---
title: "转化分析"
description: "使用 Adapty 的分析工具衡量订阅转化率。"
---

漏斗分析帮你掌握整体概况，留存分析关注用户忠诚度，而转化分析则专注于评估用户旅程中每个关键步骤的效果——并追踪其随时间的变化趋势。

转化分析可以帮助你回答以下问题：
1. 应用转化率随时间如何变化？是否存在季节性趋势？
2. 营销活动或其他新情况发生时，转化率如何变化？
3. 不同地区的用户对应用更新的响应有何不同？
4. 哪种产品类型的长期转化效果更好？

转化数据来源于我们通过 Adapty SDK 和应用商店通知收集的信息，无需您进行额外配置。

## 主要控件与数据图表 \{#main-controls-and-charts\}

营收虽然是衡量成功的常用指标，但它只是整体图景的一部分。了解业务在不同用户行为和生命周期阶段随时间的表现同样重要，这正是转化分析的用武之地。

通过设置筛选条件和分组，您可以挖掘更多关于用户行为的有价值洞察。要识别和分析趋势，可以按日、月或年监控转化数据的变化情况。

在数据图表左侧，你可以找到转化步骤控制器，用于选择要追踪的具体转化路径——例如安装 → 试用、试用 → 付费，或付费 → 续订。

每项转化数据图表遵循以下逻辑：

- 设 **X** 为在所选日期进入起始状态的用户数（例如安装量）。

- 设 **Y** 为其中最终达到目标状态的用户数（例如开始试用）。

- 转化率计算公式为：**转化率 = (Y / X) × 100%**
:::note
数据图表中显示的日期对应用户进入初始状态 (X) 的时间——即他们具备转化条件的那一刻。
:::

请参阅下方各转化说明及对应示例。
### 安装 -> 付费 \{#install---paid\}

此数据图表显示在特定日期安装应用的用户中，最终购买了首个订阅的用户占比。

<details>

   <summary>工作原理</summary>

**设**：

- **X** = 所选日期的安装量（对所有产品相同，因为安装时尚未选择产品）。

- **Y** = 其中最终完成首次订阅购买（试用或非试用）的用户数。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 1 月 1 日共有 100 次安装。

- 截至 1 月 8 日，其中 20 名用户已完成订阅。
- 1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%

- 到2月1日，1月1日安装组又有30名用户购买了订阅。

   - 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至当前时刻，1月1日安装应用的用户中，有50%最终转化为付费订阅用户。

</details>
### 安装 -> 试用 \{#install---trial\}

该数据图表显示在特定日期安装应用的用户中，最终开启试用的比例。

<details>
<summary>工作原理</summary>

**设**：

- **X** = 所选日期的安装量（对所有产品相同，因为用户在安装时尚未选择任何产品）。

- **Y** = 其中最终在任意时间激活试用的用户数。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 1 月 1 日共有 100 次安装。

- 到 1 月 8 日，其中 20 名用户已开启试用。
- 1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%

- 到2月1日，1月1日安装组又有30名用户开始了试用。

   - 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至当前时刻，1月1日安装应用的用户中有50%最终开始了试用。
</details>
### 付费墙展示 -> 试用 \{#paywall-view---trial\}

此数据图表追踪在看到付费墙后开始试用的用户数量。

<details>
    <summary>工作原理</summary>

    **设**：

    - **X** = 在所选日期看到付费墙的用户数量。

    - **Y** = 此后任意时间开始试用的用户数量。

    **公式**：转化率 = (Y / X) × 100%

    **示例**：

    - 1 月 1 日，共有 100 次付费墙展示。

    - 到 1 月 8 日，其中 20 名用户已开始试用。

    - 1 月 8 日，1 月 1 日的转化率 = (20 / 100) × 100% = 20%

</details>
- 到2月1日，又有30名用户开始了试用。

    - 2月1日时，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

    这表明，截至当前时刻，1月1日看到付费墙的用户中有50%开始了试用。

### 付费墙展示 -> 已付费 \{#paywall-view---paid\}

此数据图表追踪有多少用户在看到付费墙后完成了购买。

<details>
    <summary>工作原理</summary>

    **设**：

    - **X** = 在所选日期看到付费墙的用户数。

    - **Y** = 此后任意时间完成购买的用户数。

    **公式**：转化率 = (Y / X) × 100%

    **示例**：

    - 1 月 1 日，共有 100 次付费墙展示。

    - 到 1 月 8 日，其中 20 名用户已完成购买。

    - 1 月 8 日，1 月 1 日的转化率 = (20 / 100) × 100% = 20%

</details>
- 到2月1日，又有30名用户完成了购买。

    - 2月1日时，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

    这说明，在1月1日看到付费墙的用户中，有50%在截至当前时刻完成了购买。

### 试用转付费 \{#trial---paid\}

此数据图表显示在特定日期开始试用的用户中，后续购买了首个订阅的百分比。

<details>
<summary>计算方式</summary>

**设**：

- **X** = 所选日期开始试用的用户数。

- **Y** = 其中最终在试用结束后购买了订阅的用户数。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 1 月 1 日共有 100 名用户开始试用。

