前幾天看到了Sidney寫的一篇文章—— 電子商務(B2C)網站的Abandonment Rate ，裡面詳細介紹的B2C網站中購物車及付款流程可能造成交易的中斷，客戶放棄購買該商品的情況，也就是Abandonment Rate。 文章中提到了Abandonment Rate可能涉及的影響因素，及如何降低Abandonment Rate的一些方法，感覺對提高電子商務網站商品的銷售轉化率十分有效。 其中談到Abandonment Rate與商品的價格或商品的銷售組合之間可能存在某種聯繫，為了求證這類聯繫是否存在，我們可以使用一些定量分析的方法對可能影響Abandonment Rate的某些因素進行了分析。
哪些因素影響了Abandonment Rate
一般B2C電子商務網站都會基於商品進行分類，如下圖：
以卓越銷售的商品為例，卓越銷售商品以圖書音像為主、電子日用品為輔，其下的產品分為圖書音像、消費電子、日用消費品等類目，之下還有子類目的劃分，最底層就是其銷售的商品，如圖書Web Analytics 2.0、某品牌的手錶等，那麼可以整理得到如下的商品列表：
| 商品類目1 | 商品類目2 | 商品類目3 | …… |
| 商品1 | 商品3 | 商品4 | |
| 商品2 | 商品5 | ||
| …… | …… |
根據上面的表格，我們可以通過橫向對比和縱向對比的方法對Abandonment Rate影響因素進行分析。 因為不同的商品類目可能在商品的品牌口碑、本質特徵、展示方式、購物車流程等方面存在差異，通過橫向比較商品類目的Abandonment Rate是否存在顯著性差異，可以確定這麼因素的影響情況；而同一類目中商品的縱向對比，可以在控製商品的品牌口碑、本質特徵、商品展示方式、購物車流程相似的條件下，比較商品的關注度、價格、購買數量、促銷等因素的影響情況。
不同商品類目間的橫向比較
樣本數據的選擇：為了說明差異是有商品類目的不同說引起的，我們需要選擇商品受關注程度、平均價格、銷售情況、促銷頻率等較為相近的2個商品大類（如鼠標和帽子），以排除這些因素的影響。 同時選取合適的時間跨度，你可以選擇一個月、一個季度或者任意的時間區間來分析該時間段內樣本數據特徵。 如：
樣本數據是關於某時間發生頻數的統計，所以比較兩組樣本間的差異可以選擇四格表卡方檢驗的方法，這裡的檢驗結果χ 2 =16.84，顯著性水平p<0.01,差異有高度統計學意義，拒絕零假設，認為兩組數據存在顯著性差異。
同一類目中不同商品的縱向比較
樣本數據的選擇：同樣我們需要選擇關注度、價格、銷售數量、促銷頻率等存在一定差異的相同類目下的商品（如不同品牌、價格和款式的手錶）來進行比較分析。 同樣選取合適的數據時間段，如統計得到以下數據：
| 商品 | 關注度 | 價格 | 銷售數量 | 促銷比率 | Abandonment Rate |
| 1 | 3258 | 588 | 251 | 0.16 | 0.4487 |
| 2 | 1569 | 998 | 76 | 0.05 | 0.4711 |
| 3 | 2965 | 158 | 206 | 0.20 | 0.2639 |
| 4 | 236 | 2568 | 15 | 0 | 0.5714 |
| 5 | 985 | 1128 | 3 | 0 | 0.3843 |
我們可以通過excel的數據分析功能獲取各列間的相關係數r，首先可以根據r值的正負確定是正相關還是負相關，然後比對以下的相關係數與相關程度的對照表，確定相關性的強弱：
| |r|>0.95 | |r|>=0.8 | 0.5<=|r|<0.8 | 0.3<=|r|<0.5 | |r|<0.3 |
| 顯著性相關 | 高度相關 | 中度相關 | 低度相關 | 不相關 |
那麼根據結果可以得出以下結論： Abandonment Rate與價格高度正相關，與促銷頻率中度負相關，與關注度中度負相關，與銷售數量低度負相關。
如何降低Abandonment Rate
既然已經知道有這些因素影響了B2C的Abandonment Rate，那麼我們如何通過網站優化來降低Abandonment Rate呢？ 其實Sidney在他的文章中已經提到的許多解決的方法是十分有效的，下面根據以上影響因素分析的結果分各因素來簡要闡述下我們可以做些什麼？
