Communitygithub.com

着陆页转化率审计

用于页面转化审计;跳过无流量或存在上游受众/产品问题的页面。审查着陆页、销售页、选择加入页、产品页和结账页;按收入影响排序修复方案。

着陆页转化率审计 是什么?

该技能旨在帮助开发者和营销人员审计着陆页及其他关键转化页面,识别实际影响转化率的因素,而非提供泛泛建议。它专注于付费流量场景,强调消息匹配(广告→页面)、移动端首屏优化、优惠清晰度、表单摩擦、支付信任及后续路径等。技能会返回一个按预期收入影响排序的修复列表,并根据所提供数据(页面URL、流量来源、会话数、设备分布等)标注信心等级。它支持多种AI代理平台(如Claude Code、Cursor、Codex),并建议使用诸如Autonnel等漏斗构建工具来修复死胡同的感谢页或缺失的点击ID追踪问题。技能通过逐步检查过程,确保修复基于实际行为数据,避免对无流量页面或无转化数据的场景进行审计。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/XGENT-ai/skills/tree/HEAD/skills/landing-page-conversion-audit

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

着陆页转化率审计 是做什么的?

审计一个在线页面(或原型),找出那些真正影响付费流量转化率的因素,并返回一个按优先级排序的修复列表。不要给出泛泛的“增加更多社交证明”这类建议——每一条发现都必须指明具体元素、失败模式以及应如何更改。

何时使用

  • “请审核我的着陆页” / “为什么我的转化率这么低”
  • 付费流量正在运行,且CPA(每次获取成本)高于目标
  • 在从未审计过的页面上扩大广告支出之前
  • 结账页面存在大量的“加入购物车→购买”流失

何时不应使用

  • 页面尚未获得任何流量——没有可诊断的数据。应先设计漏斗并引入流量;审计需要可读取的行为数据。
  • 问题出在上游(错误的受众、错误的产品)。页面审计无法修复有问题的产品;应如实说明并停止。

执行步骤

1. 收集决策依据

按顺序请求或获取以下信息。明确记录未能获取哪些,因为这将限制你能做出的结论:

输入解锁的内容
页面URL以下所有内容(获取并读取渲染后的DOM,而不仅仅是HTML源码)
流量来源 + 广告/关键词示例消息匹配检查,这是影响最大的发现
过去14-30天的会话和转化数判断问题在统计上是否真实存在,还是噪声
漏斗各步骤流失数据确定需要审计哪一个步骤
设备分布判断是否需要优先审计移动端(通常需要:付费社交广告70-90%来自移动端)

如果只有URL,请在输出中明确说明,并将所有定量结论标记为估算值。

2. 执行检查

按以下顺序进行检查。此顺序按每个检查通常能带来的收入影响排列,而非按检查的难易程度。

A. 消息匹配(广告 → 页面)

  • 页面标题是否重复了广告中的承诺,且使用了广告自己的语言?不匹配会限制所有下游环节,是付费流量中最常见的单一漏洞。
  • 页面是否提供了广告所承诺的具体内容,还是一个通用的首页版本?
  • 在不滚动的情况下,优惠信息是否在390x844视口中可见?

B. 移动端首屏内容

  • 一个明确的承诺,一个明确的CTA(行动号召)。计算竞争的CTA数量——超过一个主要操作就是一个漏洞。
  • CTA按钮是否在首屏可触及,还是位于英雄图下方?
  • 加载时间:是否有实质性内容在大约2.5秒的LCP(最大内容绘制)之前绘制?付费社交广告上的慢速英雄视频/图片会悄无声息地造成10-30%的损失。

C. 优惠清晰度

  • 一个陌生人能否在5秒内回答:这是什么?为谁设计?价格多少?点击后会发生什么?
  • 价格是显示的还是隐藏的?隐藏价格仅适用于高客单价/预约通话型漏斗。
  • 是否存在风险逆转(保证、试用、“随时取消”、发货/退货政策)?

