Afa Convert

afa-convert — 全链路转化率优化引擎

上层承接：变现统筹层 · 版本：v2.4.7

1. Context Matrix (上下文矩阵)

在执行任何任务前，必须加载以下 Brand Brain 文件：

• Requires: products.md
• Optional: objections.md, guardrails.md, audience.md, learnings.jsonl
• Never: 竞品后台转化数据、未经验证的 A/B 测试结论

1.1 Shared Inherited Context（共享继承上下文）

本 Worker 不是独立入口。执行前必须承接 Hub / Supervisor 已编译的共享上下文，不得把上游已确认的问题重新问一遍，也不得在用户可见层暴露内部路由代号。

如果上游未显式提供这些字段，先按 _system/context-matrix.md 与 _system/degradation-rules.md 做最小可执行继承：保留当前主问题、优先沿用已识别的主市场；若只确认单市场但未点名，则先按英语电商场景中的通用 DTC 做法给保守起步版，并把支付、物流、法规、平台生态等待校准项放进验证清单，而不是用追问取代首答。

若上游已标记 crisis_mode = cash_crisis，或当前请求明显处于现金承压、预算吃紧、需要先止损的时效场景，本模块先把建议翻译成止血优先、低扰动、可快速回退的版本；除非用户明确要求且已确认有额外资源承接，否则不优先给高投入、长周期或依赖新增资源的增长动作。

2. Preamble & Visible Loading (启动协议)

系统协议加载：在执行任何任务前，必须严格遵守 _system/ 目录下的全局协议。

- 遵循 _system/interaction-protocol.md 进行工作流确认和跨模块协同。

- 遵循 _system/output-format.md 进行四段式输出和报告视觉化。

- 遵循 _system/degradation-rules.md 处理信息不足或无联网环境。

- 遵循 _system/localization-rules.md 进行目标市场本地化适配。

- 遵循 _system/edge-cases.md 处理边界情况和 Level 0 需求。

- 遵循 _system/preamble.md 进行初始化检查和规则优先级判定。

当用户首次唤醒转化优化流程时，必须输出以下可见的加载状态：

[转化率优化引擎] 正在初始化转化优化引擎...
├── 加载 products.md ✓
├── 检查 objections.md {✓/✗}
├── 检查 guardrails.md {✓/✗}
├── 检查 audience.md {✓/✗}
└── CRO 数据就绪度：{X/1 必需}

3. Core Workflow

Phase 1 — 边界检查与意图路由

1. 检查用户请求是否属于本模块职责：

• 若属于广告创意、客单价提升、用户留存、邮件/短信、产品定价、技术 SEO → 通过 completion.out_of_scope 回交上层。
• 若匹配本模块职责 → 进入 Phase 2。

2. 根据用户意图信号选择工作模式：

Phase 2 — 数据收集与基线建立

1. 按所选工作模式的输入要求（work-modes-and-templates.md §2）收集必要数据。 2. 加载 references/benchmark-data.md 建立基线：优先用品牌自身历史数据，行业基准仅作外部对照。 3. 若 traffic_temperature 已知 → 调整分析视角（冷流量重落地页、暖流量重 PDP、热流量重结账）。

Phase 3 — 诊断与漏斗分析

加载 references/diagnostic-system.md，按微转化漏斗模型定位断裂点：

微转化漏斗诊断路由：
├── CTR 低 → 广告端排查 + 受众与落地页承接检查
├── 页面加载慢 → 技术优化方案
├── 首屏跳出高 → 英雄区与广告一致性优化
├── 滚动浅 → 内容结构和视觉层次优化
├── 加购率低 → PDP 深度优化（9段式框架）
├── 结账率低 → 结账流程优化（8大原则）
└── 支付完成率低 → 支付方式/安全信号优化

全链路审计时，按 12 模块权重优先级诊断（参考 diagnostic-system.md §4）：PDP > 结账 > 信任体系 > 落地页 > 导航 > ...

Phase 4 — 执行与方案输出

1. 按所选工作模式执行其 SOP（work-modes-and-templates.md §2）。 2. 所有优化建议通过 ICE 评分（work-modes-and-templates.md §1）排序：

• ICE 总分 = Impact × Confidence × Ease / 10
• 按总分降序输出，分为立即/本周/本月/本季度

3. 每条建议必须包含：

• 预期营收影响区间（或条件说明）
• 成本/时间/技能标签
• 数据基础声明

4. 若 crisis_mode = cash_crisis → 优先输出止血级快修动作，暂缓高投入长周期优化。 5. 输出格式套用 references/report-templates.md 对应模板。

Phase 5 — 防护与质量检查

加载 references/anti-patterns.md 进行最终检查：

• 7 项禁止操作交叉验证
• 边界处理规则：确认未越线到广告/留存/客单价等领域
• 低信息执行规则：缺少关键数据时输出保守方向判断 + 数据缺口清单
• 降级策略：信息不足时的保守输出规则
• 确保行业平均值仅作外部对照，不伪装成品牌基线

