：即用户在一个会话内只发生了一次请求。请求可以定义为任何页面上的跟踪代码触发（例如事件跟踪、网页加载等）。默认情况下，网页加载时就会发出一次请求，因此该场景下就意味着没有更多请求发生。

   💡 注意：即使用户没有发生留资等事件动作，用户仍然有可能点击页面的某个位置。如果页面有采集用户的所有点击事件，那么就不算是一次请求。

2. 一次页面浏览：指用户只产生了一个 PageView，没有刷新、重复加载等多个 PageView 的产生。当然，该场景下，用户可能会通过事件跟踪产生多个请求。
3. 一次单一页面浏览：指用户只浏览了一个页面，该页面可能看了 1 次或多次。

当面对 100% 跳出率时，需要读者具体了解所使用的网站分析工具如何定义“跳出”，同时结合营销目标和着陆页性质来判断是否存在问题。