# 把“没单”拆成一条链路：新手怎么找到自己卡在哪一环

从曝光到复购，一个订单要过哪几道门，以及怎样用连乘关系判断自己该先修哪一环

> 转化漏斗 · 店铺诊断 · 转化率 · 约 7 分钟 · 09 月 24 日

## 本篇要点

1. 一个订单要连续通过曝光、点击、进店浏览、加购、发起结算、付款这几道门，任何一道门没过，这一单就不存在。
2. 整体转化率等于各环节转化率相乘，不是相加；任何一环掉一半，整体产出就掉一半，所以“哪一环更重要”这个问法本身是错的。
3. 判断自己卡在哪一环，要算出每一环的转化率，和自己的同类目参照值比，找出差距最大的那一环，并且一次只改这一环，保证改动能被归因。
4. 类目差异极大：食品补剂类整体转化率常在 3% 上下，服装约 1.5%，家居和数码常在 1% 以下，拿不同类目的数字互相比会得出错误结论。
5. 同样写 1000，从曝光算起和从进店访客算起，产出差很多，比较之前先确认两边口径一致。
6. 样本量不足时百分比会剧烈抖动，曝光少于 500、点击少于 50 的情况下，“0 成交”往往只是波动，不能据此判断商品或详情页出了问题。
7. 购物车放弃率全球平均约 70%，但其中约四成只是顾客在逛、还没打算买，真正该修的是结算时冒出的额外费用、强制注册、流程过长等摩擦。

---

“店里没单”——这是几乎所有新手卖家最早的困境。但它其实不是一个问题，而是一句症状描述。没单可能是因为没人看到你的商品，也可能是有人看到了却不点，点了却不信，信了却卡在运费上。这几件事的解法完全不同，甚至互相矛盾：前一种要花钱买曝光，后一种再花钱只会亏更多。

所以第一件要学会的事，不是马上优化什么，而是把“出单”这件事拆成一条能看的链路，然后判断你究竟卡在哪一环上。

## 一个订单是怎么一步步产生的

一个顾客从完全不知道你，到最终付钱，中间要连续通过好几道门。任何一道门没过，这一单就不存在。把它写成一条线，大致是这样：

```mermaid
flowchart LR
  A["曝光：商品出现在他眼前"] --> B["点击：他点了商品卡"]
  B --> C["进店浏览：他看详情、规格、评价"]
  C --> D["加购：他把商品放进购物车"]
  D --> E["发起结算：他填地址、开始走结算"]
  E --> F["付款成功：这一单成立"]
  F --> G["复购：过一段时间他再来买"]
```

这七步不是理论分类，而是后台数据里真实存在、可以被分别统计的动作。曝光和点击发生在平台那一侧——商品卡出现在搜索结果、推荐流或者内容页里；从“进店浏览”开始，才发生在你的商品页和结算流程里。

举个例子。某天你的商品卡被展示了 1000 次（曝光），其中 30 个人点进来，顺着往下走，最后只有 1 个人付了款。整条链路是：曝光 1000 → 点击 30 → 看过商品页 28 → 加购 3 → 发起结算 2 → 付款 1。

把相邻两步的人数相除，就得到这一环的**环节转化率**：点击率 = 30 ÷ 1000 = 3%，加购率 = 3 ÷ 28 ≈ 11%，付款率 = 1 ÷ 2 = 50%。这些数你都能从后台报表里读出来，不需要额外的工具。

这里要注意口径：上面这组是从“曝光”算起，下面的例子从“已经进店的访客”算起。进店访客只是曝光人群里很小的一部分，所以同样写 1000，产出完全不是一回事。

## 关键的一步：这些环节不是相加，而是相乘

新手最容易忽略的一点是，整条链路的产出不是各环节“加起来”，而是**连乘**。

如果从访客到付款要经过四道门，整体转化率就是四个环节转化率相乘：

$$\text{整体转化率}=\frac{\text{看商品页人数}}{\text{访客数}}\times\frac{\text{加购人数}}{\text{看商品页人数}}\times\frac{\text{结算人数}}{\text{加购人数}}\times\frac{\text{付款人数}}{\text{结算人数}}$$

用服装类目常见的数字代入：1000 个访客里，550 人看了商品页（55%），其中 60 人加购（11%），39 人发起结算（65%），16 人付款（42%）。整体转化率就是：

$$0.55\times0.11\times0.65\times0.42\approx1.65\%$$

也就是说，1000 个访客最终只留下约 16 单；如果从曝光算起，这个数字还要低得多。这个量级和公开的行业数据是吻合的：多数网店按访客计算的整体转化率在 1.5%–3% 之间，能稳定超过 3.5% 就算不错 [1][2]。

乘法关系带来两个直接推论。

第一，**没有哪一环是“不重要”的**。任何一个环节掉一半，整体产出就掉一半，不管掉的是哪一环。反过来，某一环特别弱，也意味着这里有最大的提升空间：如果把加购率从 11% 提到 13%（比如把尺码说明和实拍尺寸补上），整体就变成 $0.55\times0.13\times0.65\times0.42\approx1.95\%$，相对原来提升约 18%，1000 个访客从 16 单变成约 20 单。

第二，**每一环的收益是有上限的**。加购率不可能提到 100%，付款率也很难从 42% 提到 90%。所以整体转化率的提升，通常来自先把最差的那一环拉回正常水平，而不是把已经不错的一环再往上抠。

