转化率优化（CRO）：实用指南

转化率优化（CRO）是一种系统化的做法：找出访客为什么没有在您的网站上采取有价值的行动，并加以修正，从而提高采取行动的访客比例。核心理念就是这些。本指南的其余部分都是方法：如何找到真正的原因、如何决定先修什么、如何判断改动是否有效，以及如何持续这样做而不自欺欺人。

这是一份通用指南。其中的原则同样适用于网店和 B2B 软件公司，但我们会多花些篇幅讨论大多数指南略过的情况：流量不大、销售周期长、各类转化价值差异悬殊的网站。无论叫转化率优化还是 CRO，这门学科都是一样的。

转化率优化到底是什么

转化是指您希望访客采取的任何行动：购买、申请演示、注册试用、订阅简报。转化率是完成该行动的访客（或会话）所占的比例：

转化率 = 转化次数 / 访客数 × 100

示例：某落地页一个月有18,400次会话，带来460次注册。460 / 18,400 = 0.025，所以转化率为2.5%。如果某项改动在同样流量下把它提升到3.0%，您就能获得552次注册：每月多出92次，无需多买一次点击。这是20%的相对提升，或0.5个百分点的绝对提升。一定要说明您指的是哪一种；混淆两者是 CRO 中最常见的报告错误。您可以在转化率计算器中计算自己的数据。

这个公式里藏着两个决定。第一是分母：对于回访访客多的网站，用会话数会夸大基数；如果跟踪无法跨设备去重，用用户数则会低估基数。选定一个并坚持使用。第二是分子：哪种转化算数。

宏观转化与微转化

• 宏观转化是企业赖以存在的行为：一笔订单、一次演示申请、一个付费套餐。
• 微转化是通往最终转化的步骤：加入购物车、开始填写表单、查看价格、观看产品视频、点击 CTA。

微转化之所以重要有两个原因：它们能定位流失点（访客查看了价格却从不点击“开始使用”），而且发生频率远高于宏转化，因此在宏转化太少而无法测量的网站上也能做测试。低流量部分会详细介绍。

CRO 不是什么

• 它不是按钮颜色测试。表面化的测试很少能带来改变，因为它们没有解决人们犹豫的原因。好的 CRO 改变的是访问者理解什么、相信什么，或者需要做什么。
• 它不只是 A/B 测试。测试是验证环节，大部分价值来自告诉您该改什么的调研。许多改进（Safari 上坏掉的表单、缺失的价格）应该直接修复，而不必测试。
• 它不是一堆最佳实践的集合。“制造紧迫感”或“缩短表单”可能有帮助，也可能有害，取决于您的受众。在您自己的数据证实之前，任何做法都只是假设。
• 它不是获客。CRO 作用于访问开始之后发生的事情。它能让每个获客渠道都更高效，但不能替代任何一个渠道。

CRO 流程分步详解

每个靠谱的 CRO 项目都在运行某种版本的相同循环。名称各异，顺序不变。

1. 调研：找出访客在哪里、为什么没有转化。
2. 假设：把每个发现变成一个可检验的陈述。
3. 优先级排序：给假设排序，让稀缺的流量和开发时间投入到最有把握的方向。
4. 测试：进行受控实验（如果无法实现，则采用次优方法）。
5. 分析：如实解读结果，包括各细分和护栏指标。
6. 推广与学习：上线胜出版本，记录每个结果，把经验反馈到研究中。

1. 调研：在哪里以及为什么

研究分为两半。定量数据告诉您问题在哪里，定性数据告诉您为什么。两者缺一不可：漏斗报告显示 70% 的访客离开了价格页，但它无法告诉您他们离开是因为企业版档位只写着“联系我们”，没有价格区间。

先用分析数据选出最重要的两三个页面（流量高、离收入近、流失严重），再只在这些页面上投入定性研究。两到三周的研究冲刺，通常就能产出比您六个月能跑完的还多的测试点子。

