为什么研究如此重要?
子贡问为仁。子曰:“工欲善其事,必先利其器。居是邦也,事其大夫之贤者,友其士之仁者。”
准备工作会花一些时间,但能让后面的工作更顺利。做好研究也一样,它能减少盲目修改,让优化更有依据。
想象一下两种场景:
场景一:没有研究
你打开一个落地页,看了几眼,然后说:"嗯,我觉得这个按钮应该改成绿色,标题字体太小了,这张图片不够吸引人。"于是你就开始改。
场景二:有研究支撑
你通过数据发现,85%的用户在填写表单的第二步就离开了。你通过访谈了解到,用户对需要输入信用卡信息感到担忧,虽然页面说的是"免费退货"。于是你知道,问题不在按钮的颜色,而在于用户的信任感。
看到区别了吗?
第一种方式本质是在赌,你可能碰巧改对了,但更大的可能是在浪费时间。第二种方式是在解决真实存在的问题,你的每一个改动都有明确的目标和理由。
研究的价值不仅仅是提高成功率,它还能:
- 识别实际问题:用研究验证你的判断,避免只凭感觉下结论
- 了解用户的真实想法:他们的动机、疑问、担忧
- 发现摩擦点:那些阻止用户转化的具体障碍
- 建立可验证的假设:这样即使测试失败,你也能从失败的测试中找到确定性的经验
在我的职业生涯中,我发现研究能力非常稀缺。很多公司能做出漂亮的设计、顺畅的流程和先进的工具,研究却相对薄弱。
掌握研究能力,你可以在开始测试前,就为客户和团队提供具体、有依据的判断,找到其他人容易忽略的问题。
定量研究 vs. 定性研究:硬币的两面
定量研究和定性研究没有高下之分。它们各自回答不同的问题,缺少任何一类研究,都可能让你对问题作出片面的判断,影响接下来的优化。
定量研究:告诉你"是什么"
定量研究关注的是数字和统计。它回答的是这些问题:
- 发生了什么?
- 在哪里发生的?
- 有多严重?
比如说,通过Google Analytics,你可以发现:
- 1000个用户访问了你的落地页
- 其中200人点击了订阅按钮
- 但只有50人最终完成了订阅注册
- 也就是说,在点击订阅按钮之后,有75%的人流失了
这些数字明确告诉你,注册流程存在严重问题。
但数字无法告诉你,用户为什么流失了。是因为表单太长?是因为他们担心隐私?是因为他们不确定"订阅"之后会发生什么?
要找到原因,还需要定性研究。
定性研究:告诉你"为什么"
定性研究可以接着寻找这些行为背后的原因。
它深入挖掘用户的想法、感受和行为背后的原因。它回答的是:
- 为什么会这样?
- 用户在想什么?
- 他们的情绪状态是怎样的?
继续刚才的例子,通过用户访谈或反馈问卷,你可能会发现:“我看到注册页面要求输入手机号码,我就关掉了。我还不想透露我的号码,因为还不确定你们的产品是否真的适合我。”现在你知道问题所在了。表单长度可能有影响,但用户对你能提供的价值仍存在疑虑。
两者结合的力量
把定量和定性研究结合起来,问题的原因就清楚多了:
"在注册页面第二步,转化率下降了85%"
"因为用户对输入手机号码感到不安,尽管是免费订阅"
现在你有了一个完整的图景,你知道:
- 问题有多严重(定量)
- 问题是什么(定性)
- 应该如何解决(定量+定性)
很多公司会做基础的定量分析,毕竟安装 Google Analytics 并不难,但定性研究往往被忽视。现在也有更多定量研究方式和更高级的追踪方式,可以为定性判断提供数据支撑。如果你在定性研究上多下功夫,就更容易理解用户行为背后的原因,提出更有针对性的优化方案。
我的研究工具箱:定量篇
好了,理论讲得差不多了,让我们来点实际的。
以下是我在落地页优化项目中反复使用的定量研究方法。项目不同,工具也会变化,但这些都是每次分析值得检查的基础项。
Google Analytics 4 (GA4)
GA4 是数据分析的原点。它就像是你的落地页的健康体检报告,告诉你哪里健康,哪里有问题。
我每次开始一个新项目,都会先在GA4里查看这些内容:
设备分析
- 有多少流量来自桌面端?多少来自移动端?
- 各自的表现如何?
