我们每天都会遇到各种转化率的问题，如电商行业关注的购买转化率、网站的注册转化率等等，其中很多运营者都会遇到转化率低的问题。那么如何解析背后的原因，下一步又该做什么呢？面对这些问题，我们又该如何去思考。
大家平时会从很多渠道获得很多看似“完美”的解决方案，那些方案看似很美，是不是真的有用呢？很多时候，问题和答案是不可复制的；一个方案在这里适用，但是在别的地方不一定适用。所以，我们真正需要的得到完美解决方案的思路，不仅仅是解决某一个问题的方法，而是如何思考的过程。
今天我们将用“如何提升顾客转化率”这个问题来更好解释阐释这个方法。
解决问题“三步走”
第一步：理解你的问题
一个看似合理的问题，你不一定理解它的本质。很多人都会忽略这一步，虽然简单，但至关重要，它决定了后面我们能否一步一步地找到解决方法。在这个过程中，我们可以问自己一些问题，帮助我们更好的理解问题。比如：这个问题是什么，如何定义，具体是什么，是否能描述出来。对行动有什么指导性的意义。
以“活跃度”为例，什么是活跃度？如何定义活跃度？
到底是用户来过你的网站就算活跃还是需要使用某些特定的功能，还是用户访问的时长？事实上，这些都有可能。对于电商网站来说 ，用户活跃度一般指用户浏览商品个数；对于人力资源SaaS行业，用户活跃度一般指浏览和下载简历的个数；对于内容类社区，用户活跃度一般是浏览和访问时长。
理解“用户活跃度”的最终目是提高转化，与核心转化路径联系起来，形成浏览商品——点击购买——付款成功的完整路径，确保我们在一开始就走上了能产生有效结果的道路。
第二步：问题空间的分类
在这里，我们推荐MECE分析法；ME是Mutually Exclusive的简程，即相互独立；CE是Collectively Exhaustive的简称，即完全穷尽。MECE分析法就是对一个议题能够做到不重叠不遗漏的分类，借此把握问题的核心，并解决问题的方法。
以SaaS企业客户签单为例。用MECE就客户签单问题进行分类，就成为新客户签单和老客户续单两类问题。这样一来，问题就明朗了。
第三步：假设检验
在每个问题分类上充分调动你的行业神经，提出合理的假设，运用可靠的数据和有效的工具进行检验。在这个过程中，我们可能遇到很多个分类，每个分类有很多的假设；有的时候我们需要用行业经验对假设进行优先级排序，优先处理那些可能对结果产生巨大影响的问题，在全面性和有效性中做出权衡。
案例：购买转化
下面我们运用以某在线旅游商城为例，跟大多数电商平台一样，商城网站有商品详情页、立即购买按钮、订单填写页面和提交订单按钮（下图左侧）。这一系列页面形成了一个核心路劲，即浏览-购买-付款。
分析该平台的购买转化情况，不容乐观。从浏览商品到点击立即结算，转化率才3.1%；从点击结算到最终支付成功的，转化率才4.2%。如此低的转化率，到底是怎么造成的；这样就回到我们上面讲的“三步走”分析问题的方法。
在这个案例中，转化率是完成支付的人数 除以 进入订单页面的人数。为了提升转化率，只能是增加完成支付的人数，也就是减少支付页面的客户流失率。这样一来，提升转化率的问题变成了如何减少流失率的问题，问题的根源也就明细了：客户在支付页面流失的原因是什么。
第二步：问题空间分类，客户流失原因的类别
客户为什么会流失？按照MECE分析法，我们将客户离开分成主动离开和被动离开两种。被动离开，可能是因为突然断网、电脑死机等客观原因，不可掌控；所以不是我们关注的要点。
客户主动离开的情况，有两种可能。一是产品和用户需求不匹配，导致客户没有完成支付意愿。而是产品需求和用户匹配，但是客户最终也没有完成支付，这是我们需要优先关注的。为什么产品和客户需求是匹配的，最后客户还是没有完成支付呢？
有没有可能是我们的支付页面设计的不够友好呢？带着这个猜想，我们需要可靠的数据和有效的工具来验证我们的假设。
第三步：假设检验，用借助“用户细查功能”
我们选取了一个未完成支付的客户，借助GrowingIO的“用户细查”功能（内测中）来详细观察这位客户在该商城上的轨迹。
上面最左边的是该用户第一次进入该平台时的动作，该客户打开页面，浏览了旅游商品页，点击了购买，并提交支付页面，但是最终却直接退出了，没有确认支付。第二次，这个客户又重新进来，浏览旅游商品，选择了另外一个商品，提交支付，最后又是在支付页面退出了。第三次这个客户又进来，浏览了另外一个旅游商品，提交支付，最终还是没有完成支付，这次客户完全退出。
通过“用户细查”功能，我们不难发现，客户每次都在支付页面退出，然后又重新选择新的旅游商品。业务人员结合实际，不难理解：客户选择旅游商品是一个反复的过程，包括旅游时间、酒店套房、交通安排、参观景点等等。客户在提交订单后容易再次更改自己的选择（可能受到亲朋好友的推荐或者考虑到新的因素，跟我们在网上买东西是一样的道理），如果订单的支付页面无法修改订单内容或者返回上一页修改订单，用户最终会放弃支付或者直接退出，导致支付转化率过低。
验证了之前“支付页面不友好”的假设后，下面就是技术人员改进页面的工作了，后期继续观测支付转化率数据，进一步优化网页设计。
方法总结
在实际业务中，我们遇到问题的时候，要思路清晰。
首先要结合业务场景具体定义你的问题，然后利用MECE分析方法给问题分类，提出相应的假设，根据经验对不同问题假设进行优先级排序，优先处理重要的问题。最后，借助可靠的数据和有效的工具，对假设进行检验。