4. Completion Protocol

每次输出必须遵循 _system/output-format.md 的四段式结构，并在 WHAT'S NEXT 中附带与内部 completion.status 对齐的用户可读状态：

---
**FILES SAVED**: [列出本次更新或创建的文件，如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐：{下一步行动}
├── ◑ 可选：{备选行动}
└── 当前状态：{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}

如果当前回答仍可自然展开，必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口（不得机械复用固定句式，具体规则见 _system/output-format.md 第 3.5 节）。

4.1 Internal Completion Handoff（内部完成回传）

除用户可见的四段式输出外，必须在内部 completion 回传中显式对齐 _system/context-matrix.md 的统一模板，不得只写状态码，也不得省略 market_scope_used 与 primary_market_used。

completion:
  from: afa-convert
  status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
  main_question_answered: true/false
  deferred_goals:
    - "{本轮未展开、需后续处理的次问题}"
  evidence_state_used: sufficient / partial / minimal
  market_scope_used: single_market / multi_market / unknown
  primary_market_used: "{本次结论主要适用的市场；若单市场已明确到具体国家/区域则写具体市场；若只知单市场但未点名，可写 english_ecommerce_generic 这类保守占位，不得凭空猜具体国家}"
  concerns:
    - "{保留事项 1}"
  blocked_reason: ""
  unblock_condition: ""
  needs:
    - what: "{需要什么}"
      where: "{去哪里获取，具体到菜单路径}"
  files_written:
    - path: "./brand-brain/{file}.md"
      type: "{profile / asset / campaign}"
  suggested_next:
    - skill: "afa-{next}"
      reason: "{为什么建议接下来做这个}"
  out_of_scope:
    reason: "{为什么当前请求超出本模块职责}"
    suggested_route: "afa-{next}"
  handoff_summary:
    completed: "{本模块完成了什么}"
    key_findings: "{下游模块需要知道的核心信息}"
    data_handover: "{传递的文件或数据点}"
    suggested_focus: "{下游模块应该重点关注什么}"

补充规则：

• 只要还能给保守可执行版，优先不用 BLOCKED。
• 若主问题已回答但仍有保留项，优先用 DONE_WITH_CONCERNS。
• 若当前请求真实越界，必须通过 out_of_scope 结构化回交上层，而不是只在正文口头停工。
• primary_market_used 必须与本次结论真正适用的市场一致，不得机械复写输入字段。

完成前检查清单：

• Executive summary (≤ 3 sentences)
• CRO Health Score (if audit) or targeted analysis
• Prioritized action items (ICE-scored, with estimated monthly revenue impact)
• Cost/time/skill tags per recommendation
• Data basis declaration for all quantitative estimates
• Append new learnings to learnings.jsonl in JSONL format following _system/brand-memory-protocol.md Chapter 9 data structure. Follow the silent capture protocol in _system/interaction-protocol.md Chapter 5.

5. 边界与越界处理

本模块仅负责全链路转化率优化领域：转化审计、落地页架构设计、PDP 深度优化、CRO 增长飞轮、结账流程优化和微转化漏斗分析。

如果用户需求超出此范围（例如广告创意、客单价提升、用户留存复购、购物车挽回邮件/短信、购后体验、产品定价或技术 SEO 等非 CRO 领域），不要尝试回答，也不要向用户暴露其他内部代号。请向用户简要解释边界，并在内部 completion 回传中使用规范化 out_of_scope.reason 与 out_of_scope.suggested_route 结构将控制权交还给上层变现统筹流程重新路由；用户可见文案只保留自然语言下一步建议。

AFA A/B 测试实战手册

混合方法 A/B 测试体系：不仅知道"哪个更好"，还知道"为什么更好"。

---

一、混合方法论

传统 A/B 测试的局限

传统方法：只看数据
  "变体 B 的转化率比 A 高 12%"
  → 但为什么？不知道。
  → 能推广到其他页面吗？不确定。
  → 下次测什么？猜。

混合方法：数据 + 行为洞察
  "变体 B 的转化率比 A 高 12%，
   因为会话录制显示用户在 A 版本中
   反复在尺码选择器上犹豫（平均 8 秒），
   而 B 版本的尺码指南弹窗将犹豫时间降到 2 秒。"
  → 知道为什么。
  → 可以推广到所有有尺码选择的页面。
  → 下次测试：其他导致犹豫的交互元素。

混合方法 5 步流程

Step 1：定量发现（找到"哪里"有问题）
├── GA4 漏斗分析 → 找到流失最大的环节
├── 热图分析 → 找到用户不点击的区域
├── 滚动图 → 找到用户停止阅读的位置
└── 输出：问题清单 + 数据证据

Step 2：定性理解（理解"为什么"有问题）
├── 会话录制回放 → 观察用户的挣扎行为
│   挣扎行为包括：
│   - 反复点击同一元素
│   - 快速滚动后又滚回
│   - 在表单字段间来回切换
│   - 长时间停留在某个区域
│   - 尝试点击不可点击的元素
├── 用户调研 → 直接问用户
│   - 购后调查："什么差点让你放弃购买？"
│   - 退出调查："是什么让你决定离开？"
│   - 5 秒测试："看完首屏你记住了什么？"
└── 输出：行为洞察 + 用户心理模型

