数据分析中的基准值（Bechmark）

前几天在某网站分析群里，一位朋友表示很想知道业内知名站点的一些网站分析数据，例如大型网站的购物车完成率，又或者业内关于该指标的平均值。起因是因为自己刚开始收集这些数据，并不知道如何设立KPI阀值，供自己团队参考优化网站。

好了，群里开始闹腾起来，有几个朋友在反驳：这个数据肯定不会公开！知道这个数据有用吗？别家能做到高购物车完成率，你只知其然不知其所以然，又有何用？几位朋友轮番上阵，直接让提问的朋友怂了。

基准的起源

在从小的教育中，我们就被学校、老师、家长赋予了太多基准了。“嗯，你得考60分，才及格；80分，才是良好；前5名，才是优秀。”这样的基准与参考伴随着我们成长到现在，不得不说，这对我们的思维方式造成了极大的影响。以至于工作中，也偶尔会在迷惘时把基准作为主要目标，迷信目标数据，却丢失了追寻数据的真谛。

另一种需求，我认为是源于竞争分析的需要，这里的基准需求，一部分已经跨越出网站分析（站内分析）的范畴了，属于一种竞争数据、市场数据。我们希望通过一个业界标准，来衡量自身，我们是高于平均水平？还是落后？所谓知己知彼，方能百战百胜。

我们需要基准吗？

在那次讨论的尾端，我提问：如果有一个第三方机构调查处了一个业内基准值，你会去参考吗？这时候慢慢有朋友松口了。是的，我们有这样的需求，我们希望了解我们自身在外部环境的水平是如何的，虽然这不可能完全改善现况，但能警醒我们：嗯，你看，一号店能够达到这个水平，我们应当做的更好，至少也得达到一样的水平！当然，实际上正如大家讨论所得，这个数据咱们没有。也没有第三方机构分享这个调查数据（或许他们也没有类似的调查）。因此，我们也无需在这个基准上纠结了。

然而，有些数据也是可以有基准的，但是这个基准的参考价值大吗？我们需要适度的分析：很简单，整个电子商务行业网站的日平均Pageview，我现在告诉你，是20000的日均Pageview。你达到了吗？好吧，这是个平均值的陷阱，淘宝网一天可能就1亿了，你被平均了！因此，这类基准也就缺乏了参考价值了。

简单改善购物车完成率

回到最初的购物车完成率，其定义一般如：

订单总数 / 开始使用购物车的访问次数 = 购物车完成率

换一种方式解释这个指标：有多少比例的访问是在一次购物过程中有加入到购物车但是没有最终下单付款呢？噢，这是一个非常综合的指标，衡量的是从开始购物一直到购物结束的转化水平。我们可以试想一些产生丢弃订单的原因：

• 嗯？我加入购物车了，但是我找不到结算订单按钮呢！
• 啊，可以填写优惠码耶，我可不可以去哪儿找到这个优惠码呢？
• 收货信息的填写怎么这么麻烦，我又有哪个选项没选吗，为什么不能下一步！
• 咦，下单页面好像给我推荐了不错的类似产品，我是不是要再逛逛~
• 我靠，这个验证码是神马，看都看不懂，怎么继续啊！
• 好吧，终于可以付款了，什么？不支持支付宝？我去，不支持我有的网银？
• ……

随便列一列，产生丢弃订单的情况就有这么多。可以看到大多数都是由于下单流程用户体验问题造成的。因此，我们懂了！要优化这个指标，就是要优化下单流程的用户体验，改良了用户体验，我们是可以让购物车完成率变得更漂亮的。

追寻目标数值的本质

回想一下，我们为什么会去寻求一个基准（Bechmark）呢，我们无非是想通过这个值了解自身水平，设立提升目标。从上面的的分析看出来，理论上来说，购物车完成率做得好，是可以接近100%的。因此，我们也可以根据自有团队资源，设立合适目标将这件事做得更好。

如果一定要给基准值，那么就与自身作基准吧，每一次改进都与改进前做比较，直到数次改进都达到一个相对稳定的值，或许你们已经达到了优化极致，或许你们遭遇了优化瓶颈，或许你们已经没有必要在这方面下功夫了！

最后还是说一点个人想法吧，如果这个值需要我来主持优化，在国内的环境，我比较支持用户体验淘宝化，即让购物流程尽量的接近淘宝，模拟淘宝。毕竟绝大多数用户的体验都已经兼容淘宝，而淘宝也有最优秀的团队优化购物体验，因此这也是我认为最简便的提升购物体验的方法了。