8.1 销售漏斗指标体系
5 章把曝光到购买当成一次性漏斗决策,本节把它升级成持续看的指标体系。买断制游戏发售后,每周都要回答三个问题:流量够不够、转化稳不稳、哪里在漏。答案是同一张漏斗表——曝光、访问、愿望单、购买、评测五层,每层算一段转化率,再找出最薄弱的一环。
曝光 → 访问 → 愿望单 → 购买 → 评测
CTR 愿望单率 商店转化率 评测率
每个率都是一个口径:CTR = 访问 / 曝光,愿望单率 = 愿望单 / 访问,商店转化率 = 购买 / 访问,评测率 = 评测 / 购买。口径定死了,周报才不会各说各话。
本章与站内既有内容的分工
- 5.1 讲「曝光到购买的漏斗模型」决策;本节把它变成「每周看的指标口径与瓶颈识别」,是 5.1 的运营化。
Steam销售增长与长期运营手册.md讲长期运营的操作;本节给长期运营提供指标骨架与异常判断。- 7.1 的评测数倍率影响商店转化率;8.1 的评测率是漏斗末段指标,两节口径互补。
- 8.3 的仪表盘直接消费本节的指标口径与告警规则。
漏斗指标表与瓶颈识别
一张模型假设的周漏斗:
| 层 | 数量 | 上一段转化率 | 读法 |
|---|---|---|---|
| 曝光 | 250,000 | — | 平台曝光量 |
| 访问 | 25,000 | 10%(CTR) | 曝光→访问 |
| 愿望单 | 3,000 | 12%(愿望单率) | 访问→愿望单 |
| 购买 | 1,500 | 6%(商店转化率) | 访问→购买 |
| 评测 | 120 | 8%(评测率) | 购买→评测 |
关键读数:
- 最薄弱环节是「访问→购买」6%:四段转化率里最低。5 章素材/文案的量化决策(5.2)就是冲这一段的工具。
- 「愿望单率」与「商店转化率」要看合流:愿望单 12% 高于购买 6%,说明玩家愿意收藏但当下不买——他们可能在等打折或攒钱,回 3.1 的愿望单转化模型看后续兑现。
- 评测率 8% 不算漏斗事故,但要盯:评测数增长会抬 7.1 的评测数倍率。评测率过低(如 5% 且低于商店转化率)时,瓶颈就转移到评测段。
周环比要带阈值告警:本周访问 25,000 vs 上周 30,000,环比 −16%,超过 15% 告警阈值 → 触发。下降未必是坏事(活动结束后的回落),但必须先确认归因再定性。
决策表
| 场景 | 判定 | 行动 |
|---|---|---|
| 商店转化率最低 | 瓶颈在访问→购买 | 调 5.2 的素材/文案,做转化实验 |
| 访问环比跌 > 15% | 流量告警 | 先看是否活动结束的自然回落,再查曝光来源 |
| 评测率 < 商店转化率 | 瓶颈转移到评测 | 社区引导评测(7.2),拉评测数过 7.1 阈值 |
| 愿望单率高但购买低 | 攒着不买 | 回 3.1 看愿望单兑现节奏,必要时促销促成交 |
| 各段转化率长期稳定 | 漏斗健康 | 维持节奏,把精力给 8.2 的 LTV |
模型参数与数据口径
- 周漏斗各层数量、告警阈值(15%):模型假设,非官方数值。真实数字以 Steamworks 后台为准。
- 「访问→购买」「购买→评测」等口径是可复算的指标定义,不依赖官方数值。
- 转化率用整数百分比;环比用 (本周−上周)/上周,与 8.3 仪表盘共用。
可运行产物:C++ 最小验证
下面的仿真把漏斗指标体系固化成可执行的计算:四段转化率、最薄弱环节识别、周环比与告警阈值判断,以及除零守卫。它与 src/steam-launch-08-1-sales-funnel-metrics.cpp 逐字节一致:
// file: src/steam-launch-08-1-sales-funnel-metrics.cpp
// tier: L1
// verify: clang++ -std=c++20 -Wall -I. src/steam-launch-08-1-sales-funnel-metrics.cpp -o bin/steam-launch-08-1-sales-funnel-metrics && ./bin/steam-launch-08-1-sales-funnel-metrics
//
// mock:复现销售漏斗指标体系——曝光/访问/愿望单/购买/评测各段转化率、
// 最薄弱环节识别,以及周环比变化与告警阈值判断。
// 漏斗数字属模型假设,非官方数值。
#include "verify.h"
#include <cstdint>
#include <string>
namespace steam_repro {
// 销售漏斗模型:各段转化率、瓶颈识别与周报告警。
class MockFunnelMetrics {
public:
struct Funnel {
int64_t impressions;
int64_t visits;
int64_t wishlistAdds;
int64_t purchases;
int64_t reviews;
};
// 通用占比(%);基数为 0 → −1 未定义
int64_t pct(int64_t part, int64_t whole) const {
if (whole <= 0) return -1;
return part * 100 / whole;
}
// 各段转化率