很多项目的主要流量来自移动端,但我们还是要根据实际项目的数据判断。
样本量
在开始任何优化工作之前,你需要知道:你的流量够不够做A/B测试?
如果你的落地页每个月只有500个访客,那A/B测试可能不是最好的选择,你需要等太久才能得到统计学上显著的结果。这种情况下,你可能需要考虑其他优化策略。
转化率和基准指标
- 目前的转化率是多少?
- 跳出率如何?
- 用户在页面上停留多久?
- 他们滚动到了页面的哪里?
这些数字给你一个起点,让你知道面对的是什么情况。但根据实际经验,跳出率和页面停留时长往往带有迷惑性,不能直接告诉你问题出在哪里。可以看,但不要只盯着这两个指标。
流量来源
- 用户从哪里来?是搜索广告?Facebook?邮件营销?
- 不同来源的流量表现如何?
这个数据十分重要,因为不同来源的用户可能处于不同的认知阶段。点击Google搜索广告来的用户可能已经在积极寻找解决方案,而从社交媒体来的用户可能只是刚接触你的品牌,随便看看。你需要用不同的方式对待他们。
漏斗分析
这可能是最重要的分析之一。
漏斗分析让你看到用户从进入落地页到完成转化的整个旅程,以及他们在每一步的流失情况。
想象一个以收集潜在客户邮箱为目标的订阅落地页:
从数据看,点击订阅和完成订阅这两步流失较多。除了优化落地页本身,也要重点检查表单填写过程。
页面路径探索
用户看完你的落地页之后,去了哪里?
我们通常建议广告落地页采用封闭形态。用广东人的老话来说,就是:“得就得,唔得就返顺德!”
但网站开展 SEO 运营后,很多落地页会承接可以自由流动的流量。用户看完落地页,可能继续去首页、关于我们页面,或者别的内容或产品页面。
如果很多用户都走向同一类页面,就要引起注意。这往往说明,在落地页里补充相关信息,可能带来更高的转化。
页面速度
网页速度要结合实际体验看。以谷歌 PageSpeed Insights 为例,它使用 28 天平均值,新优化不会立刻反映在数据里。即使是谷歌自家的 YouTube.com,分数也不高。
包括 GTmetrix 在内的测速工具,提供的基本上都是实验室数据。不同测速服务器的位置也会影响速度和评分,所以这些结果只能作为参考,不能作为网站速度的唯一评判标准。
现代网站需要更多功能和交互,CSS 和 JavaScript 的增加会加大 LCP 负载。一味追求速度,过度优化,反而可能导致网页元素缺失或错误显示,得不偿失。页面速度适度、稳定就好,不必像奥林匹克一样一直追求更快。
根据多年的经验,我们建议测试页面速度时先看真实体感。有些网站已经加装缓存模块,跑分不高,并不代表用户实际打开得慢。还要考虑网站服务器的位置,最好从海外网络环境测试真实体感,这样更接近目标客户的体验。
当我们考量网页速度时,主要要观察
- 页面真实加载体感速度 - 是否会引起客户不耐烦
- 有哪些元素拖慢了速度(比如超大的图片文件,须修改为小尺寸和webp)
- 有没有不必要的元素在页面加载了,比如没有使用的插件模块
我的研究工具箱:定性篇
定性研究经常被忽视,因为很多人不知道从哪里开始。但它往往能帮你找到数据背后的原因。
启发式分析:用不带预设的眼光看世界
启发式分析不需要复杂工具。你要暂时放下自己的预设,亲自体验一遍完整的落地页旅程。
听起来简单,确实也不复杂,但非常有效。
具体怎么做呢?
从广告开始
不要直接打开落地页。从用户看到的第一个接触点开始,通常是广告。
- 点击广告
- 看看它把你带到哪里
- 广告的承诺和落地页的内容匹配吗?
- 如果不匹配,用户会感到困惑
像用户一样浏览
然后,像一个真实用户一样浏览落地页:
- 慢慢滚动
- 阅读文案(真的读,不要扫视)
- 点击可以点击的东西
- 尝试填写表单
- 完成整个转化流程
在这个过程中,问自己这些问题:
- 我清楚这个产品/服务是做什么的吗?
- 我知道为什么应该选择它吗?
- 我的疑问得到解答了吗?
- 我感到任何困惑或摩擦吗?
- 下一步我应该做什么是清楚的吗?