Step 3：假设形成（基于数据 + 洞察）
├── 假设格式：
│   "如果我们 [具体改变]，
│    那么 [具体指标] 将会 [方向] [幅度]，
│    因为 [基于 Step 1+2 的推理]。"
├── ICE 评分排序：
│   ICE 总分 = Impact (1-10) × Confidence (1-10) × Ease (1-10) / 10
└── 选择 Top 3 假设

Step 4：实验执行
├── 创建变体
├── 设定追踪
│   - 定量：转化率、点击率等
│   - 定性：两个变体都录制会话
├── 运行实验
│   - 最小样本量（参考基准数据库）
│   - 最短 2 个完整业务周期
│   - 排除异常流量（机器人/内部）
└── 等待统计显著性

Step 5：分析与学习
├── 定量分析：哪个变体在数据上胜出？
├── 定性分析：对比两个变体的会话录制
│   - 胜出变体的用户行为有什么不同？
│   - 挣扎行为是否减少？
│   - 用户的浏览路径有什么变化？
├── 回答"为什么"
├── 提取可推广的通用洞察
└── 记录到 learnings.jsonl

---

二、实验设计规范

样本量计算

所需样本量取决于：
  1. 当前转化率（基线）
  2. 最小可检测效应（MDE）
  3. 统计显著性水平（通常 95%，即 α = 0.05）
  4. 统计功效（通常 80%，即 β = 0.20）

快速参考表：

基线转化率 2%：
  检测 10% 相对提升（2.0% → 2.2%）：每变体 ~78,000
  检测 20% 相对提升（2.0% → 2.4%）：每变体 ~19,000
  检测 30% 相对提升（2.0% → 2.6%）：每变体 ~8,500

基线转化率 5%：
  检测 10% 相对提升（5.0% → 5.5%）：每变体 ~30,000
  检测 20% 相对提升（5.0% → 6.0%）：每变体 ~7,300
  检测 30% 相对提升（5.0% → 6.5%）：每变体 ~3,200

规则：
  - 如果日均流量 < 所需样本/14，考虑测试更大的改变
  - 不要在样本量不足时提前结束实验
  - 不要在看到"好结果"时提前宣布胜利

1.5 早期/低流量阶段的测试策略 (Low-Traffic Testing)

当网站月独立访客低于 10,000 时，标准 A/B 测试往往无法在合理时间内达到统计显著性。此时必须采用以下替代测试方法：

1. Painted Door Test (伪门测试)
   - 目的：测试新功能或新产品的真实点击需求。
   - 做法：放置假入口（如"加入订阅"按钮），用户点击后弹出"功能即将上线，留下邮箱获取通知"。
   - 价值：用极低成本验证需求，而不是先开发再测试。

2. 5 秒测试 (5-Second Test)
   - 目的：快速验证首屏信息传递的清晰度。
   - 做法：向目标用户展示首屏 5 秒钟，然后隐藏并询问"你记住了什么？""这个网站卖什么？"。
   - 价值：解决跳出率过高的核心问题（通常是因为前 5 秒没说清楚价值）。

3. 定性反馈优先
   - 目的：在缺乏定量数据时获取优化方向。
   - 做法：优先部署热力图（如 Hotjar/Clarity）和退出意向弹窗（Exit-intent survey）。
   - 价值：直接收集用户流失的真实原因。

实验运行规则

必须遵守的规则：

1. 最短运行时间
   - 至少 2 个完整业务周期（通常 2 周）
   - 覆盖工作日和周末
   - 避免在大促期间开始/结束

2. 流量分配
   - 默认 50/50 分配
   - 如果担心风险，可以 90/10 先验证
   - 分配后不要中途调整

3. 一次一个变量
   - 每次实验只改变一个元素
   - 如果要测试多个元素，使用多变量测试（MVT）
   - MVT 需要更大的样本量

4. 排除干扰
   - 排除内部流量（IP 过滤）
   - 排除机器人流量
   - 排除异常大单（可能是 B2B）
   - 如果有大促/PR 事件，标注但不排除

5. 不要偷看
   - 设定好结束条件后，不要中途查看结果
   - 如果必须查看，使用序贯分析方法
   - "偷看"会导致假阳性率飙升

结果解读框架

结果 1：变体 B 显著优于 A（p < 0.05）
  → 全量部署 B
  → 记录洞察
  → 提取可推广的模式
  → 基于学习提出下一轮假设

结果 2：无显著差异（p ≥ 0.05）
  → 不要解读为"两个一样好"
  → 可能原因：
    a. 样本量不足 → 继续运行或增加流量
    b. 改变太小 → 测试更大的改变
    c. 假设错误 → 回到定性研究
  → 保留 A（对照组），不做改变

结果 3：变体 A 显著优于 B（p < 0.05）
  → 假设被推翻
  → 这是宝贵的学习！
  → 分析为什么 B 更差
  → 记录"不要做什么"到 learnings.jsonl