- 到 1 月 8 日，其中 20 名用户已订阅。

   - 1 月 8 日，1 月 1 日的转化率 = (20 / 100) × 100% = 20%

</details>
- 到2月1日，1月1日试用组又有30名用户完成了订阅。

   - 2月1日时，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

也就是说，1月1日开始试用的用户中，有50%最终转化为付费订阅（截至当前时刻）。

### 付费 -> 第 2 个周期 \{#paid---2nd-period\}

该数据图表显示订阅用户在首次付款后续订的百分比。

<details>
<summary>运作原理</summary>

**设**：

- **X** = 所选日期内首次订阅的用户数。

- **Y** = 续订第二个周期的用户数，续订可发生在任意时间（通常在一个订阅周期后；包含宽限期内的续订）。

- **公式**：转化率 = (Y / X) × 100%

**示例**：

- 1 月 1 日，共有 100 名用户首次订阅。

- 到 1 月 8 日，其中 20 名用户已完成续订。
- 1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%

- 到2月1日，该组又有30名用户完成了续订。

   - 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这说明，在1月1日首次完成订阅付款的用户中，截至当前时刻有50%完成了第二个周期的续订。

</details>
### 第2期 -> 第3期 \{#2nd-period---3rd-period\}
此数据图表跟踪在第二个订阅周期后再次续订的用户数量。

<details>
<summary>工作原理</summary>

**设**：

- **X** = 所选日期的第二期订阅数量。

- **Y** = 续订第三期的用户数量，发生在任意后续时间（通常在再经过一个计费周期后；包含宽限期内的续订）。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 1月1日，共有 100 个第二期订阅。

- 截至1月8日，其中 20 名用户已完成续订。
- 1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%

- 到2月1日，又有30名用户续订了。

   - 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这表明，在1月1日进入第二个订阅周期的用户中，有50%在当前时刻之前续订了第三个周期。

</details>
### 第3期 -> 第4期 \{#3rd-period---4th-period\}

该数据图表显示在第三个订阅周期后续订的用户百分比。

<details>
<summary>工作原理</summary>

**设**：

- **X** = 所选日期第三周期订阅的数量。

- **Y** = 之后任意时间续订第四周期的用户数量（通常在一个计费周期后；包含宽限期内的续订）。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 1月1日，共有100个第三周期订阅。

- 截至1月8日，已有20名用户完成续订。
- 1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%

- 到2月1日，又有30名用户续订。

   - 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，在1月1日进入第三个订阅周期的用户中，有50%在当前时刻为止完成了第四次续订。

</details>
### 第4周期 → 第5周期 \{#4th-period---5th-period\}

该数据图表显示在第四个订阅周期后续订的用户百分比。

<details>
<summary>工作原理</summary>

**设**：

- **X** = 所选日期当天处于第四周期的订阅数量。

- **Y** = 此后任意时间续订第五个周期的用户数量（通常在一个计费周期后；包含宽限期内的续订）。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 1月1日，共有100个处于第四周期的订阅。

- 截至1月8日，已有20名用户完成续订。
- 1月8日，1月1日的转化率 = (20 / 100) × 100% = 20%

- 到2月1日，又有30名用户续订。

   - 2月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，在1月1日进入第四个订阅周期的用户中，有50%在当前时间点之前续订了第五个周期。

</details>
### 6 个月以上 \{#6-months-\}

此数据图表显示从首次订阅起持续订阅超过 6 个月的用户占比。

<details>
<summary>工作原理</summary>

**设**：
- **X** = 所选日期的首次订阅数量。
- **Y** = 其中在首次订阅日期 6 个月后至少续订一次的用户数量。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 1 月 1 日共有 100 次首次订阅。

- 到 7 月第一周，其中 20 人完成了续订（例如第 25 次周订阅）。
- 7月8日，1月1日的转化率 = (20 / 100) × 100% = 20%

- 到8月1日，又有30人在6个月后续订。

   - 8月1日，1月1日的转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至8月1日，1月1日订阅的用户中有50%在6个月后仍保持订阅状态。

</details>
### 1年以上 \{#1-year-\}

该数据图表显示了从首次订阅起，持续订阅超过12个月的用户占比。

<details>
<summary>工作原理</summary>

**设**：

- **X** = 所选日期的首次订阅数量。

- **Y** = 其中在原始订阅日期12个月后至少续订一次的用户数量。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 2021年1月1日，共有100次首次订阅。