实事求是地记录一切。把观察、疑问和困惑都记录下来,先不过滤、不评判,像第一次使用产品的人一样,诚实记录自己的体验。
你自己的体验只是一个样本,不能代表所有用户。
所以,启发式分析只是一个起点,帮你快速熟悉页面,发现一些明显的问题。但你还必须通过其他研究方法来验证你的发现。
话虽如此,这一步绝对不能跳过。如果你在网站运营工作的时间足够长,你会惊讶地发现,很多所谓的"优化专家"在没有真正体验过完整流程的情况下就会开始提建议了。一定不要成为那样的人。
秘密武器:深度访谈销售团队,或者客服团队
这可能是我最喜欢的研究方法了。
销售人员每天都在和真实客户对话,回答他们的问题,处理他们的顾虑、异议和购买动机。客服人员也一样。他们非常了解真实客户遇到的问题和担忧。
收集 100 个用户的反馈需要不少时间和资源。如果暂时做不到,可以先和一两个客服或销售人员深入交谈。结合项目特点问对问题,往往也能高效获得很多具体信息,为后续用户访谈提供方向。
怎么进行这类访谈?
首先,选对人。找那些在一线工作时间长、愿意分享的人。
然后,问对问题。下面是一些常见的问题方向,你可以根据项目继续补充:
- "客户最常问的问题是什么?"
- "客户最担心的是什么?"
- "什么因素会让客户犹豫不决?"
- "客户最喜欢我们产品的哪些方面?"
- "什么样的客户最适合我们的产品?"
- "客户经常对什么感到困惑?"
- "如果在落地页上只说一件事来减少客户疑虑,你觉得要说什么?"
访谈的重点是挖掘他们对客户的了解,暂时不用直接问"你觉得落地页应该怎么改"。
如果是 B2B 项目,我建议先围绕客户群体、原材料、生产流程、产线规模、品控系统、研发系统和服务能力做好基础调研,再整理访谈问题。访谈时,让对方尽量展开回答,很多有价值的发现往往就藏在这些细节里。
如果条件允许,也可以访谈有一定决策权或管理职责的人。他们通常掌握更完整的信息,能帮助你理解业务背景和问题优先级。
热图:看见用户的行为
热图工具(比如Clarity,Hotjar)能让你直观地看到用户如何与你的落地页互动。
点击热图
显示用户点击了哪里。
你会看到一些有趣的现象:
- 用户点击了不是链接的图片(他们以为可以点击)
- 用户完全忽略了你精心设计的CTA按钮
- 用户点击了你没想到会有人点击的地方
这些行为告诉你,用户的预期和你的设计之间存在差距。
滚动热图
显示用户滚动到了页面的哪里。
一个常见的发现:你把最重要的信息放在页面底部,结果只有5%的用户滚动到那里。
这就像是在餐厅菜单的最后一页放上你的招牌菜,大部分客人不会翻到那一页。
移动/注意力热图
显示用户的鼠标移动轨迹和停留位置(这通常与眼球注意力相关)。
你能看到:
- 用户的注意力集中在哪里
- 他们在阅读什么
- 他们跳过了什么
一个实用建议
有时候,想了解用户,最直接的方法就是问他们。
反馈问卷是出现在落地页上的小弹窗,向用户提出一个简单的问题。
为什么它们有效?
- 非侵入性:不像完整的调查那样打断用户体验
- 及时性:在用户体验的当下收集反馈
- 高响应率:因为只需要点击一下或输入几个字
最有效的问卷问题
- 对于即将离开的用户: "在决定购买/注册之前,你还有什么疑问吗?"
- 对于完成转化的用户: "是什么说服你选择了我们?"
- 对于在页面停留一段时间但没有行动的用户: "有什么阻止你继续吗?"
关键是问一个问题
不要试图在一个弹窗里问五个问题。坚持一个清晰、具体的问题。你也可以选择为这一个问题提供回答选项的办法,但是请不要提供超过5个的选项,那也会让用户产生认知负荷。
用户会更愿意回答,你也会得到更有价值的答案。
评论挖掘:用户的真实语言
评论挖掘是一个容易被低估的研究方法,我是从一位日本客户身上学到的。这位客户服务于一家新加坡的企业,从2012年起就是亚马逊上的家具产品大买手。我们认识后,他分享了自己实践验证的产品开发和研究方法,仔细阅读客户评论。当时,每个产品他都会翻几百页评论(常规采购可能超过100个SKU),不厌其烦地记录各个维度的客户反馈,再整合和总结这些信息。从他的指导开始,我一直把这个方法沿用至今,受益匪浅。感谢你,Ishiwata San。
那我们可以去哪里找评论呢?