在相信任何数据之前，先检查底层链路。确认每次转化只触发一次转化事件，漏斗步骤在所有设备上都有跟踪，内部流量已被过滤。相当一部分“转化问题”最后都被证明是衡量问题。

2. 假设：让每个想法都可被证伪

假设将一项观察与一项改动和一个可衡量的结果联系起来。请使用以下模板：

“因为我们观察到”数据显示的情况，“我们相信，针对”某一受众“改变”某一个元素，“将带来”预期结果，“衡量指标为”一个主要指标。

示例：“由于我们在会话录屏和退出调查中发现，价格页上的移动端访客分不清哪个套餐包含 SSO，我们相信在移动端套餐卡片上方添加功能对比切换按钮，会带来更多套餐选择，衡量标准为每位价格页访客点击任意‘选择套餐’按钮的次数。”

这个模板有三个作用。它强制要求提供证据（不能是“因为 CEO 喜欢”）。它明确受众，让您在问题所在之处进行测试。它还在测试开始前就确定主要指标，防止事后挑选好看的指标。可复制的版本见我们的 A/B 测试计划模板。

3. 优先级排序：PIE、ICE 还是 PXL

想法总是多于人手。主流的评分框架有三种：

• 由 WiderFunnel 推广的 PIE（Potential 潜力、Importance 重要性、Ease 难易度）：每项打 1–10 分并取平均值。“重要性”指的是该页面流量的价值有多大。
• ICE（影响、信心、易实现程度），源自增长营销：每项打1-10分后取平均值。“信心”指的是您的证据有多充分。
• PXL，来自 CXL：一份以是/否问题为主、分值固定的清单，例如改动是否在首屏、是否能在五秒内被注意到、是否增加或删除了元素、是否在高流量页面上运行，以及是否针对用户测试、定性反馈或分析中发现的问题。实施难度按预估工作量打分。CXL 设计它的目的，是消除 PIE 和 ICE 在“影响”这一项上留下的主观猜测。

示例（某个测试清单的示意性评分，PXL 简化为七个问题）：

三个框架都认为 A 应该最先做、D 最后做。它们的分歧在于 C：PIE 因为“潜力”打分宽松而把它评得接近 B，ICE 和 PXL 则因缺乏证据而给它扣分。正是这种分歧，说明了为什么要审慎地选择框架。

我们的观点：需要在一个下午给20个想法排序的小团队，用 ICE。一旦有不止一个人参与打分，就换成 PXL，因为是/否问题能让不同人的打分保持一致，也能防止嗓门最大的人抬高“影响”分。PIE 适合用来决定处理哪个页面，对单个想法的用处不大。无论选择哪种，都要重视证据：预测测试能否胜出的主要因素，是以调研为基础的假设。

4. 测试

搭建变体，在每种主流浏览器和设备上进行质量检查，并在流量允许时进行受控实验（见下文统计部分）。上线前写下：主要指标、护栏指标、样本量、计划时长和停止规则。如果这五项填不出来，说明您还没准备好上线。

5. 分析

达到计划样本量后，先检查数据质量（样本比例、跟踪），再看主要指标，然后是护栏指标，最后是事先登记的细分维度，例如设备或新老访客。把计划外的细分发现当作新的假设，而不是结论：一个测试切分的维度足够多，总会有某个结果碰巧显得显著。

6. 推广与学习

正确上线获胜版本（写进代码库，而不是让它在测试工具里以100%流量跑上几个月）。把每次测试记录到日志中：假设、截图、数据、决策，以及它让您对访客有了哪些新认识。一个推翻普遍看法的失败测试，往往比一次小胜更有价值，但前提是有人把它记录下来。

正确运用测试统计学

您不必是统计学家也能进行有效的测试，但需要尊重五个基本概念。最好的单一参考书是 Kohavi、Tang 和 Xu 合著的《Trustworthy Online Controlled Experiments》（2020）。