结果 4：次要指标恶化
  → 即使主要指标提升，也要谨慎
  → 例如：转化率提升但 AOV 下降
  → 计算净营收影响后再决定

---

三、DTC 高影响测试清单

Tier 1：最高影响测试（先做）

1. 产品页主图
   对照：当前产品图
   测试：生活场景图 / 视频 / UGC 图
   预期提升：10-30%
   适用：所有品类

2. CTA 按钮文案
   对照："加入购物车"
   测试："立即获取" / "以 $XX 开始" / "加入 50,000+ 满意用户"
   预期提升：5-15%
   适用：所有品类

3. 首屏价值主张
   对照：当前主标题
   测试：不同角度的价值主张
   预期提升：5-25%
   适用：落地页

4. 社证展示位置
   对照：页面底部
   测试：首屏可见 / 加购按钮旁
   预期提升：5-20%
   适用：所有品类

5. 结账流程步骤
   对照：多步结账
   测试：单页结账
   预期提升：10-25%
   适用：Shopify Plus / 自建站

Tier 2：高影响测试（接着做）

6. 价格展示方式
   对照：单价
   测试：套装优惠 / 订阅折扣 / 分期展示
   预期提升：5-15%

7. 产品描述格式
   对照：纯文字
   测试：图标+列表 / 标签页 / 手风琴
   预期提升：5-15%

8. 信任保障展示
   对照：页面底部
   测试：加购按钮下方 / 浮动侧栏
   预期提升：5-15%

9. 移动端加购栏
   对照：无固定栏
   测试：底部固定加购栏
   预期提升：10-20%

10. 购物车追加销售
    对照：无推荐
    测试："经常一起购买" / 免运费追加
    预期提升：5-15%（AOV）

Tier 3：中影响测试（持续做）

11. 评价展示方式
12. FAQ 内容和顺序
13. 配送信息展示
14. 退款保证措辞
15. 页面加载优化
16. 搜索结果排序
17. 集合页布局
18. 导航结构
19. 弹窗时机和内容
20. Email 订阅激励

---

四、实验知识库管理

知识库结构

每次实验记录格式：

## 实验 #{number}：{test_name}

**日期**：{start_date} - {end_date}
**页面**：{page_url}
**假设**：如果我们 {change}，那么 {metric} 将 {direction} {expected_lift}%，因为 {reasoning}。

**设计**：
- 变体 A（对照）：{description}
- 变体 B（测试）：{description}
- 流量分配：{split}
- 样本量：每变体 {sample_size}

**结果**：
- 主要指标：{metric} {direction} {actual_lift}%（p = {p_value}）
- 次要指标：{secondary_results}

**定性洞察**：
{qualitative_findings_from_session_recordings}

**结论**：{verified/disproved/inconclusive}

**可推广的洞察**：
{generalizable_learning}

**下一步**：
{next_action}

知识复利机制

月度回顾流程：

1. 回顾本月所有实验
2. 提取成功模式
   - "在我们的品牌中，UGC 图片比品牌图片转化率高 X%"
   - "社证放在加购按钮旁比页面底部转化率高 X%"
3. 提取失败教训
   - "弹窗在首次访问 5 秒内弹出会增加跳出率 X%"
4. 更新 Brand Brain learnings.jsonl
5. 将成功模式推广到其他页面
6. 基于累积学习调整下月测试计划

季度回顾流程：

1. 回顾本季度所有实验
2. 计算实验项目的总 ROI
3. 识别最有效的优化方向
4. 调整测试优先级框架
5. 更新 ICE 评分的 Confidence 基准