- 你自己产品的评论(如果有的话)
- 竞争对手的评论
- 行业相关的产品评论
- 亚马逊评论
- Reddit、Quora等论坛
- 还有其他你可以通过谷歌找到的适合你的项目的评论渠道
对于评论,你要寻找什么?
用户的语言
人们是如何描述他们的问题的?他们用什么词?比如,你可能称你的产品为"L型转角桌",但用户可能说"我需要一个更节省空间的电竞桌"。后者是更有力的文案,因为它直接反映了用户的情感和需求。
最常提到的好处
用户最喜欢产品的哪些方面?这些应该成为你落地页的重点。不要自己猜测什么特性最重要,让用户告诉你。
常见的抱怨和问题
用户对类似产品有什么不满?这些是你可以在落地页上直接解决的担忧。如果用户普遍抱怨某个竞争对手"客服响应太慢",而你的客服很好,那就在落地页上突出这一点。
对比
用户经常会说"比X好"或"不如Y"。这告诉你用户在拿你和谁比较,以及他们的评判标准是什么。
一个小技巧
评论挖掘在过去是十分耗时的,你需要阅读大量评论。但现在我们有AI了!
你可以复制一批评论,或者用技术工具采集评论,再让 AI 帮你总结,比如下面的一些方向:
- 用户最常提到的好处
- 用户最常提到的抱怨
- 用户提到最多的需求(计算次数)
这能把过去需要几小时的工作压缩到几分钟。
如何整合你的研究发现
现在你已经收集了不少研究材料,包括数字、访谈笔记、热图分析和评论摘要。
怎么把这些变成可执行的优化方案?
回到基础:有效落地页的特征
还记得我们在前面章节讨论过的有效落地页的特征吗?把它们当作你的分析框架:
- 与流量来源相关 你的研究显示用户预期和落地页内容匹配吗?
- 匹配认知阶段 用户真的了解他们的问题和你的解决方案吗?还是你假设了太多?
- 强化动机 你的研究揭示了什么真正驱动用户行动?这些动机在落地页上清晰吗?
- 回答重要问题 客服访谈和反馈问卷揭示了哪些未被回答的问题?
- 减少摩擦 你发现了哪些让用户卡住、困惑或犹豫的地方?
- 清晰的转化路径 漏斗分析和热图显示用户的旅程顺畅吗?
按摩擦类型分类
还记得我们讨论过的三种摩擦吗?用它们来组织你的发现:
| 摩擦类型 | 具体表现例子 |
|---|---|
| 交互摩擦 | • 表单太长 • 按钮不明显 • 移动端体验差 • 页面加载太慢 |
| 认知摩擦 | • 文案难以理解 • 信息过载 • 行动召唤不清晰 • 价值主张模糊 |
| 情感摩擦 | • 缺乏信任信号 • 未解决的担忧 • 不确定性 • 对价格/承诺的焦虑 |
这种分类方法帮你把零散的发现组织成清晰的类别,也让你更容易识别应该优先解决哪些问题。
避免研究进入瘫痪
最后提醒一句,不要让研究变成拖延的借口。
有些人会陷入一个陷阱:"我需要更多数据。""样本量还不够大。""我还没有看到足够多的评论。"
更多研究当然有帮助,但完美的研究并不存在。如果一直等到所有数据都齐备,你可能永远无法开始优化。
你必须要记住:
- 研究的目的是提高成功概率,不能保证成功
- 有研究总会比没有研究好
- 研究会在执行中逐步深入,不要只停留在想的阶段。做事情要学会边瞄准边射击
即便只是:
- 看了一个月的GA4数据
- 和一个销售经理聊了30分钟
- 装了热图看了50个会话
- 读了100条评论
只要仔细分析这些观察,形成自己的判断和优化方向,你就已经比80%的人做得更好了。研究是持续的过程,不是一次性的任务。开始做一些研究,采取行动,学习,然后重复,你就会逐步接近想要的结果。
第六章 · 完
接下来,把研究结论落实到页面结构与核心组件