## 怎么定位自己卡在哪一环

方法本身很朴素，只有三步。

**第一步，把每一环的人数抄下来。** 至少要拿到：曝光、点击、商品页浏览、加购、发起结算、付款。平台后台的报表里通常按“曝光量、点击率、商品访问、加购、下单、支付”这类名字存在，名字不同，含义基本能对上。

**第二步，算出每一环的转化率，和同类目参照值比一比。** 参照值不能用自己的想象，也不能直接套用全行业平均值——类目差异极大。同样做网店，食品和补剂类整体转化率常在 3% 上下，美妆 2%–3%，服装约 1.5%，家居和数码因为客单价高、顾客要反复比较，常在 1% 以下 [1]。拿一个家居店去和食品店的转化率比，只会得出错误结论。

比较的目的不是“达标”，而是找出**差距最大的那一环**。同一份基准里，服装类目的典型分布是：访客→商品页约 55%、商品页→加购约 10%、加购→结算约 65%、结算→付款约 42%；家居类目则是 48%、7%、60%、35% [1]。把你的数字放进自己类目的这一格去比，哪一格离得最远，那一格就是当前最值得动的地方。

**第三步，一次只改一环。** 如果你同时换了主图、改了价格、又重写了详情页，销量涨了不知道是哪一招起的作用，跌了也不知道该退回哪一步。改动要能归因，才有下一次判断的依据。

## 两个让新手判断失准的陷阱

**陷阱一：样本太小就下结论。** 上面的例子里，加购从 60 人变到 65 人，加购率就从 11% 变成了 13%——而这 5 个人的差别，很可能只是随机波动，不是你改了什么。所以看数据之前先问一句：分母够大吗？一条粗糙但实用的经验是，曝光少于 500 次时只能看个初始信号，点击少于 50 次时出现“0 成交”，通常属于正常波动，不能据此判断商品或详情页有问题 [4]。新店的正确做法是把观察窗口拉长（比如按两周、一个月看趋势），而不是盯着某一天的数字焦虑。

**陷阱二：把顾客的正常行为当成故障。** 购物车放弃率高得吓人：全球平均约 70%，也就是加购之后三分之二的人最终没买 [3]。但其中很大一部分不是你做错了什么——约四成顾客自己说“我只是在逛，还没打算买” [3]。真正属于你该修的是另外一批原因：结算时突然冒出来的运费和手续费（约 39%）、发货太慢（约 21%）、不信任支付安全（约 19%）、要求注册账号（约 19%）、结算流程太长（约 18%）[3]。这些可以动手改，而“他只是随便看看”不是问题，不需要修。

## 这条链路怎么用在你自己的店上

回到开头那个问题。下次想“为什么没单”的时候，别再直接跳到“换个品”或者“加预算”。先把链路列出来，把这一周每一环的人数填进去，找出和你类目参照值差距最大的那一环：

- 曝光本身少得可怜——那是流量来源的问题，改详情页毫无用处。
- 有曝光但点击率明显偏低——问题在主图、标题、价格的表达上，顾客根本没进来。
- 点进来了但不加购——问题在商品页：卖点没讲清、评价太少、尺码或规格信息缺失、价格说服力不够。
- 加购了但不付款——问题在临门一脚：运费、发货时效、支付方式、结算步骤。
- 前面都正常，但顾客买过一次就不再回来——那是复购环节，属于另一套逻辑，要单独拿出来看。

新店阶段，前两类问题最常见。等店铺能稳定出单、访客足够多之后，再往下走一步去算复购率才比较有意义——在访客只有几百人的阶段，复购率这个数字本身还不具备判断价值。

## 术语表

- 转化漏斗：把顾客从看到商品到付钱的连续动作切成若干道门，每道门都会筛掉一部分人，剩下的逐渐变少。
- 环节转化率：相邻两步人数相除得到的比例，表示“走到上一步的人里有多少人愿意继续走下一步”。
- 整体转化率：从访客到付款的整体比例，等于各环节转化率相乘的积。
- 类目参照值（benchmark）：和自己同类型店铺的阶段转化率对比用的范围，只用来找差距，不当作必须达到的目标。
- 样本量：某一层的人数规模；人数太少时算出来的百分比不稳定，不能直接当作证据。
- 购物车放弃率：加购后最终没有完成购买的比例，其中一部分是顾客本来就在随便逛，不属于可修复的问题。

## 来源

1. [Metricuno: Purchase Funnels — Stages, Benchmarks & Drop-off Rates（漏斗阶段定义、整体转化率相乘公式、各行业阶段转化率中位数）](https://www.metricuno.com/purchase-funnels)
2. [Shopify: Ecommerce Sales Funnel — Stages & Metrics to Track（漏斗阶段划分与每阶段对应指标）](https://www.shopify.com/blog/ecommerce-sales-funnel)
3. [Baymard Institute: Cart Abandonment Rate Statistics（约 70% 平均购物车放弃率与放弃原因分布）](https://baymard.com/lists/cart-abandonment-rate)
4. [GMV 漏斗拆解参考：曝光、点击、成交的分解方式与样本量不足时的判断阈值](https://github.com/yyyyyzhao/lytskill/blob/main/skills/lyt-data-analysis/references/gmv-funnel.md)

---

原文：https://pangzhengboyin.com/articles/locate-your-funnel-bottleneck-8365c7d5

> **庞征博引** · 想学的，慢慢都会
>
> 庞征博引是把想学的东西写成连载的 AI 学习工具。说出想学什么，它会先了解你的基础，再把主题写成一篇篇 5–10 分钟能读完的文章；边读边问，接下来学什么跟着你走。这篇就是这样写出来的。
>
> 开始你自己的连载 → https://pangzhengboyin.com