样本量：开始前就确定

所需访问者数量取决于您的基线转化率、您希望检测到的最小效应（最小可检测效应，MDE）、显著性水平（alpha）和统计功效。对于比较两个比例的双侧检验：

每个变体的 n = [ z_1-α/2 × √(2 p̄(1-p̄)) + z_1-β × √(p₁(1-p₁) + p₂(1-p₂)) ]² / (p₂ - p₁)²

计算示例：基线 p₁ = 3%，MDE = 20%（相对），因此 p₂ = 3.6%。Alpha = 0.05（双侧），因此 z = 1.96。统计功效 = 0.8，因此 z ≈ 0.8416。合并比率 p̄ = 3.3%。

1. 第一项：1.96 × √(2 × 0.033 × 0.967) = 1.96 × √0.06382 = 1.96 × 0.2526 = 0.4951
2. 第二项：0.8416 × √(0.03 × 0.97 + 0.036 × 0.964) = 0.8416 × √(0.02910 + 0.03470) = 0.8416 × 0.2526 = 0.2126
3. 分子：(0.4951 + 0.2126)² = 0.7077² = 0.5009
4. 分母：(0.036 - 0.03)² = 0.006² = 0.000036
5. n = 0.5009 / 0.000036 ≈ 每个变体约13,900名访客，总计约27,800名。

这与 Evan Miller 样本量计算器在相同输入下得出的结果一致，您也可以在我们的A/B 测试计算器中验证自己的场景。注意这个计算有多残酷：将 MDE 减半到10%，您就需要大约四倍的流量。我们关于A/B 测试样本量的文章提供了常见基线的速查表。

时长：样本量除以流量，按完整周计

测试时长 = 所需总样本量 / 每周符合条件的访问者数，向上取整到整周。

示例：上面的页面每周有 7,000 名符合条件的访客。27,800 / 7,000 = 3.97，所以运行 4 个完整的周。完整的周很重要，因为工作日和周末访客的行为不同；在周三停止会让一周中的某些天占比过高。经验法则是：至少运行一个完整的业务周期，并避免测试超过六到八周，否则 Cookie 删除和季节性变化会开始污染样本。

不要中途偷看（或使用专为此设计的方法）

每天查看标准的固定周期测试，并在 p < 0.05 时立即停止，会大幅增加假阳性，Evan Miller 在 How Not To Run an A/B Test 中证明了这一点。要么坚持计划的样本量，只在最后读取结果；要么使用统计方法专为持续监测设计的工具（序贯测试）。看仪表板没问题，过早据此行动才是问题所在。

检查样本比例不匹配

如果您按50/50分流，结果对照组有10,000名访客，变体组只有9,400名，那就是哪里出了问题：重定向丢失了用户、爬虫过滤只作用于其中一组，或者变体在某些浏览器上崩溃。对访客数做卡方检验可以发现这一问题。Kohavi 等人把样本比例失衡视为最重要的可信度检查之一；一旦检查不通过，不要解读结果，先找出错误。

新奇效应、单一主要指标与护栏指标

• 新奇效应和首因效应：回访访客可能因为某个元素是新的而点击它，也可能因为习惯了旧布局而忽略它。将第一周与之后几周进行比较；如果效果逐渐消退，请保持怀疑。
• 一个主要指标：提前声明，最好是在有足够样本量的前提下最接近营收的可衡量指标。十个“主要”指标必然会在某处产生一个虚假的赢家。
• 护栏指标：那些绝不能变差的指标，例如每位访问者收入、线索质量、退款率、页面加载时间。一个让注册量提升10%、却让平均订单金额下降15%的变体并不是赢家。

除非流量很大，否则每个变体只测试一处连贯的改动。我们的A/B 测试与多变量测试对比文章解释了多变量测试何时值得付出流量代价（月访问量不到六位数时，很少值得）。

低流量网站和 B2B 网站的 CRO

大多数 CRO 建议出自优化大流量消费类网站的人之手。B2B 网站以及小型消费类网站面临三个结构性问题：

1. 流量低。上面的实例中，一个测试大约需要 27,800 名访客。一个每月 5,000 访客的页面需要五到六个月，到那时市场、广告和页面本身都已经变了。
2. 销售周期长。测试可以在几周内统计表单填写数，但这些线索是否转化为商机需要几个月。2月份在演示请求上胜出的变体，如果吸引的是匹配度差的公司，到6月份可能在营收上落败。
3. 转化价值不等。一个演示申请可能来自一家有望成为您最大客户的公司，另一个可能来自一名学生。转化率把它们视为相同，而按收入加权的指标噪音要大得多，因此需要更多数据。

