这是e龙比较之前的转化率分析报告

1. 酒店预订流程转化与页面效率分析 用户体验部 2006 年 9 月

3. 酒店预订流程与转化效率分析思路 - 漏斗模型 酒店搜索列表 Hotels-Search 酒店详细页 Hotels-Details 预订确认页 Hotels-Confirm 登陆 / 直接预订 Myelong-Login 订单填写页 Hotels-Order 订单确认页 Hotels-Ensure 提交成功页 Hotels-Reserve

5. 酒店预订过程中的访问数流向 ( 搜索查询 -1) 酒店搜索列表页 Hotels-Search Visits:1,076,361 酒店详细页 Hotels-Details Visits:955,555 酒店预订确认页 Hotels-Confirm Visits:119,529 Entry Page Visits:474,933 44.12% 立即退出 :305,807 28.41% Exit Page Visits:630,692 58.59% Visits: 42,373 3.94% Visits: 464,119 43.12% Entry Page Visits:453,376 47.45% Exit Page Visits:646,126 67.62% 立即退出 :365,649 38.27% Visits: 64,460 6.75% Visits: 13,325 1.39% 35.45% 53.93% 11.15% Entry Page Visits:15,15 1.27% 立即退出 :351 0.29% Exit Page Visits:19,411 16.24%

6. 酒店预订过程中的访问数流向 ( 搜索查询 -2) 酒店搜索列表页 Hotels-Search Visits:1,076,361 酒店详细页 Hotels-Details Visits:955,555 酒店预订确认页 Hotels-Confirm Visits:119,529 Entry Page Visits:474,933 44.12% 立即退出 :305,807 28.41% Exit Page Visits:630,692 58.59% Visits: 42,373 3.94% Visits: 464,119 43.12% Entry Page Visits:453,376 47.45% Exit Page Visits:646,126 67.62% 立即退出 :365,649 38.27% Visits: 64,460 6.75% Visits: 13,325 1.39% 35.45% 53.93% 11.15% Entry Page Visits:15,15 1.27% 立即退出 :351 0.29% Exit Page Visits:19,411 16.24% Visits: 58,260 48.7% Visits: 62,566 52.3% Visits: 371,238 38.9%

9. 酒店预订过程中的访问数流向 ( 登录 -1) 酒店预订确认页 Hotels-Confirm Visits:119,529 登陆 / 直接预订页 Myelong/Login Visits:205,344 酒店订单填写页 Hotels-Order Visits:41,460 Exit Page Visits:19,411 16.24% Exit Page Visits:4,542 10.96% Exit Page Visits:20,350 9.91% Visits: 36,803 30.79% Visits: 28,777 14.01% 联盟登陆页 Mytrip/Login Visits:57,585 Visits: 22,988 19.23% Visits: 2,195 3.81% Visits: 9,756 8.16% 23.53% 69.41% 5.29% Exit Page Visits:14,512 25.20%

10. 酒店预订过程中的访问数流向 ( 登录 -2) 酒店预订确认页 Hotels-Confirm Visits:119,529 登陆 / 直接预订页 Myelong/Login Visits:205,344 酒店订单填写页 Hotels-Order Visits:41,460 Exit Page Visits:19,411 16.24% Exit Page Visits:4,542 10.96% Exit Page Visits:20,350 9.91% Visits: 36,803 30.79% Visits: 28,777 14.01% 联盟登陆页 Mytrip/Login Visits:57,585 Visits: 22,988 19.23% Visits: 2,195 3.81% Visits: 9,756 8.16% 23.53% 69.41% 5.29% Exit Page Visits:14,512 25.20% Visits: 13,234 31.9%

12. 酒店预订过程中的访问数流向 ( 预订 -1) 酒店订单填写页 Hotels-Order Visits:41,460 酒店订单确认页 Hotels-Ensure Visits:33,396 酒店订单提交页 Hotels-Reserve Visits:31,036 Exit Page Visits:4,542 10.96% Exit Page Visits:1,645 4.93% Exit Page Visits:8,072 26.01% Visits: 29,046 70.06% Visits: 30,340 90.85%

