著陸頁 CRO 分析（科學方法）

著陸頁 CRO 分析（科學方法） 是做什麼的？

技能目的

基於 5 項指標，對任何著陸頁執行全面的 CRO（轉換率優化）分析：CRO Score (MECLABS)、LIFT Score、Scannability Score、Trust Factor、Resonance Rate。

此技能會對頁面進行逐元素分析，提供基於使用者行為心理學的、優先級排序的、可實際操作的修正建議。

何時使用

• 使用者提供登陸頁 URL 並要求進行 CRO 分析
• 使用者要求轉換率優化
• 使用者想要改善註冊、名單收集或銷售
• 透過指令 /market-ru-landing <url> 觸發

如何執行

步驟 0：判定 ICP（理想客戶檔案）

ICP 自動判定：

• 如果使用者在指令中指定了 ICP → 使用提供的 ICP
• 如果 ICP 未指定 → 使用“通用問題認知型受眾”

ICP 範例："B2B SaaS, CTO, growth stage"、"小型企業，想要降低開支"、"電商商店老闆"

為何重要：頁面必須符合受眾的認知程度——如果使用者知道問題，但看到的是為“完全知情者”設計的提案——就會產生溝通斷層。

步驟 1：取得頁面內容

使用 WebFetch 或其他可用的方法來取得頁面的 HTML 內容。

步驟 2：根據 5 項指標進行分析

分析包含 5 個獨立的指標。對於每個指標：

1. 根據標準表評估因素/區塊/觸發器/痛點
2. 按照公式計算最終分數
3. 對於每個因素，將發現（findings）和修正建議（fixes）記錄到 JSON 中

---

2.1. CRO Score (MECLABS)

重要： CRO Score 必須嚴格按照公式計算。不要“憑感覺”評估。 請逐步遵循以下演算法。

計算演算法（必須遵守）

步驟 1： 根據下面的標準表，為每個因素評分（1 到 10 分）。

步驟 2： 分別計算每個組成部分：

• M_component = M × 4 = [數值]
• V_component = V × 3 = [數值]
• I_component = I × 2 = [數值]
• F_component = F × 2 = [數值]
• A_component = A × 2 = [數值]

步驟 3： 將所有組成部分相加：

• CRO = M_component + V_component + I_component + F_component + A_component

步驟 4： 在記錄到 JSON 之前，進行檢查：

• cro_score 必須等於步驟 3 的總和
• 如果不一致，請重新計算

公式：

C = (M × 4) + (V × 3) + (I × 2) + (F × 2) + (A × 2)

標準表

M (Motivation) — 動機（權重 ×4）

評分	標準
1-3	使用者不了解自己的問題，正在尋找資訊
4-6	使用者知道問題，正在尋找解決方案
7-10	使用者已準備好購買，正在比較選項

V (Value Proposition) — 價值主張（權重 ×3）

評分	標準
1-3	不明確、模糊、通用
4-6	了解他們做什麼，但不知道為什麼是這家公司
7-10	清晰的獨特銷售主張（USP），與競爭對手的差異，具體利益

I (Incentive) — 激勵措施（權重 ×2）

評分	標準
1-3	沒有限制，沒有緊迫感，沒有獎勵
4-6	有 1-2 個觸發器（折扣或緊迫感或獎勵）
7-10	同時有 3 個以上觸發器

F (Friction) — 摩擦（權重 ×2）

評分	標準
1-3	表單 1-2 個欄位，流程簡單，CTA 清晰
4-6	表單 3-5 個欄位，有額外步驟
7-10	表單 6 個以上欄位，流程複雜，CTA 不明確

A (Anxiety) — 焦慮（權重 ×2）

評分	標準
1-3	保證在 CTA 旁邊，評論可見，有政策
4-6	保證在頁面上某處，部分評論
7-10	沒有保證，沒有評論，CTA 旁邊沒有政策

計算範例 (allokna.ru)

步驟 1 — 因素評分：

因素	評分	理由
M	5	本地業務，痛點已知但未強調
V	4	"溫暖和舒適"——情感化但缺乏具體性
I	2	沒有緊迫感，沒有獎勵
F	6	表單 2 個欄位（良好），但有 15 個以上導航項目
A	6	沒有保證，CTA 旁邊沒有評論

步驟 2 — 組成部分：

• M × 4 = 5 × 4 = 20
• V × 3 = 4 × 3 = 12
• I × 2 = 2 × 2 = 4
• F × 2 = 6 × 2 = 12
• A × 2 = 6 × 2 = 12

步驟 3 — 總計： CRO = 20 + 12 + 4 + 12 + 12 = 60/100 (中等)

步驟 4 — 驗證： 60 = 20+12+4+12+12 ✓

對於每個因素，記錄到 JSON：

• score (1-10)
• findings — 來自頁面的具體事實
• fixes — 帶有優先級 HIGH/MEDIUM/LOW 的建議

---

2.2. LIFT Score

公式：

LIFT_raw = (相關性 + 清晰度 + 緊迫性 + 價值) - (焦慮 + 干擾)
LIFT = ((LIFT_raw + 16) / 54) × 100