商品類目間的差異
如果通過比較分析得出2個或多個商品類目間存在顯著的差異，那麼首先要確定這個差異是不是由於商品本質特徵的不同會導致，因為商品的某些本質特徵有時並不是能夠人為控制的，諸如：
- 商品的品牌口碑：網購的用戶可能會偏向品牌型產品；
- 規格的固定性：電子商品的規格確定性會高於衣物等日用品，所以鼠標的Abandonment Rate會低於帽子也不奇怪；
- 售後服務：一般商品的售後服務由廠商提供，那麼這個因素一般是電子商務網站無法控制的。
由於以上原因造成的Abandonment Rate偏低的商品類目，網站方面可能就力不從心了，然而如果差異是由一下因素造成的，那麼網站就得找找自己的原因的：
- 商品展示方式的差異：佈局、圖片、商品描述、一些有誤導性的信息……這些也會造成Abandonment Rate的偏高；
- 購物車流程的差異化：用戶可能在購買鞋子時因為需要填寫尺碼、顏色等信息而直接關閉瀏覽器離開了，但在購買圖書是可能就不會出現這種情況；
- 用戶購買體驗：如果網站提供了用戶的交流平台，那麼客服人員對某類商品的不熟悉或不耐煩也會造成該商品的Abandonment Rate過高。
商品個體因素的影響
對於單個商品而言，關注度、價格、銷售量、促銷頻率這些因素可能就決定了Abandonment Rate，但是麻煩來了，以上的這些因素可能很難做持續的改進，這時我們可以採取互補的方式，即通過提高某些有利因素來降低某些不利因素的影響。
比如我們發現A產品由於價格過高而造成與同類商品相比Abandonment Rate偏高，而分析證明促銷對於降低該類商品的Abandonment Rate有顯著的有效性，那麼我們可以是增加A產品的促銷頻率；或者提高關注度對降低Abandonment Rate有效，那麼可以把A產品放到網站更加顯眼的位置……
當然，由於電子商務網站商業模式上的差異，對Abandonment Rate的影響因素可能各不相同，上面也只是舉例說明了一部分因素。 所以，最好根據自己網站的特點來選取可能的影響因素進行分析，方法可以藉鑑上面的兩種，如果你有更好地分析方法，歡迎跟我分享。
»本文采用BY-NC-SA協議，轉載請註明來源： 網站數據分析 » 《Abandonment Rate的影響因素》
相關文章:
非常好的文章！
結論太有用了——Abandonment Rate與價格高度正相關，與促銷頻率中度負相關，與關注度中度負相關，與銷售數量低度負相關。
感謝你用這麼專業的統計方法來驗證我們的經驗。
可惜我們不在一個城市，希望能有機會和你聊天學習。
也是受你的文章的啟發，希望以後能多交流。 另外文章中的數據不一定有效，這裡只是提供一個分析的方法，需要根據不同網站的特徵和數據進行分析。 多謝你的評論！
好多都是實戰分析啊。 真好。
網站分析的文章都讀了好多了，啥時候才能入門呢。
不錯的文章，Abandonment Rate的降低可能針對不同的產品差異也很大. 產品評價對於所有商品來說，影響都不小。 商城本身的品牌知名度與可信度也會有一定的影響。
文中提到的相關係數r是如何計算的呢？
這裡的Abandonment Rate是指哪一步的Abandonment Rate的呢？
@ Leon :相關係數有相應的計算公式，這裡公式不好貼出來，可以搜索下，其實用Excel和SPSS都可以計算相關係數的。
@ Leon :這裡主要指的是電子商務網站的購物流程中從購物車到付款這一步轉化中的Abandonment Rate。
非常棒的文章。 。 我把相關係數的知識認認真真的通讀了一遍。 好多有用的知識呀。 可惜自己沒學過統計學
另外我在excel裡算出的結果，Abandonment Rate與價格相關度為正0.8，與關注度負0.6,與銷售量負0.45,與促銷比率負0.37. 應該為低度負相關。 而文中你的結論為中度負相關。 麻煩看一下是我計算錯誤還是你筆誤？
@ yoyo :不好意思，是我文章裡面數值的問題，我剛剛看了下當時做的Excel，裡面表格的數值在“促銷比率”這一列跟博客文章中的數值有出入，文中相關度的結論是根據Excel的數值計算的，所以可能跟你用文中表格數值計算的結果有偏差。
我更新下表格的數值，多謝你的提醒！
博主文章與宋星的文章都各有我們值得我們學習的地方，不禁一喜！