13. 酒店预订过程中的访问数流向 ( 预订 -2) 酒店订单填写页 Hotels-Order Visits:41,460 酒店订单确认页 Hotels-Ensure Visits:33,396 酒店订单提交页 Hotels-Reserve Visits:31,036 Exit Page Visits:4,542 10.96% Exit Page Visits:1,645 4.93% Exit Page Visits:8,072 26.01% Visits: 29,046 70.06% Visits: 30,340 90.85% Visits: 8,798 26.3% Visits: 6,331 20.33%

15. 酒店预订过程中的访问数流向 ( 直接预订 ) 直接填写预订单 修改订单错误 信息输入 是否有效 是否找到用户 相关记录 用户已存在卡号 用户不存在卡号 是否选择卡号 计入分配新卡号 记入已存在卡号 记入公共卡号 后续分配新卡号 是 是 否 取消 登陆 注册 直接预订

21. 酒店搜索列表页面的流向分析 ( 上下页 )

24. 酒店列表页面各板块间的点击分布 2.73% 0% 28.13% 12.98% 0.35% 0.26% 46.41% 注：在用户查找酒店时，上下翻页的点击比率明显偏大，相对于酒店内容来说，要翻看 1.65 （ 46.41%:28.13%) 个页面，才能点击酒店内容一次。 上下翻页 酒店列表 1.31%

25. 酒店列表页面 - 酒店内容点击分布 16.24% 31.61% 4.50% 44.97% 2.66% 0.02% 结论：在酒店搜索列表的酒店内容的点击数中，最近用户评论的点击数占 31.61% 中，说明用户对最近用户评论的有较高的关注与兴趣。

26. 以北京酒店为例，分析点击数和订单数在列表各页的分布效率 注：酒店搜索列表页面，每页列表有 10 家酒店。

27. 北京酒店按点击数的排名分布 注：在酒店列表页面，北京酒店按点击数的多少进行 排名 分布，如图所示 北京酒店列表内容点击数：前 10 名酒店占 20 .63%, 前 50 名占 50.21%, 前 100 名占 67.70%, 前 200 名占 86.98% 。

28. 北京酒店按订单数的排名分布 注：在酒店列表页面，北京酒店按订单数的多少进行 排名 分布，如图所示。 北京酒店订单数：前 10 名酒店占 17 .13%, 前 50 名占 49.93%, 前 100 名占 71.57%, 前 200 名占 92.42% 。

29. 酒店列表页面 - 三种排序方式的比例 99.07% 0.66% 0.27% 结论：在酒店列表的排序中，大约有 99.07% 的访问数使用默认的 eLong 推荐排序方式， 0.66% 的访问数重新选择价格排序， 0.27% 的访问数重新选择酒店等级排序。可见用户对排序方式的重新选择并不敏感。

30. 北京酒店列表分析 下一步 把北京每家酒店已发生过的点击数和北京每家酒店产生的订单数按照 eLong 推荐排序所输出的页码与酒店进行分布，结果如下： 备注：由于在 eLong 推荐排序、价格排序、酒店等级排序中。 eLong 推荐的排序方式占 99.07% ，处于绝对优势地位。所以在接下的分析中，重点放在 eLong 推荐排序上。

31. 北京酒店列表页面 -eLong 推荐的点击分布 注：北京酒店列表内容点击数在按 eLong 推荐的各列表页面的分布，并没有表现出规律性的递减趋势，可以看出 elong 推荐的列表的波动性。

32. 北京酒店列表页面 -eLong 推荐的点击分布 注：我们把 eLong 推荐的北京酒店搜索列表前 5 页的酒店列表来看，发现某些酒店的点击量非常小，说明用户对这些酒店的关注极低，但却排在搜索列表页面的前几页，说明我们列表搜索列表有一定程度的改进空间。

