落地页最容易误导团队的指标,往往也是看起来最完整的那个:转化率。
一个转化率6%的页面,完全可能比一个转化率4%的页面更差。前者可能买来了更便宜但更不匹配的流量,放进了服务区域之外的询盘,把重复事件当成转化,或者把一个几乎不产生订单的低价值动作优化得很好;后者虽然表单更少,却可能把更多真正能成交的请求送进业务流程。
所以,一个能用于决策的落地页看板,不能只问“转化率涨没涨”,而要按顺序问五件事:来的是不是对的人、页面有没有正常工作、用户有没有完成目标动作、这个动作有没有商业价值、最终经济性有没有变好。
下面以DTC和询价混合型漏斗为例。这个框架也适用于预约、样品申请、报价、候补名单以及高客单价商品。
先盯五个会改变决策的指标,而不是五十个报表数字
每周看板可以先从五层开始:
| 层级 | 核心指标 | 它应该改变什么决策 |
|---|---|---|
| 获客 | 合格会话占比 | 是否需要调整定向、广告承诺或流量入口 |
| 体验 | Core Web Vitals通过情况 / 严重页面错误 | 技术摩擦是否已经让测试失真 |
| 动作 | 主目标动作转化率 | 页面能否推动用户完成下一步 |
| 质量 | 有效结果接受率 | 表单、订单或预约是否真的有价值 |
| 经济性 | 每个有效结果成本 / 单次访问贡献 | 页面和媒体组合是否创造价值 |
不同业务的名称可以不同。直接电商可以用“订单”和“贡献毛利”;高客单价DTC可以用“合格询价”和“销售接受机会”。关键不是术语,而是看板必须从访问一路追到企业真正关心的结果。
1. 合格会话占比:转化率之前先看流量有没有资格
很多团队发现落地页转化下降,就马上改Hero、按钮或表单,却没有先检查进入页面的人变了没有。
Google Ads把落地页体验作为广告质量相关因素之一,也一直强调关键词、广告承诺与落地页内容之间的一致性。Google Ads的落地页报告还可以看到点击、展示、CTR以及部分移动体验诊断。它们不能替代企业自己的分析系统,但提醒了一件很基本的事:落地页不是孤立页面,它从获客入口开始。
“合格会话”最好用可以解释的事实定义,例如:
- 用户位于可服务地区;
- 商品、设备或服务具备基本兼容条件;
- 广告承诺与页面提供的内容一致;
- 不是明显机器人、内部测试或垃圾流量;
- 来源属于本次计划分析的渠道或受众。
不要为了显得高级,随手造一个无法解释的“流量质量AI分”。一个简单的分组表,常常更可靠。
如果转化率下降的同时,合格会话占比也明显下降,第一动作通常不是换按钮颜色,而是先处理定向、关键词、受众排除、广告承诺和路由。
2. 体验可靠性:先确认这场测试对用户是公平的
如果一部分用户拿到的是明显更差的技术体验,页面转化比较就不干净。
Google当前的Web Vitals体系主要关注三个指标:LCP衡量主要内容加载,INP衡量交互响应,CLS衡量视觉稳定性。常用的“良好”阈值是LCP不高于2.5秒、INP不高于200毫秒、CLS不高于0.1,并以第75百分位进行评估。
这些阈值是技术诊断参考,不是“达标就一定提升收入”的承诺。
同时还要看更贴近业务动作的错误:
- 表单校验失败率;
- 支付或结账错误;
- 埋点重复触发;
- 关键事件漏报;
- 移动端提交失败;
- 缺货或区域不可服务失败;
- 关键浏览器、设备上的脚本错误。
有时页面在“成功活下来”的用户中转化率很高,但大量用户在提交之前已经因为错误离开。不能只看幸存者。
3. 主目标动作转化率:有用,但分母必须干净
基础公式很简单:
主目标动作数 ÷ 合格落地页会话数。
真正麻烦的不是算术,而是定义。
上线前就要约定:
- 重复访问算不算?
- 点击电话算主转化还是微转化?
- 表单在点击提交、服务器成功接收,还是CRM创建成功时才算?
- 测试提交和垃圾表单是否剔除?
- “开始结账”和“订单支付”是否分开?
- 服务区域外用户是算失败转化,还是从合格会话中排除?