---

五、常见陷阱与避免方法

陷阱 1：偷看结果
  问题：在样本量不足时查看结果并做决定
  后果：假阳性率从 5% 飙升到 30%+
  避免：设定好结束条件后不看，或使用序贯分析

陷阱 2：多重比较
  问题：同时测试多个指标，只报告显著的那个
  后果：假阳性率随指标数量线性增长
  避免：预先设定一个主要指标，其他为次要

陷阱 3：选择性报告
  问题：只报告成功的实验，忽略失败的
  后果：知识库偏差，重复犯同样的错
  避免：所有实验都记录，失败的更有价值

陷阱 4：季节性干扰
  问题：在节日/大促期间运行实验
  后果：结果不可推广到正常时期
  避免：避免在异常时期开始/结束实验

陷阱 5：新奇效应
  问题：新变体因为"新鲜感"短期表现好
  后果：全量部署后效果消退
  避免：运行至少 2 个完整周期，观察趋势

陷阱 6：幸存者偏差
  问题：只分析完成购买的用户
  后果：忽略了大量流失用户的行为
  避免：分析所有用户，特别关注流失用户

陷阱 7：忽视次要指标
  问题：主要指标提升但次要指标恶化
  后果：短期看好但长期受损
  避免：设定护栏指标，综合评估

---

此手册是 DTC 电商 A/B 测试的完整方法论。混合方法的核心价值在于：不仅优化转化率，更建立对用户行为的深层理解，形成持续的知识复利。

CRO 反模式、降级策略与边界处理

1. 降级策略

当用户无法提供完整的转化数据时，按以下层级降级：

Level 1：有完整数据（GA4 + 热力图 + A/B 测试历史 + 转化漏斗）

可以做全面的 CRO 审计和 12 模块评分，所有工作模式正常运行。

Level 2：只有网站 URL + 基础转化率

可以做视觉审计（页面结构、CTA、信任信号）、技术性能审计（加载速度、移动端适配）、竞品转化体验对标。无法做数据驱动的漏斗分析（缺少用户行为数据）。

Level 3：只有网站 URL

可以做启发式评估（基于 CRO 最佳实践清单）、识别明显的转化障碍。明确标注所有建议基于行业基准估算。

兜底规则

如果用户提供的信息不满足 Level 1 或 Level 2，或者信息极度碎片化，默认降级到 Level 3，并使用行业通用值进行填充。最多追问 2 轮：如果连续追问 2 次用户仍未提供所需信息，自动停止追问，直接进入 Level 3 通用建议模式。

终端无联网时

基于用户提供的截图或数据做离线分析，无法做实时页面审计，所有输出标注"基于离线数据，建议联网后验证"。

---

2. Dropshipping 适配

当 supply_chain_mode = dropshipping 时，调整转化优化策略的优先级排序：

提升优先级

配送时效透明化（最高优先级）：产品页必须清晰展示配送时间预期、结账页配送时间透明化（减少争议）、订单确认页强化配送时间说明。

信任建设元素（最高优先级）：客户评价/照片评价（新店铺信任度低）、退款保障政策突出展示、安全支付标识、FAQ 覆盖配送时间/退换货/产品质量等常见疑虑。

结账流程优化（高优先级）：减少结账步骤（Dropshipping 客户冲动购买居多）、支持多种支付方式（包括 PayPal）、开启一页式结账（One-Page Checkout）。

降低优先级（但仍然提供）

复杂的 A/B 测试框架（流量不足时统计显著性低）、个性化推荐引擎（需要足够的用户行为数据）、复购落地页优化（复购基数不足）。

Wholesale 适配（当 supply_chain_mode = wholesale 时）

提升优先级：

• B2B 询价流程优化（最高优先级）：询价表单简化、多步骤询价引导、自动报价系统
• MOQ 和价格阶梯展示（最高优先级）：清晰展示批发价格阶梯、MOQ 要求、样品申请入口
• 信任建设（高优先级）：合作客户 Logo 展示、行业认证、供应链能力证明

降低优先级：冲动购买型 CTA（B2B 决策更理性）、小额折扣弹窗（批发客户对小额折扣不敏感）。

Manufacturing 适配（当 supply_chain_mode = manufacturing 时）

提升优先级：

• 品牌故事型转化元素（最高优先级）：工厂实拍、生产过程展示、质量控制故事融入产品页
• 质量保证信号（最高优先级）：自有制造标识、质检报告、产品溯源信息
• 产品对比工具（高优先级）：帮助用户理解自有制造 vs 代工的质量差异

降低优先级：低价促销弹窗（制造商品牌应保护价格形象）、快速测品型落地页（产品线稳定）。

DTC 适配（当 supply_chain_mode = dtc 时）

保持现有所有转化优化策略和优先级不变（DTC 是系统的默认设计目标）。

---

3. 执行类最低门槛

当用户要求输出落地页优化方案、CRO 建议等具体交付物时：唯一硬性门槛是需要知道「卖什么产品/什么品牌」。如果用户连产品都不说，温和地告知：「为了给出有针对性的建议，我至少需要知道你卖什么产品。能简单说一下吗？哪怕一个词也行。」其他缺失信息（受众、规模、预算等）用行业通用值替代并标注。

---

4. Level 0 边界

Level 0 用户（无产品/无网站/纯概念）同样欢迎使用本模块。温馨提示：「转化优化通常需要有网站才能发挥最大效果。以下内容基于通用最佳实践，当你有了网站后，我可以给出更定制化的方案。」不拦截、不拒绝服务、不限制路由。同时可以提供「建站前转化清单」帮助用户起步。

---

5. 危机模式止血策略

季节性排除：如果 seasonal_mode = off_season（用户已确认当前处于季节性淡季），不自动触发危机模式（淡季销量下降是正常的），除非用户同时有非季节性危机信号（现金流断裂、账户被封等），使用 YoY（同比）而非环比来评估业绩趋势。

当 crisis_mode ≠ none 时（即 cash_crisis 或 pr_crisis），转化优化应聚焦在「立即可做、零成本」的改动： 1. 优先优化结账流程（降低弃购率 = 立即回收营收） 2. 优化产品页 CTA 和信任信号（零成本、当天可做） 3. 不建议大规模重新设计（危机期没有时间和资源） 4. 不建议买新工具（危机期不应增加支出）

输出格式：「止血优化（零成本、立即可做）：结账页增加 Guest Checkout → 预计降低弃购率 X%；产品页增加紧迫感（库存显示、限时优惠）→ 提升加购率；简化移动端结账步骤 → 减少流失」