33. 北京酒店列表页面 -eLong 推荐的订单分布 注：北京酒店订单数在按 eLong 推荐的各列表页面的分布，并没有表现出规律性的递减趋势，可以看出 elong 推荐的列表的波动性。

34. 北京酒店列表页面 -eLong 推荐的订单分布 注：我们把 eLong 推荐的北京酒店搜索列表前 5 页的酒店列出来看，发现某些酒店的订单量非常小，某些酒店几乎不产生酒店订单，说明用户对这些酒店的购买意愿极低，但它们却排在搜索列表页面的前几页，说明酒店搜索列表页面有一定程度的改进空间。

35. 北京酒店列表页面 -eLong 推荐的点击分布 注：北京酒店内容点击数与产生的订单数在按 eLong 推荐的各列表页面的比率分布 , 可以看出 elong 推荐的列表的波动性。 在绿色方框区域，比率较高的页面上经济型酒店占大多数，说明某些用户对经济型酒店的关注。

36. 北京酒店列表页面 -eLong 推荐的点击分布 注：我们把北京酒店的点击数和订单数进行加权处理，形成加权关注度一组数据，把 eLong 推荐的北京酒店搜索列表前 5 页的酒店列出来看，发现某些酒店的关注度非常小，说明用户对这些酒店的关注极低，但它们却排在搜索列表页面的前几页，说明我们列表搜索列表有一定程度的改进空间。

37. 酒店列表上下翻页的点击分析

38. 酒店列表页面 - 上下翻页的点击分布 结论：从数据分布来看，浏览小于或等于第 5 页的上下翻页点击数的比率为 82.41%, 小于或等于第 10 页的上下翻页点击数的比率为 95.56% ； 页码超过 10 个页面点击累计比率增加很少，说明绝大部分用户查看页面的忍耐程度在 10 页以内，超过 10 页以后的列表页面的点击量极少，基本上处于无效状态。在搜索规则中，建议要把最有效的信息放在列表的前 10 页中。

40. eLong 和 Ctrip 酒店搜索列表规则比较 小结： 从页码显示规则来看， eLong 则趋向引导用户进行翻页的查询； Ctrip 则趋向引导用户进行更细更小范围的查询。 就列表整体页面来看， eLong 则趋向引导用户进行酒店详细页； Ctirp 则更趋向引导用户进行预订。 不支持中间带空格的模糊查询 ( 中 ) 不支持带空格的模糊查询 ( 前 中 后 ) 模糊查询 列表页面无用户评论的链接 列表页面有最近用户评论的链接 用户评论 列表页面提供了酒店 地图链接 列表页面 无酒店地图链接 地图链接 有宽带提示 ，比较适合商务人士 无宽带提示 宽带 酒店星级、携程 用户评级 酒店星级、酒店等级 酒店星级或等级 点击酒店链接可以在同一窗口进入酒店详细页 , 也可选择右键打开新窗口 点击酒店链接只能在同一窗口进入酒店详细页 , 不能弹出窗口 进详细页窗口方式 商业区弹出窗口筛选，并提供 简图与说明 提供商业区的下拉条筛选 商业区筛选 每页从 7 条 -18 条不等；前 6 页一般在 10 条以上；从第七页往后则是 7 条 -9 条不等 Ctrip 北京酒店列表第一页 12 家酒店中，有 7 家酒店不在 eLong 北京酒店所有列表中 每页固定 10 条。 北京酒店列表第一页中，只有 1 家酒店不在 Ctrip 的北京酒店所有列表中 . 每页酒店条数 无页码显示；只在页尾放了更多宾馆即下一页链接， 翻页不方便 ； 用户不知道信息容量 页码显示，包括当前页和页总数； 上下翻页的链接， 翻页方便 ； 用户可根据页数可得到信息容量 页码显示 一种：默认排序（或 Ctrip 推荐） 三种： eLong 推荐、价格、酒店等级 排序方式 Ctrip 酒店列表 eLong 酒店列表 列表规则