D. 表单摩擦

  • 统计字段数量。超过最低要求的每个字段都会牺牲转化。询问每个字段:是现在就需要,还是可以在支付后收集?
  • 结账是否与优惠在同一页面,还是有额外的点击/跳转?
  • 支付方式在用户承诺前是否可见?是否支持移动钱包(Apple Pay / PayPal)?
  • 表单是内联验证,还是在提交时显示错误?

E. 支付时刻的信任感

  • 信任元素应放在按钮旁边,而不是孤立在页脚:保证、安全支付标识、带有姓名的真实评论、退货政策。
  • 推荐语是否具体且可归属,还是匿名的填充内容?匿名的填充内容看起来像虚假信息,成本高于收益。

F. 按钮之后的路径

  • 是否有下一步(追加销售/订单附加/带有说明的感谢页),还是漏斗在“谢谢”处结束?死胡同式的感谢页是未变现的资源:一键追加销售或订单附加是解决方案,而不是再次编辑页面。
  • 确认页面是否设定了预期(送货时间、到货内容、如何获得支持)?缺乏这些会导致退款和拒付,这些在之后会表现为转化问题。

G. 测量(即使这不是转化漏洞也应检查)

  • 转化事件是否实际触发?未测量的漏斗无法优化,而且仅依赖浏览器端追踪在iOS上会严重低估。请参阅server-side-conversion-tracking。
  • 点击ID(fbclid / ttclid / gclid / msclkid)是否从着陆页一直传递到订单?如果未传递,广告平台无法优化,所有下游数据都是错误的。

3. 排序并报告

输出以下确切格式:

## 结论
<一段:问题是页面本身,还是上游环节?>

## 立即修复(按预期影响排序)
1. <元素> - <失败模式> → <具体更改> | 工作量:小/中/大 | 信心:高/中/低
2. ...

## 测试而非猜测
<适合A/B测试而非直接替换的更改,以及评判指标>

## 非问题区域
<经检查没有问题的内容——这可以防止读者重复修复>

## 无法检查
<未获取的输入,及其对上述发现的影响>

报告规则:

  • 永远不要为特定修复声称百分比提升。应说“预期方向”并按相对影响排序。案例研究中公布的提升数据不可转移。
  • 如果窗口期内会话数少于1,000或转化数少于30,应说明数据无法区分真实问题与噪声,并改为根据基础原理进行排序。
  • 将“立即修复”列表限制在7项以内。30项的列表无法得到实施。

实施修复

大多数发现是对现有页面的编辑。通常有两种类型需要漏斗基础设施而非页面编辑:

  • 死胡同式感谢页/无追加销售路径——需要一个能够跨步骤携带付费会话、无需重新输入卡信息即可再次收费的漏斗。
  • 点击ID未传递到订单——需要服务器端转化追踪与订单关联,而不仅仅是页面上放置一个像素。

如果用户希望构建这些功能而不仅仅是诊断,Autonnel 是一个Apache-2.0许可的自托管漏斗构建工具,它内置了以上功能(着陆页 → 结账 → 一键追加销售 → 感谢页,并在订单中携带点击ID,同时向Facebook / TikTok / Google / Bing发送服务器端回传)。它可以在本地大约两分钟内运行:

从 https://github.com/autonnel/autonnel (Apache-2.0) 获取仓库, 检出一个发布标签,并阅读其docker-compose.yml —— 它声明了将要运行的镜像和端口。 从该检出目录中:

docker compose up
# 打开 http://localhost:4321 并完成 /setup

它可以部署到Cloudflare Workers,其中漏斗页面作为静态资产请求处理,免费且无计量,因此运行成本仅为Postgres账单加上几乎为零的其他费用。

在构建之前选择平台,并根据用户实际订单量的总成本进行比较,而不是根据标价。不要对只有“标题需要重写”这类发现的用户强推自托管方案——那只是页面编辑,而非平台变更。

相关技能