以上是「止血建议」的方向指引，不是「禁止用户做其他事」。如果用户在危机期坚持要做非止血类的事，尊重用户意愿，正常执行。

---

6. 绝对不做（7 条禁令）

1. 不做没有数据支撑的"最佳实践"建议 — 每个建议必须有基准数据或案例支撑。 2. 不做"一刀切"的模板化建议 — 必须根据品类、阶段、流量结构定制。 3. 不建议同时改太多东西 — 一次测试一个变量，否则无法归因。 4. 不忽视移动端 — 2026 年 70%+ 的 DTC 流量来自移动端。 5. 不追求"完美"的转化率 — 转化率有天花板，超过一定程度要关注 AOV 和 LTV。 6. 不做虚假紧迫感 — "仅剩 2 件"如果不是真的，会严重损害信任。 7. 不过度优化短期转化而牺牲品牌 — 弹窗轰炸、过度折扣会损害长期品牌价值。

---

7. 边界处理

AFA CRO 12 模块审计清单

层级声明：本文件默认作为 internal-only 的内部审计清单使用，不得将检查点、权重、基准或改善因子整段直接粘贴给用户。

完整的 100+ 检查点审计清单，覆盖从首页到购后的全链路转化体验。

渲染规则：本文件中的数量、字数、时长、速度阈值、权重与改善因子，只能作为排查起点或说明性样例；不得写成跨品牌统一健康线、固定配方或收益承诺。

---

模块 1：产品详情页 PDP（通常高权重）

1A. 产品图片审计

1B. 产品信息与文案

1C. 价格与购买区

1D. 社会认证

1E. 信任信号

---

模块 2：结账流程（通常高权重）

---

模块 3：购物车体验（权重按品牌漏斗断点校准）

---

模块 4：产品发现与集合页（权重按入口流量与类目结构校准）

---

模块 5：首页与导航（权重按站型与导航复杂度校准）

---

模块 6：移动端购物体验（移动端占比高时通常前置）

---

模块 7：信任与社会认证（高客单或新客占比高时通常前置）

---

模块 8：追加销售与交叉销售（基础转化稳定后提高权重）

---

模块 9：购后体验（权重按复购与退款议题校准）

---

模块 10：网站速度与性能（性能波动明显时应前置）

---

模块 11：无障碍访问（权重按合规与体验要求校准）

---

模块 12：页面 SEO（权重按自然流量角色校准）

---

审计执行指南

评分计算方法

模块评分 = 按通过情况与模块权重口径计算相对完成度

每个检查点的评分：
  ✅ 通过 = 满分
  ⚠️ 部分通过 = 半分
  ❌ 未通过 = 0 分

总分 = Σ (模块评分 × 模块权重)

营收影响估算指南

严重度可对应不同的假设改善区间，但必须结合问题性质、历史实验、流量体量与执行质量估算：
  🔴 严重：通常值得优先做保守/中性/积极三档影响估算
  🟠 高：常有明确改善空间，但不预设固定提升百分比
  🟡 中：适合在资源允许时纳入后续迭代，并做保守估算
  🔵 低：通常作为锦上添花项，不写固定提升承诺

注意：改善因子不是简单叠加的。
多个修复的综合效果需要考虑相互重叠、先后顺序和边际递减，不在此固化统一折算比例。

---

此审计清单覆盖 100+ 个检查点，是 DTC 电商转化优化最全面的审计工具。每个检查点都有明确的基准和审计方法，确保审计结果的客观性和可操作性。

AFA CRO 基准数据库

层级声明：本文件默认作为 internal-only 的内部起草模板库使用，不得整段直接粘贴给用户。

如需整理为用户可见交付物，涉及负责人、承接团队、内部路由或系统字段的内容，只保留自然业务角色写法，不带内部编排说明。

渲染规则：本文件中所有 KPI、ROAS/ROI、预算配比、渠道占比、观察窗口与目标值，默认只可视为外部参考、保守起点或待验证目标，不得写成统一健康线，也不得伪装成品牌当前既成事实；当证据不足时，先输出保守可执行版，并显式标出待验证项。

DTC 电商转化率优化的完整行业基准数据，按品类、渠道、设备和阶段分层。

---

一、转化率基准

按品类

按流量来源

按设备

关键洞察：移动端流量占比最高但转化率最低，是最大的优化机会。

按品牌阶段

---

二、漏斗基准

全链路漏斗

购物车放弃率

购物车放弃原因分布

---

三、页面级基准

产品详情页 (PDP)

集合页 / 分类页

结账页

---

四、CTA 与交互基准

CTA 按钮

搜索功能

---

五、网站速度基准

Core Web Vitals

页面加载时间与转化率关系

---

六、Email/SMS 挽回基准

购物车放弃邮件

最佳发送时间

---

七、A/B 测试基准

常见测试的预期提升幅度

样本量计算参考

---

八、季节性调整因子

---

此基准数据库为 CRO 审计和优化提供客观的参考标准。所有数据基于 2024-2025 年行业报告和大规模 DTC 品牌数据汇总。实际基准应根据品牌的具体品类、阶段和市场进行调整。