这些都不意味着“别做 CRO”，而是意味着要改变方法。

先测试什么

如果一年只能运行少数几次测试，就选择在靠近收入的页面上、预期效果大的测试。合理的顺序是：

1. 流量最高的商业页面上的标题和价值主张：成果导向 vs 功能导向，针对特定受众 vs 通用，问题导向 vs 方案导向。
2. 优惠和 CTA：不只是按钮文字，而是您提供的东西（演示、产品导览、评估、价格沟通）以及它出现的位置。
3. 表单：字段、资格筛选问题、单步与多步。衡量线索质量，而不仅仅是完成率。
4. 布局和页面结构放在最后：搭建成本最高，平均而言效果最小，衡量也最慢。

做更大胆的改动

所需样本量与效应大小的平方成反比。检测40%的提升所需流量大约只有检测20%提升的四分之一。在低流量下，小改动无法测试；而有调研支撑的大胆改动（完全不同的标题论点、不同的优惠）则可以。它们还能让您更了解买家，而小改动只能让您更了解页面。

测试上游的微转化

如果演示申请太少，就选择漏斗中更上游、且与之存在合理关联的指标作为主要指标：点击进入演示页、开始填写表单、从首页进入价格页。一个发生频率高十倍的指标，能让测试达到足够统计功效的速度快大约十倍。代价是您仍需将宏观转化作为护栏指标进行监控，因为微观转化可能上升，而真实转化却毫无变化。

接受与决策相匹配的置信度

并非每个决策都需要 95% 的置信度。对于容易撤回的文案改动，较低的阈值（或贝叶斯“成为最佳的概率”）是速度与确定性之间合理的折中。对于撤销代价高的结构性改动，例如价格页改版，要坚持等待充分的证据。在测试前就确定阈值，而不是看到数字之后再定。

序贯测试和前后对比测试（有注意事项）

当无法进行分流测试时（只有几十次访问的目标客户体验、全站导航的改动），前后对比总比没有强，但要坦诚面对它的弱点：季节性、广告活动、销售活动和市场新闻都与您的页面同时变化。降低风险的方法包括：比较等长的时间段；检查一个不应受您改动影响的对照指标（如果它也变了，那么变化很可能来自外部）；并在可能的情况下重复切换（开、关、开）。

倚重定性研究

在流量较低时，五次客户访谈和二十段销售通话录音比一个统计功效不足的测试更有价值。用定性研究来推动您比较有把握的改动，把测试留给真正不确定、风险高的决策。

衡量管道，而不是表单提交

示例：版本 A 带来20条线索，其中25%成为商机（5个商机）。版本 B 带来30条线索，其中10%成为商机（3个）。B 在转化率上“胜出”，却在真正重要的指标上落败。将测试工具或分析工具与 CRM 连接，让每条线索都带有其版本信息，并在商机数据成熟后重新审视结果。还要检查细分群体结果：整体持平的结果，可能掩盖了对企业级访客的胜出和对小公司的落败相互抵消。关于资格筛选表单、企业级社会认同和采购委员会内容等 B2B 专属 CRO 策略，请参阅我们更深入的 B2B 转化率优化指南。

