数据分析·作者 数据分析编辑·发布 2026-02-25·更新 2026-04-19
电商转化漏斗 7 层诊断:从曝光到复购逐层找到掉量原因
GMV 出问题时先别急着砸钱,先拆漏斗。本文把电商转化拆成 7 层——曝光、点击、进店、浏览、加购、支付、复购——每层给出典型卡点、诊断指标、改善动作,让你用 30 分钟定位出真正的问题层。
GMV 出问题时的标准流程应该是先诊断再投钱。漏斗是最有效的诊断工具——7 层里总有 1-2 层特别差,顺着那层下手就对了。
漏斗 7 层全景
自上而下:
- 曝光(展示 Impression):商品被推荐到用户面前;
- 点击(CTR):用户点进来;
- 进店:用户从商品详情进入店铺或其他相关入口;
- 浏览:用户看了详情、规格、评价;
- 加购:用户把商品加入购物车或收藏;
- 支付:用户真的付了款;
- 复购:用户未来 30/60/90 天再买。
每层之间都有一个漏斗转化率——上一步到下一步保留的用户比例。
第 1 层:曝光(Impression)
指标:日均曝光量、曝光覆盖人群。 典型卡点:新店铺曝光 < 1000/日;曝光人群不精准。 诊断方法:
- 看哪些来源占主要曝光(搜索/推荐/短视频/直播);
- 分人群看 CTR 是否一致。 改善动作:
- 提高商品标题关键词密度;
- 主推品加付费流量撬动;
- 短视频/直播加持。
第 2 层:点击率(CTR)
指标:点击率 = 点击 / 曝光 × 100%。 及格线:服饰 3-6%、美妆 4-8%、食品 5-10%。 典型卡点:CTR < 2%,说明主图或标题不够吸引。 诊断方法:
- 看主图 A/B 测试(详情页主图);
- 看标题关键词是否命中热搜。 改善动作:
- 主图换"痛点+解决"型;
- 标题加"爆款"、"好评"、"畅销"等第三方背书词;
- 测试 5-10 张备选图。
第 3 层:进店 / 跳转率
指标:用户从商品页进入店铺首页 / 其他商品的比例。 及格线:10-20% 健康。 典型卡点:用户看完详情就跳出,说明店铺没关联推荐。 改善动作:
- 详情页插入"同款推荐";
- 主推品和关联品一起挂链接;
- 店铺首页活动大图。
第 4 层:浏览深度
指标:平均浏览时长、页面 PV。 及格线:详情页停留 > 30 秒。 典型卡点:用户看了 10 秒就走。 诊断方法:
- 看详情页跳失节点(多数在规格和评价间);
- 看"快速滑动"比例。 改善动作:
- 详情页前 3 屏放最关键信息(痛点+价格+核心卖点);
- 评价放在中部显眼位置;
- 加 FAQ 模块自解答。
第 5 层:加购率 / 收藏率
指标:加购数 / 浏览数 × 100%。 及格线:3-5% 为合格,≥ 8% 为优秀。 典型卡点:看了但不加购,通常是价格、尺码信息、库存不清。 改善动作:
- 加购赠小礼;
- 券后价醒目;
- 加"专属秒杀 3 分钟"刺激;
- 多规格齐全。
第 6 层:支付转化率
指标:支付单数 / 加购数 × 100%。 及格线:加购后下单率 15-30%。 典型卡点:加购不下单,多因价格、运费、活动规则复杂。 改善动作:
- 运费透明("满 XX 包邮"明示);
- 活动规则简化;
- 加购后推送提醒;
- 支付页面精简。
第 7 层:复购率
指标:30 天 / 60 天 / 90 天复购率。 及格线:美妆 15-25%;服饰 8-15%;食品 30-50%。 典型卡点:首次体验差、没有私域触达。 改善动作:
- 包裹卡引私域;
- 老客户专属券;
- 新品首发给老客户优先;
- 客服个性化推荐。
诊断一张纸
| 层 | 指标 | 你的值 | 及格线 | 结论 |
|---|---|---|---|---|
| 曝光 | 日均曝光 | ≥ 1 万 | ||
| 点击率 | CTR | ≥ 4% | ||
| 进店 | 店内跳转率 | ≥ 10% | ||
| 浏览 | 详情停留 | ≥ 30s | ||
| 加购 | 加购率 | ≥ 3% | ||
| 支付 | 支付转化 | ≥ 15% | ||
| 复购 | 30 天复购 | 类目对齐 |
填完之后,哪层红色(不及格)就优先改哪层。
真实案例
某服饰品牌 GMV 30 天从 300 万降到 200 万。拆开看:
- 曝光没变;
- CTR 从 4.2% → 2.8%(这层严重掉);
- 加购率还好;
- 支付率正常。
结论:主图老化。换了 10 张新主图 A/B 测后,CTR 回到 3.8%,GMV 2 周后回弹到 280 万。如果不拆漏斗直接加广告预算,烧钱没效果。
高阶建议:分渠道拆漏斗
不同渠道(搜索 vs 推荐 vs 直播引流)漏斗形状完全不同:
- 搜索来的:点击率低、加购率高;
- 推荐来的:点击率高、加购率低;
- 直播引流:点击率中、支付转化高。
改动作时按渠道区分,否则容易"一把药毒死一群人"。
延伸阅读
常见问题
以下为可见 FAQ,与 FAQPage 结构化数据一致。
- 漏斗诊断多久做一次?