CRO 核心框架

层级声明：本文件默认作为 internal-only 的内部框架参考使用，不得将段式结构、字段数量、权重、分数区间或营收影响公式整段直接粘贴给用户。

渲染规则：本文件中的张数、评价数、字段数、时间窗、权重与提升示例，只能作为排查起点、说明性样例或待验证假设；不得写成跨品牌统一健康线、固定配方或收益承诺。

1. PDP 9 段式框架

产品详情页（PDP）通常是 DTC 电商转化率最关键的页面之一。以下 9 段式框架用于确保每一段都有明确的转化使命：

段 1：首屏黄金区（Above the Fold）

产品图片区（左侧/上方）：足以支撑决策的高清产品图（多角度）、按品类需要配置产品视频（使用场景）、UGC 图片（真实用户）、图片缩放功能、适配站点性能的图片格式策略。

产品信息区（右侧/下方）：产品名称（含核心关键词）、评分摘要（以真实评价数据展示）、价格（可视需要展示原价划线与节省金额）、一句话核心卖点、变体选择（颜色/尺码/规格）、加购按钮（醒目、固定位置）、支付方式图标、配送信息（预计到达时间）。

信任微标（首屏可见）：免运费标志、退款保证标志、安全支付标志。

段 2：核心卖点区（Key Benefits）

展示足以支撑购买决策的核心卖点（图标 + 标题 + 一句话），建议采用功能 → 利益 → 情感的表达层次，并通过图标/小图/动画可视化呈现。

段 3：产品故事区（Product Story）

品牌故事/产品起源、成分/材料/工艺说明、使用前后对比、生活场景图片/视频。

段 4：社会认证区（Social Proof）

精选客户评价（带照片）、评价统计（评分分布图）、UGC 内容展示、媒体报道/KOL 推荐、"最受欢迎"/"畅销"标签。

段 5：详细规格区（Specifications）

产品规格表、尺寸指南（服饰类通常应重点配置）、成分表（美妆/保健品通常应清晰展示）、使用说明。

段 6：异议处理与风险逆转区（FAQ & Risk Reversal）

清晰的退款保证与风险逆转声明、覆盖主要购买疑虑的产品 FAQ、配送与退换 FAQ，并优先使用 objections.md 中沉淀的真实异议。

段 7：交叉销售区（Cross-Sell / Upsell）

"经常一起购买"推荐、"你可能也喜欢"推荐、Bundle 优惠展示（参考 afa-aov 的策略）。

段 8：信任保障区（Trust & Guarantees）

退款保证详情、品质承诺、客服联系方式、安全支付详情。

段 9：粘性加购栏（Sticky Add-to-Cart）

移动端底部固定加购栏、桌面端滚动后出现的固定加购栏、包含产品名 + 价格 + 加购按钮，确保任何位置都能一键加购。

---

2. CRO 增长飞轮（四阶段）

┌──────────────────────────────────────────────────┐
│                                                  │
│    ① 测量 (Measure) ──→ ② 分析 (Analyze)        │
│         ↑                        │               │
│         │                        ↓               │
│    ④ 学习 (Learn) ←── ③ 个性化测试 (Test)        │
│                                                  │
└──────────────────────────────────────────────────┘

Stage 1：测量 (Measure) — 建立完整的转化追踪体系

基础追踪（优先配置）：

• GA4 配置：增强型电商追踪、自定义事件（加购/发起结账/支付完成）、转化漏斗设置
• 热图与会话录制：产品页热图、结账流程录制、移动端 vs 桌面端分别追踪
• 微转化追踪：页面滚动深度、产品图片查看、评价查看、FAQ 展开、尺码指南查看

进阶追踪（按资源与复杂度选择）：

• 客户数据平台（CDP）：统一客户视图、行为事件流、客户分群
• 混合归因模型：GA4 数据驱动归因、首次点击 vs 最终点击对比、渠道角色识别（拉新/助攻/收割）
• 竞品监控：竞品价格追踪、竞品广告素材监控、竞品网站变化监控

Stage 2：分析 (Analyze)

宏观分析：转化漏斗分析（首页→产品页→加购→结账→支付，每步流失率，与品牌历史及相近场景参考对比）、流量质量分析（各渠道转化率对比、新客 vs 老客、设备维度）、时间维度分析（日/周/月趋势、季节性影响、促销活动效果）。

微观分析：页面级分析（跳出率/退出率/停留时间异常的页面）、用户行为分析（热图点击/滚动/注意力、会话录制回放重点看挣扎行为、表单分析哪个字段导致放弃）、微转化分析（加购率 vs 结账率的差距、产品页互动深度、搜索行为分析）。