开展 CRO 审计

CRO 审计是把调研步骤浓缩成一次性评估，适用于接手一个网站或需要快速得到优先级计划的情况。简要版本如下：

1. 检查衡量：转化事件、漏斗步骤、跨网域跟踪、已过滤的内部流量。
2. 按设备和渠道梳理漏斗，找出绝对流失最大的两个步骤。
3. 对这些页面进行启发式评估：五秒内能否看清产品价值、与流量来源的相关性、阻力（字段、步骤、加载时间）、顾虑（信任、价格、隐私）和干扰。
4. 在同样的页面上收集定性证据：录屏、简短问卷、几次用户测试。
5. 记录发现，分为“直接修复”（缺陷、流程中断）、“调查”或“测试”三类，每项都附上假设和优先级评分。

我们的 CRO 审计清单列出了所有检查项，CRO 审计演练则介绍了如何将发现转化为路线图。

按页面类型确定重点

有两个外部基准值得了解。Baymard Institute 综合50项研究，得出有记录的在线购物车放弃率约为70%；在除“只是随便看看”以外原因放弃的购物者中，额外费用（40%）和强制创建账户（18%）排名靠前，Baymard 估计理想的结账流程只需要7–8个表单字段，而美国的平均值约为15个。对于一般表单，Nielsen Norman Group 的表单可用性建议（保持表单简短、单列布局、提前说明要求、具体的错误提示）是一份可靠的检查清单。B2B 表单是“越短越好”的部分例外，因为资格筛选字段能节省销售时间；我们的线索收集表单设计指南介绍了如何让表单长度与意向相匹配，B2B 落地页优化则更深入地讨论了营销活动页面。

将个性化作为 CRO 杠杆

经典的 A/B 测试问的是“哪个版本对所有人最好？”有时诚实的答案是“都不是”：大型企业买家和五人初创公司想要的是不同的证明、不同的语言和不同的下一步，而平均结果掩盖了这一点。个性化意味着为明确定义的细分人群提供不同体验，然后将每个体验与该细分人群的对照组进行比较。

在三个条件同时满足时，它胜过一刀切的测试：您的受众可分为需求确实不同的细分人群（按行业、公司规模、漏斗阶段或流量来源）；您能在访客到达时可靠地识别这些细分人群；并且您确实有针对每个人群的不同内容。只要缺少其中任何一个，个性化只会增加复杂度而没有提升。它还会分流您的流量，所以绕不开样本量的计算；请从一两个大的细分人群和一个页面开始。如果您想先梳理细分人群，细分策略指南会一步步带您完成；我们的细分功能则展示了 Markettailor 如何在设置对照组的同时提供针对细分人群的变体。

常见 CRO 错误（及解决方法）

1. 不做研究就测试。头脑风暴得出的想法，胜出率低于基于证据的想法。解决办法：每个测试都要注明其背后的观察依据。
2. 过早停止测试。早期的领先大多是噪声，中途偷看会抬高假阳性。解决方法：提前确定样本量和测试时长。
3. 统计功效不足的测试。只能检测出50%提升的测试，会把大多数真实的改进判定为“无差异”。解决办法：上线前计算您能检测到的 MDE，只运行有可能达到该水平的测试。
4. 优化了错误的指标。线索更多，销售管道却更差。解决方法：在流量允许的范围内，让主要指标尽可能接近收入，再加上质量护栏指标。
5. 把落败当作失败。团队悄悄放弃落败的测试，也丢掉了从中得到的认知。解决方法：记录每一个结果以及它否定了什么。
6. 忽视细分人群，或过度解读细分数据。两种情况都会发生。解决办法：预先登记两三个细分维度（设备、新访客 vs 回访者、公司规模），其余都视为假设。
7. 照搬竞争对手或“最佳实践”清单。您看到的是他们的页面，而不是他们的结果。解决办法：把它们当作假设来源，而绝不是答案。
8. 跳过 QA。在某个浏览器上出错的变体会产生虚假的失败者和样本比例失衡。解决办法：上线前在主流浏览器和设备上测试每个变体。
9. 把 CRO 当作一个项目。一次审计、五项修复，就算完成。解决办法：建立固定节奏，配备负责人、待办清单和日志。
10. 以“我们应该测试一下”为由不修复明显的缺陷。解决办法：坏了的东西直接修；不确定的东西才测试。