- 固定每周做一次最稳,大促后、新品上架后、广告改版后加做专项诊断。
- 7 层是不是太复杂?
- 实际场景可以合并成 4 层(曝光、点击、下单、复购)快速诊断,然后重点定位的那一层再细化到 7 层。
- 哪一层最值得优先优化?
- 通常是点击率和加购率——它们是「最便宜」的优化点(改图、改标题、改描述即可),且效果立刻显现。
- 漏斗数据从哪里看?
- 抖店看商家学习中心;淘宝看生意参谋的流量解析;京东看京东商智;跨平台用数据中台或 Excel 自建。
- 漏斗掉量一定是坏事吗?
- 不一定。精准流量进来后「不合格用户」被筛掉反而是好事。重点看转化率,而不只是绝对值。
标签
本文属于以下专题
进入专题可以看到同主题下的全部相关文章、代表作者与常见问题解答。
相关文章 / 猜你喜欢
同栏目 +1、共享标签 +2;真实相关不足时,用同栏目最新 / 全站最新补位并标注来源。
数据分析·2 分钟阅读·2026-04-17
抖音电商罗盘新版深度解读:5 张报表回答 80% 的运营决策
电商罗盘是抖店运营的「驾驶舱」,但报表多到看不过来。本文聚焦 5 张高价值报表:流量大盘、商品分析、客户分析、达人合作、广告效果,逐张说明「看什么、怎么用、决策是什么」。
同栏目《数据分析》;共享标签 #电商数据
数据分析·2 分钟阅读·2026-04-17
电商数据看板搭建指南:用 4 屏看懂全局生意
看板不是「图越多越好」,是「让团队一眼对齐生意状态」。本文给出 4 屏标准看板:经营全局、流量结构、商品健康、用户与服务,并附实施步骤与常见数据治理坑。
同栏目《数据分析》;共享标签 #电商数据
数据分析·5 分钟阅读·2026-04-19
电商低代码工作流自动化:10 个高 ROI 自动化场景(附工具)
运营团队 80% 的时间花在「搬数据 / 填表 / 通知」等重复工作。本文给出 10 个电商场景的低代码工作流方案,用飞书多维表格、Zapier、Make、钉钉宜搭等工具,让人力从事务中解放。
同栏目《数据分析》
数据分析·5 分钟阅读·2026-04-19
2026 电商 AI 自动化工具全景:从写文案到客服的 10 大场景
AI 已经从「新奇」进入「生产力」。本文盘点 2026 年电商行业可用的 AI 自动化工具,覆盖 10 个场景(文案、素材、客服、选品、定价、库存、物流、评价、财务、舆情),每个给出 2-3 个代表工具与成本评估。
同栏目《数据分析》
数据分析·4 分钟阅读·2026-04-19
电商数据 ETL 管道搭建:从平台 API 到数仓的 6 层架构
多平台运营第一件事就是把数据打通——天猫、抖音、京东、自研 CRM 数据怎么汇到一个数仓?本文给出 6 层 ETL 架构(接入、清洗、集成、维度建模、指标层、应用层),配合工具选型与落地 Roadmap。
同栏目《数据分析》
数据分析·5 分钟阅读·2026-04-04
电商 RFM 会员分层模型:把用户分成 8 组、ROI 翻 3 倍的实战手册
所有用户一视同仁投流和发券 = 浪费钱。RFM 模型是把 10 万用户分成 8 组、对每组设计不同运营动作的数据工程。本文给出 RFM 的完整计算方法、分层矩阵、每组对应动作、工具清单,让老客复购率提升 40%+ 的落地方案。
同栏目《数据分析》