其中：

• -16 = 最小值（所有驅動因素=1，所有抑制因素=10）
• +16 = 偏移量以獲得 0
• 54 = 範圍 (38 - (-16))

範圍： 0-100%

• <40% = 低
• 40-70% = 中等

• 70% = 高

標準表

相關性 (驅動因素)

評分	標準
1-2	標題未能滿足 ICP 的需求。"我們是誰"而不是"你會得到什麼"
3-4	標題與需求關聯性不高，不夠精確
5-6	標題部分回應了 ICP 的主要痛點
7-8	標題精確回應了 ICP 的主要痛點
9-10	標題完全與 ICP 產生共鳴——"這就是為我準備的！"

清晰度 (驅動因素)

評分	標準
1-2	不清楚提供了什麼。行話、抽象用語
3-4	大致清楚，但細節模糊
5-6	大多數人能理解。沒有行話
7-8	非常清楚：是什麼、給誰、為什麼
9-10	瞬間理解。每個字都發揮作用

緊迫性 (驅動因素)

評分	標準
1-2	沒有限制。"隨時來"
3-4	暗示有限制，但不清楚
5-6	有 1-2 個緊迫性觸發器
7-8	清楚限制：時間、數量、條件
9-10	強烈緊迫感：倒數計時、"最後一件商品"、截止日期

價值 (基準)

評分	標準
1-2	價格不明確或沒有說明利益
3-4	利益模糊，有價格
5-6	利益明確，但不獨特
7-8	清楚的價格/利益比
9-10	明確的價值："類似產品 = X，我們的 = X-Y，你的利益 = Z"

焦慮 (抑制因素)

評分	標準
1-2	CTA 旁邊有保證、評論、政策。毫無疑問
3-4	有 1-2 個信任信號，但不在 CTA 旁邊
5-6	有信號，但薄弱或模糊
7-8	存在疑慮：沒有保證，沒有評論
9-10	最大焦慮：完全沒有信任

干擾 (抑制因素)

評分	標準
1-2	專注於單一目標。沒有多餘連結
3-4	1-2 個干擾元素，但不嚴重
5-6	導航很多，但目標可見
7-8	很多干擾：橫幅、連結、彈窗
9-10	混亂：一切都在干擾，目標迷失

計算範例

LIFT_raw = (4 + 4 + 2 + 4) - (7 + 6) = 14 - 13 = 1
LIFT = ((1 + 16) / 54) × 100 = 31.5%

對於每個因素，記錄到 JSON：

• score (1-10)
• findings — 來自頁面的具體事實
• fixes — 帶有優先級的建議

---

2.3. SS — Scannability Score（掃讀性分數）

公式：

SS = Σ(區塊評分 × 區塊權重) × 100%

範圍： 0-100%

• <50% = 差
• 50-70% = 中等

• 70% = 良好

區塊表

區塊	權重	1-2	3-4	5-6	7-8	9-10
H1	20%	不可讀，>15 個字	可讀，但太長	<10 個字，有利益	簡短，<8 個字	<6 個字，精確的 USP
副標題	15%	缺失	太長，沒有結構	可理解，但太長	簡短，具體	1-2 句話，傳達價值
CTA 按鈕	20%	不可見，太小	可見，顏色融合	有對比，文字通用	文字包含利益	文字 = 利益，使用第一人稱
H2-H3 結構	15%	沒有標題	1-2 個標題	有標題	清晰的層級結構	3 秒內可掃讀
視覺元素	15%	素材庫照片	照片相關，但來自素材庫	真實照片	照片 + 文字	客戶/成果照片
留白/呼吸空間	15%	文字擠在一起	留白不均勻	有足夠空間	乾淨的設計	極佳可讀性

計算範例

SS = (4×0.2 + 4×0.15 + 4×0.2 + 3×0.15 + 3×0.15 + 4×0.15) × 100
SS = (0.8 + 0.6 + 0.8 + 0.45 + 0.45 + 0.6) × 100 = 37%

對於每個區塊，記錄到 JSON：

• score (1-10)
• findings — 來自頁面的具體事實
• fixes — 帶有優先級的建議

---

2.4. TF — Trust Factor（信任因素）

公式：

TF = Σ (存在的類型 × 權重)