- 到2022年1月的第一周，其中20人已续订。
- 2022年1月8日，转化率 = (20 / 100) × 100% = 20%

- 到2022年2月1日，又有30人在12个月后续费。

   - 2022年2月1日，转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，在2021年1月1日开始订阅的用户中，有50%保持活跃超过一年。

</details>
### 2 年以上 \{#2-years-\}

此数据图表显示从首次付款日期起订阅超过 24 个月的用户百分比。

<details>
<summary>工作原理</summary>

**设**：

- X = 在选定日期内首次订阅的用户数。

- Y = 其中在原始订阅日期起 24 个月后至少续订一次的用户数。

**公式**：转化率 = (Y / X) × 100%

**示例**：

- 2020 年 1 月 1 日，共有 100 名用户首次订阅。

- 到 2022 年 1 月的第一周，其中 20 人已完成续订。
- 2022年1月8日，转化率 = (20 / 100) × 100% = 20%

- 到2022年2月1日，又有30人在2年后续订。

   - 2022年2月1日，转化率 = ((20 + 30) / 100) × 100% = 50%

这意味着，截至2022年2月1日，在2020年1月1日订阅的用户中，有50%在2年后仍处于活跃状态。

</details>
### 宽限期 -> 已付款 \{#grace-period---paid\}

此数据图表显示进入[订阅宽限期](grace-period)的用户中，在宽限期结束*前*成功解决问题的用户占比。

<details>
<summary>计算方式</summary>

**设**：
- X = 进入宽限期的订阅用户数。
- Y = 其中在宽限期到期前完成续订的用户数。

**公式**：转化率 = (Y / X) × 100%
**示例**：
- 2025年1月1日，100人的订阅未能自动续期，进入为期16天的宽限期，到期日为1月17日。
- 在1月1日至1月17日期间，50人更新了支付信息，订阅成功续期。
- 2025年1月17日，转化率 = (50 / 100) × 100% = 50%

</details>
### 账单问题 -> 已付款 \{#billing-issue---paid\}

此数据图表展示遭遇[账单问题](/billing-issue)后，在账期结束前恢复付款的用户占比。

<details>
<summary>运作原理</summary>

**定义**：

- X = 遭遇账单问题的订阅者数量。
- Y = 其中在账单问题发生至账期结束这段时间内续订的用户数量。

**公式**：转化率 = (Y / X) × 100%
**示例**：
- 1月1日，100名订阅者在订阅无法自动续费时遇到了账单问题。
  - 注意：如果启用了宽限期，账单问题状态仅在宽限期结束后才开始。本示例假设宽限期于1月1日结束。
- 到1月8日，其中10名用户已解决付款问题并完成续费。
  - 1月8日，1月1日的转化率 = (10 / 100) × 100% = 10%
- 到1月31日（账单周期结束），又有10名用户完成了续费。
  - 1月31日，1月1日的转化率 = ((10 + 10) / 100) × 100% = 20%
这表明，1 月 1 日进入账单问题状态的用户中，有 20% 在账单周期结束前解决了问题并完成了续订。

</details>
## 分组与时间范围 \{#grouping-and-time-ranges\}
当选择转化率作为分析对象时，核心展示内容是数据图表。它呈现了转化百分比随时间变化的趋势。请使用日期选择器，通过快速选项来设定时间范围。

数据图表通常包含多条曲线。默认情况下，分组列表中最多选中五条曲线，你可以通过勾选图表右侧区域中的复选框来调整选择。

首次打开页面时，默认以产品时长作为分组维度。之后你的设置会保存在缓存中，下次打开时将显示你最近选择的分组。

以下分组维度可供选择：
- 产品
- 国家
- 商店
- 付费墙
- 时长
- 营销归因

如果所选日期范围内没有数据可展示，系统会弹出提示，建议你调整日期范围，点击即可一键完成调整。

## 表格视图、筛选与 CSV 导出 \{#table-view-filters-and-csv-export\}

曲线对比能呈现直观的整体趋势，而图表下方的表格视图则可以帮助你深入分析数据。表格与图表保持同步——将鼠标悬停在某一列上时，对应的弹窗会同步显示在曲线上。

上文提到的分组设置会同时作用于图表和表格。你可以按产品快速筛选，也可以使用其他高级筛选条件，包括产品、国家、商店、时长和归因。

我们深知用户需要以自己习惯的方式处理数据。因此，控制面板右侧提供了一个按钮，可将漏斗数据导出为 CSV 格式。你可以在 Excel 或 Google Sheets 中打开该文件，也可以将其导入自己的分析系统，在你熟悉的环境中继续进行分析和预测。
:::important
如果您的应用已加入折扣佣金计划，请告知 Adapty。为确保计算准确，请在您的[应用设置](general)中说明您的 [App Store 小型企业计划](app-store-small-business-program)和[降低服务费计划](google-reduced-service-fee)状态。
:::