按任务划分的 CRO 工具

按工具承担的任务来选择，并且最后再买测试工具：大多数团队在需要更多测试能力之前，更需要做好调研。

• 分析：漏斗、细分和事件。Google Analytics 4、Adobe Analytics，或 Mixpanel、Amplitude 等产品分析工具。
• 行为分析：热图和会话录屏。Microsoft Clarity、Hotjar、Contentsquare。
• 测试与个性化：客户端或服务器端实验。Optimizely、VWO、AB Tasty，或用于服务器端测试的功能开关平台。
• 调查与用户研究：页面内问卷，以及有主持或无主持的用户测试。Hotjar 问卷、Typeform、UserTesting、Maze。

按流量水平和预算进行的更全面对比，请参阅我们的转化率优化工具盘点。

建立 CRO 体系

只有作为一项持续计划来运作，而不是一系列零散修补，CRO 才会产生复利效应。最低限度的结构：

• 一位负责人，有专门预留的时间，并能调用设计和开发资源。没有开发时间，待办清单就会变成愿望清单。
• 固定节奏：每季度一次调研冲刺，每两周一次优先级评审，每月向相关方汇报一次结果。
• 一份人人可搜索的测试日志：假设、受众、截图、样本、结果、决策、经验。一年后，它会是您最有价值的 CRO 资产。
• 切合实际的测试吞吐量目标。高流量的消费级网站可以每月在不同页面上并行运行多个测试。每月10,000名访客的 B2B 网站，每月也许只能做一两个测试，再配合基于调研的修复。

事先设定对胜率的预期。在 Online Experimentation at Microsoft（Kohavi 等，2009）中，作者报告称只有约三分之一的想法改善了它们旨在改善的指标，约三分之一持平，三分之一为负面。并不是 Microsoft 的想法不好，而是好想法本来就难以预测。如果您的项目80%的测试都“赢了”，更可能的解释是统计方法不严谨，而不是想法格外出色。评判一个 CRO 项目，要看经过验证的累计影响和所获洞察的质量，而不是胜率。

常见问题

多少转化率算好？

没有放之四海而皆准的理想数字，因为转化率取决于您统计的是什么、流量构成、价格水平和购买周期。免费的邮件订阅和六位数的企业演示请求不可能共用一个基准。有意义的比较是与同一页面、同一流量来源和同一设备上您自己的基准对比。目标是稳步提升，并用每位访客带来的收入或管道来评判成功，而不只看转化率本身。

A/B 测试应该运行多长时间？

一直运行到达到上线前计算出的样本量，并向上取整为完整周，确保每个工作日的权重相同。用所需访客总数除以每周符合条件的流量。对大多数网站来说，这意味着两到六周。如果计算结果是好几个月，就改为测试更大的改动或量更大的指标，而不是让测试无休止地运行下去。

CRO 和 SEO 有什么区别？

SEO 增加的是从自然搜索到达您网站的合格访客数量。CRO 提高的是这些访客（来自任何渠道）中采取有价值行动的比例。两者相辅相成：清楚回应搜索意图的页面往往排名和转化都更好。冲突很少见，但要避免那些会隐藏或删除搜索引擎和访客所需内容的 CRO 改动。

低流量网站值得做 CRO 吗？

可以，但方法要变。流量有限时，多依靠客户访谈、会话录像和用户测试等定性研究，直接修复明显的问题，A/B 测试只留给大胆、高风险的改动，并用发生频率高的上游指标来衡量。即便完全不做测试，对您最重要的两三个页面做一次基于研究的审计，通常也能发现值得修复的摩擦点。

CRO 专员是做什么的？

CRO 专员负责运行优化循环：分析漏斗、开展用户研究、撰写假设、确定优先级并设计实验、检验统计有效性，并把结果转化为建议。这个岗位融合了数据分析、用户体验研究、文案判断力，以及足以避免假性获胜的统计知识。如果您正在考虑从事这一职业，我们的转化率优化岗位概览介绍了相关职位、技能和入门方法。