範圍： 0-N

• 0-1.5 = ❌ 危急
• 2-4.5 = ⚠️ 不足
• 5-7.5 = ✅ 有基礎
• 8-10+ = ✅✅ 強大

觸發器表

觸發器類型	權重	描述	範例
客戶評論	2.0	具名、有照片、有職位	"Anna K., 公寓業主" + 照片
客戶成果	2.0	具體數字（金錢、百分比、時間）	"暖氣費用減少了 40%"
影片評論	2.0	與真實客戶的錄製	YouTube 連結
前後案例	1.5	照片 + 成果描述	窗戶之前/之後照片
客戶標誌	1.5	知名公司	"與 Gazprom, Sberbank 合作"
第三方評級	1.5	Yandex.Maps, Google, 2GIS	"Yandex.Maps 上 4.9 分（247 則評論）"
保證	1.5	明確，在 CTA 旁邊	"結構體保固 10 年"
認證	1.0	行業相關，非供應商	"ISO 9001", "許可證"
公司統計資料	1.0	經驗數字	"市場 15 年", "5000+ 扇窗戶"
退貨政策	1.0	明確，可見	"30 天內退款"
社交媒體	0.5	有粉絲的活躍帳戶	"VK 上有 10K 粉絲"
聯絡資訊	0.5	地址、電話、電子郵件	雅羅斯拉夫爾市, +7(4852)66-27-21
供應商標誌	0.3	供應商標誌	頁尾的 Rehau 標誌

計算範例

類型	範例	權重	分數
供應商標誌	Rehau, Roto, Axor (3 個)	0.3 × 3	0.9
公司統計資料	"市場 15 年"	1.0	1.0
聯絡資訊	地址、電話、電子郵件	0.5 × 3	1.5
總計			3.4

在 JSON 中記錄：

• triggers[] — 找到的觸發器陣列，包含 type, count, weight, score
• missing[] — 缺失的觸發器類型陣列
• findings — 總體發現
• fixes — 建議

---

2.5. RR — Resonance Rate（共鳴率）

公式：

RR = (Σ 痛點評分 / 痛點數量) × 100%

範圍： 0-100%

• <30% = 弱
• 30-60% = 中等

• 60% = 強

ICP 痛點判定演算法

步驟 1： 確定業務類型（門窗、SaaS、電商、服務、本地業務）

步驟 2： 採用通用痛點 + 該業務類型的典型痛點

通用痛點（適用於所有人）：

• "太貴"
• "我不信任"
• "會做錯/送錯"
• "我不會用"
• "無法按時完成"

各業務類型的典型痛點：

業務類型	痛點
門窗	"冬天冷", "很吵", "會裝歪", "要等很久", "很難選擇"
SaaS	"很難導入", "無法整合", "團隊費用高", "留不住使用者"
電商	"無法按時送達", "商品不對", "不退款", "一週就壞了"

每個痛點的評分表

評分	標準
0%	頁面上未提及此痛點
25%	痛點被提及，但沒有解決方案
50%	有解決方案，但沒有證據
75%	有解決方案 + 1 個證據
100%	有解決方案 + 強證據（數字、影片評論）

計算範例

痛點	評分
太貴	50%
冬天冷	50%
很吵	50%
裝歪	50%
要等很久	0%
很難選擇	25%
總計	(50+50+50+50+0+25)/6 = 37.5%

在 JSON 中記錄：

• pains[] — 痛點陣列，包含 pain, score (0-100), evidence
• findings — 總體發現
• fixes — 建議

---

步驟 3：行動端審計

• CTA 在拇指觸控區域（下半部）
• 文字大小 ≥16px
• 表單易於點擊
• 沒有水平滾動
• 滾動時有黏性 CTA

---

步驟 4：生成 A/B 測試

對於指標 2.1-2.5 中的每個 HIGH 優先級修正，生成一個 A/B 測試：

模板：

{
  "hypothesis": "如果我們[具體改變]，那麼[指標]會[改善]，因為[原因]",
  "metric": "要測量的指標 (CTR, conversion rate, bounce rate)",
  "variant_a": "來自頁面的當前文字/元素（精確引用）",
  "variant_b": "建議的更改（完整文字）"
}

要求：

• Variant A — 來自被分析頁面的精確引用
• Variant B — 具體的建議文字
• 指標 — 用於測量的具體指標
• 假設 — 與具體的發現相關聯

範例：

{
  "hypothesis": "如果我們將標題從功能性改為利益導向，那麼英雄區的點擊率（CTR）會增加，因為使用者會立即看到利益",
  "metric": "英雄區 CTR",
  "variant_a": "塑膠和鋁合金窗戶的生產和安裝",
  "variant_b": "冬天很冷嗎？5 天內安裝保暖窗戶——保固 10 年"
}

---

步驟 5：優先級行動清單

從所有指標（2.1-2.5 + 行動端審計）收集所有修正建議，放入一個統一的 all_fixes[] 陣列：

"all_fixes": [
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "cro.motivation"},
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "lift.urgency"},
  {"priority": "MEDIUM", "text": "...", "impact": "...", "source": "ss.h1"},
  ...
]

source 欄位指示建議來自哪個指標：

• cro.motivation, cro.value_proposition, cro.incentive, cro.friction, cro.anxiety
• lift.relevance, lift.clarity, lift.urgency, lift.value, lift.anxiety, lift.distraction
• ss.h1, ss.subheadline, ss.cta, ss.structur

…

[因其餘部分被截斷]