Google analytics 如何理解目标可视化中的购物车退出率

我们用这些成功率建立了一个目标漏斗

（简体）

购物车（60%成功）

签出（99%成功）

签出已完成（99%成功）

这是否意味着60%的客户进入购物车后再也没有回来完成购物过程。或者这是否意味着其中60%的人去购物车，回到另一种产品，添加另一种产品，然后继续结账

我理解，但如果用户进入一个目标步骤，然后离开并返回，这算是成功还是失败，还是仅仅算是成功

例如：

您可以想象这样一个场景，如果我们只有一个用户将产品添加到购物车并返回主页（目标漏斗第一步有一个入口，一个出口，意味着0%成功率/100%失败率），然后将另一个产品添加到购物车（目标漏斗第一步有两个入口），然后这一次进行结帐

在目标漏斗可视化中，这将被报告为100%成功（1次进入，1次成功-谷歌忽略之前的失败）还是50%成功（2次进入，1次成功）

---

这意味着60%的人有购物车（建议是一个小网站，一些浏览器），99%的人有购物车，99%的人点击结账，99%的人付费，所以0.6*0.99*0.99=0.58806（心理数学，我说得对吗？）

58.806%的浏览你网站的人最终会付钱给你

更正式地说，它涉及到拜耳定律，因为事件不是独立的，你实际拥有的是某人拥有购物车的概率，如果他们有购物车，那么结帐的概率是多少，如果他们继续付款，那么他们支付的概率是多少。因此，58.806%的概率可以乘法，因为你已经有了“给定”形式的概率，这更有用

您问题中的示例将是100%成功率，将在下一次编辑中解释原因

好的，在你的例子中，这个人在购物车中添加了一些东西，然后离开，如果他们清除了他们的cookie并且没有你的用户帐户，当他们回来时，他们不会有他们的购物车，系统不会识别他们，他们将是第二个访问者

你的60%是

p（有一个非空的购物车|他们访问你的网站）

鉴于此

意味着

p

是概率

让

C

成为他们获得购物车的事件，让

V

成为他们访问您网站的事件：

p（C | V）=0.6

因此

p（C | V）=0.4

（非C的概率-无车-给定某人访问）

访问者是指可以通过cookies或帐户名或你拥有的东西作为同一个人进行跟踪的人，它的意思是“谷歌知道的访问者”

接下来让

M

成为某人进行结帐的事件：

p（M | C）=0.99

如果他们有购物车，他们进入结账台的概率为0.99

让

p

成为他们付钱给你的事件

p（p|M）=0.99

因此

p（p|V）=0.58806

这意味着，到目前为止，平均每100人到访一次（为未来建模是一件不同的事情），其中59人到目前为止会向你支付报酬

在每100个独特的Cookie/用户帐户中，您有59个帐户最终会在某个时候向您付款

---

这有帮助吗？

我想我担心，如果谷歌报告某人进入购物车，然后离开，然后再次返回（可能使用另一种产品）作为“退出”，然后作为成功，那么60%的成功率是人为的低。它报告的是“有购物车的人”，因此40%的人从不单击“添加到购物车”，这并不意味着“多少点击查看购物车”@Robert还放置了@AlecTeal（没有空格）请让我以通知的形式收到您的评论：）谢谢！我误解了。60%的“成功”率是60%的人添加到购物车继续下一步，40%的人“失败”添加到购物车但从未进入第2步。我的问题是，那些40%的用户中有没有人去购物车，被保释（失败）然后回来，并继续通过结账（成功）或谷歌认为成功只是忽略了以前的失败。不，这意味着“所有的访客”，那些谁加入了车，但回来在某个点（即使是很晚-但被认为是同一个用户）算作你的60%，记住这些分析是为了有用而设计的，它们不是简单的页面计数器，这是谷歌，所以在访问你网站的每个人中，60%的人得到一个购物车，单击添加到购物车并与购物车交互，99%的人继续结帐，99%的人最终付钱给你，所以1%的人在输入卡的详细信息之前保释我添加了一个例子，我认为这有助于澄清问题。在我的目标设置中，我将购物车作为结帐的第一步，而不是网站的其余部分（尽管我可能应该改变这一点），因此目标漏斗应该只处理那些进入购物车的用户，步骤1中60%的“成功”率被解读为“60%的人访问购物车，继续结帐步骤2，40%的人不”