如果测试中途偷偷换口径,就会制造“假增长”。
外部基准也只能当参照。Unbounce的2024基准研究覆盖了大量落地页,不同行业的中位数差异明显;其电商材料中的4.2%也是特定数据集里的中位数,不是所有品牌都该追的目标。流量来源、客单价、地区、设备、促销力度以及“转化”的定义,都会把数字推到完全不同的位置。
外部基准适合用来提出问题,不适合直接拿来做奖金线。
4. 有效结果接受率:阻止“容易赢的优化”骗过团队
对于询盘型页面,表单提交不是终点。
需要先建立一套销售或运营可以稳定执行的接受规则,例如:
- 地区可服务;
- 用户需要的产品或服务真实存在;
- 联系方式可用;
- 不是明显学生、供应商、竞争对手或垃圾信息;
- 数量、预算或时间至少达到基础要求;
- 请求进入了正确队列。
然后同时看两个比例:
有效结果 ÷ 提交数
以及
有效结果 ÷ 合格会话。
第一个看线索质量,第二个看页面真正创造商业结果的能力。
举一个纯示例,不是行业基准:
| 版本 | 会话转化率 | 提交后被接受 | 每会话有效结果 |
|---|---|---|---|
| A | 3.8% | 70% | 2.66% |
| B | 5.1% | 44% | 2.24% |
| C | 4.3% | 72% | 3.10% |
如果只看表单,B看起来赢得漂亮;如果看商业结果,B反而最弱,C才是更好的运营选择。
5. 每个有效结果成本:把页面重新接回钱
只要存在广告费用,真正能改变预算决策的落地页指标往往在更下游:
媒体费用 ÷ 有效结果数。
电商业务最好进一步看贡献经济,而不是只看GMV。收入可能掩盖折扣、包邮补贴、退款、支付手续费和不同SKU毛利差异。
一个够用的DTC看板可以包括:
- 广告花费;
- 合格会话;
- 主目标动作;
- 有效询盘或订单;
- 销售额;
- 可取得时的退款/取消;
- 扣除主要变动成本后的贡献;
- 每个有效结果成本;
- 单次访问贡献。
如果财务数据还不成熟,不要假装精确。明确哪些是估算,并保持算法一致。一个粗一点但每周同口径的模型,通常比一个每周都改假设的“高级模型”更有决策价值。
只有在需要解释问题时,再加诊断指标
五个核心指标稳定以后,再按问题增加诊断维度。
例如“每会话有效结果”下滑,可以继续拆:
- 渠道与搜索词;
- 设备与浏览器;
- 地区;
- 新访客与回访;
- 表单步骤流失;
- 字段级错误;
- 商品/Offer版本;
- 页面速度和Core Web Vitals;
- 销售拒绝原因。
看板变宽,应该因为要回答一个具体问题,而不是因为数据平台能画更多图。
这就是测量系统和“图表墙”的差别。
把观察和解释分开
假设移动端转化从4.0%降到3.1%。
这是观察。
“用户不喜欢新标题”只是解释,而且需要证据。
真实原因可能是新增了一个更宽的社媒受众,也可能是支付组件变慢、区域扩张、促销结束、上一周桌面端重复埋点,甚至只是样本太小。
一个纪律性更强的周报可以写成:
- 信号: 每会话有效结果下降18%。
- 发生位置: 主要集中在移动端、付费社媒和两个地区。
- 已知变化: 新受众上线;页面没有发布新版本。
- 当前已知: 表单错误率稳定;Core Web Vitals稳定。
- 下一动作: 先按受众和可服务区域拆分,而不是先改页面。
- 复核时间: 获得足够可比流量后再决定。
这样可以避免“任何波动都让设计师改一版”的无效循环。
建立指标词典,禁止数字偷偷换含义
每个关键指标至少记录:
- 名称;
- 公式;
- 事件或来源系统;
- 包含和排除规则;
- 负责人;
- 刷新频率;
- 已知限制;
- 最近一次口径调整时间。
页面分析、CRM、广告平台常常使用不同身份识别和归因窗口。“合格线索”“销售接受机会”“新客户”甚至“会话”,在不同系统里都可能不是一个意思。
如果没有指标词典,团队会把“口径争论”误当成“绩效分析”。
周会最后必须形成动作
好的落地页看板会议应该很短,因为每个指标都对应一个责任人和一个后果。
可以只分三类:
保持: 数据稳定,目前没有证据支持改页面。
调查: 信号值得重视,但原因还不清楚。
改变: 证据足够,决定调整流量、Offer、页面、表单、路由或技术实现。
每次改变都记录日期。否则下一周根本无法判断,是页面产生了变化,还是后台同时发生了十几个看不见的运营动作。
衡量落地页的目的,不是证明团队每天很忙,而是降低下一步决策的不确定性。
转化率当然仍然重要。它只是不能独自代表整个系统。
Sources
- Google Ads Help — Evaluate the performance of your landing pages: https://support.google.com/google-ads/answer/7543502/evaluate-the-performance-of-your-landing-pages
- Google Ads Help — landing-page relevance guidance: https://support.google.com/google-ads/answer/6238826/optimising-your-ad-and-landing-page?hl=en-GB
- web.dev — Web Vitals: https://web.dev/articles/vitals
- Unbounce — 2024 landing-page conversion benchmark context: https://unbounce.com/landing-pages/whats-a-good-conversion-rate/
- Unbounce — Ecommerce conversion benchmark material: https://unbounce.com/conversion-benchmark-report/ecommerce-conversion-rate/