int64_t ctrPct(const Funnel& f) const { return pct(f.visits, f.impressions); }
int64_t wishlistRatePct(const Funnel& f) const {
return pct(f.wishlistAdds, f.visits);
}
int64_t storeConvPct(const Funnel& f) const {
return pct(f.purchases, f.visits);
}
int64_t reviewRatePct(const Funnel& f) const {
return pct(f.reviews, f.purchases);
}
// 最薄弱环节:四段转化率最低者
std::string bottleneck(const Funnel& f) const {
const char* names[] = {"曝光→访问", "访问→愿望单", "访问→购买", "购买→评测"};
int64_t vals[] = {ctrPct(f), wishlistRatePct(f), storeConvPct(f),
reviewRatePct(f)};
int best = 0;
for (int i = 1; i < 4; ++i) {
if (vals[i] >= 0 && (vals[best] < 0 || vals[i] < vals[best])) best = i;
}
return names[best];
}
// 周环比变化:(cur−prev)×100/prev;prev 为 0 → −999 未定义
int weekChangePct(int64_t cur, int64_t prev) const {
if (prev <= 0) return -999;
return static_cast<int>((cur - prev) * 100 / prev);
}
// 告警:负向变化超过阈值
bool shouldAlert(int changePct, int thresholdPct) const {
return changePct <= -thresholdPct;
}
};
} // namespace steam_repro
int main() {
using namespace steam_repro;
MockFunnelMetrics m;
// 周漏斗(模型假设):曝光 25 万、访问 2.5 万、愿望单 3,000、购买 1,500、评测 120
MockFunnelMetrics::Funnel f{250000, 25000, 3000, 1500, 120};
// 1-4. 各段转化率
CHECK(m.ctrPct(f) == 10);
CHECK(m.wishlistRatePct(f) == 12);
CHECK(m.storeConvPct(f) == 6);
CHECK(m.reviewRatePct(f) == 8);
// 5. 最薄弱环节:访问→购买 6% 最低
CHECK(m.bottleneck(f) == "访问→购买");
// 6-8. 周环比:访问 30,000→25,000 为 −16%,触发 15% 告警阈值
CHECK(m.weekChangePct(25000, 30000) == -16);
CHECK(m.shouldAlert(-16, 15) == true);
CHECK(m.shouldAlert(-10, 15) == false);
// 9-11. 不同漏斗形态:曝光 5 万/访问 1 万 → CTR 20%;购买 800 → 转化 8%
MockFunnelMetrics::Funnel g{50000, 10000, 1500, 800, 40};
CHECK(m.ctrPct(g) == 20);
CHECK(m.storeConvPct(g) == 8);
CHECK(m.reviewRatePct(g) == 5);
// 12. 评测 40/购买 800:评测率 5%,低于转化 8%,瓶颈转移到评测段
CHECK(m.bottleneck(g) == "购买→评测");
// 13. 除零守卫:曝光为 0 → 未定义
MockFunnelMetrics::Funnel z{0, 0, 0, 0, 0};
CHECK(m.ctrPct(z) == -1);
return lab::report("08-1 销售漏斗指标体系");
}
本机实测(Apple clang 16,clang++ -std=c++20 -Wall):编译通过(零警告),断言 13/13 通过。
小结
- 漏斗指标口径:CTR、愿望单率、商店转化率、评测率,每段 = 后层/前层。
- 瓶颈 = 四段转化率最低者;评测率跌破商店转化率时瓶颈转移到评测段。
- 周环比带阈值告警,先确认归因再定性。
- 各层数字为模型假设,口径定义可复算,真实值以官方后台为准。
阅读导航:上一节:7.3 节庆与活动决策 · 下一节:8.2 买断制 LTV 与单位经济 。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。