Stage 3（个性化测试）详见 personalization-playbook.md 和 ab-testing-playbook.md。

Stage 4（学习与知识库管理）详见 ab-testing-playbook.md。

---

3. 结账流程优化 8 大原则

原则 1：极简表单

审计并尽量减少必要字段，同时标注必填与选填项、使用智能地址自动补全、手机号字段自动弹出数字键盘、信用卡号自动格式化。

原则 2：访客结账优先

默认提供访客结账选项、不强制注册、在支付成功后引导创建账户（"您的订单已确认！设置密码即可随时查看订单状态"）、社交登录作为快捷选项。

原则 3：视觉安全感

支付区域使用视觉封装（边框/背景色）、显示 SSL 安全锁标志、显示支付方式官方标志、显示退款保证标志、显示隐私保护声明。

原则 4：进度透明

显示结账步骤进度条、每一步都有明确的标题、允许返回修改（不丢失数据）、最后一步显示完整订单摘要。

原则 5：多支付方式

信用卡/借记卡、PayPal、Apple Pay / Google Pay（一键支付）、Shop Pay（Shopify 生态）、分期付款（Afterpay / Klarna / Affirm）、本地支付方式（按市场）；具体覆盖范围应按目标市场和客群偏好配置。

原则 6：配送透明

预计到达日期（尽量给出明确日期或清晰时窗）、免运费门槛提示（按当前购物车差额动态显示）、多种配送选项（标准/加急/次日达）、实时运费计算（不要在最后一步才显示）。

原则 7：购物车挽回

退出意图弹窗（限制频率）、购物车放弃邮件序列（按品牌决策节奏设置触发窗口）、购物车放弃 SMS（如果有许可）、浏览器推送通知、动态重定向广告。

原则 8：移动端专项

单列布局（避免复杂双列表单）、足够可点击的大按钮、底部固定 CTA 栏、自动弹出正确的键盘类型、减少页面跳转（优先降低移动端摩擦）。

---

4. 12 模块审计评分体系

模块权重分配

OVERALL CRO HEALTH SCORE = 各模块按品牌场景校准后的加权平均分

严重度等级

评分区间

营收影响计算器

每个发现的潜在营收影响 = 月访客 × 当前转化率 × 假设改善因子 × AOV

其中：
  月访客         = 用户提供或 Analytics 数据
  当前转化率     = 用户提供；若未知则标记数据缺口，不默认套用统一值
  假设改善因子   = 基于问题性质、历史实验与相近案例设定的保守区间
  AOV            = 用户提供的平均客单价

说明：
  该公式只用于建立影响量级的估算区间，不构成收益承诺。
  输出时应尽量用保守/中性/积极三档场景，而不是单点承诺值。

---

5. 转化率提升优先级矩阵

---

6. 品类特化建议

美妆/护肤

成分透明度通常是强信任信号、使用前后对比图往往有效、肤质匹配工具在部分品牌中可能带来明显提升、UGC 常比纯品牌图片更能建立真实感。

服饰

尺码指南通常是降低退货率的关键、模特多样性会影响转化、搭配推荐常有助于提升 AOV、AR 试穿在部分品牌中可能改善转化，但需验证成本收益。

保健品

科学背书通常是核心信任信号、订阅选项可视品牌模式在首屏突出展示、成分来源和检测报告应清晰可见、使用指南有助于降低"不知道怎么吃"的疑虑。

食品

成分表和营养信息应清晰、口味评价往往比泛化产品评价更重要、订阅与多口味组合常有助于提升 AOV、配送新鲜度保证通常是关键信任信号。

电子产品

规格对比表通常是决策关键、视频演示常比单纯图片更有效、保修和售后通常是核心信任信号、配件推荐常是 AOV 提升的重要路径。

CRO 诊断系统

层级声明：本文件默认作为 internal-only 的内部诊断系统参考使用，不得将节点阈值、权重或症状映射整段直接粘贴给用户。

渲染规则：本文件中的停留时长、滚动深度、行业均值、头部分位和模块权重，只能作为排查起点与说明性样例；不得写成跨品牌统一健康线或确定性结论。

1. 微转化漏斗完整模型

从广告展示到订单确认，每一步都是一个可诊断的微转化节点：

广告展示
  └── 广告点击（CTR）
      └── 页面加载完成（加载速度）
          └── 首屏形成有效停留（Hook Rate）
              └── 向下滚动到关键内容区域（内容吸引力）
                  └── 产品图片查看（视觉吸引力）
                      └── 评价查看（社证需求）
                          └── 变体选择（购买意图）
                              └── 加入购物车（加购率）
                                  └── 发起结账（结账率）
                                      └── 填写信息（表单完成率）
                                          └── 选择支付方式
                                              └── 完成支付（支付完成率）
                                                  └── 订单确认页

2. 微转化基准值与优化方向

3. 漏斗诊断规则

根据漏斗中的断裂点，快速定位问题根因，并给出更合适的下一步优化方向：

4. 12 模块诊断优先级

当进行全链路转化审计时，按以下权重优先诊断高影响模块：

1. 产品详情页 (PDP) — 通常属于高优先级模块 2. 结账流程 — 通常属于高优先级模块 3. 购物车体验 — 结合品牌漏斗断点决定优先级 4. 产品发现与集合页 — 结合流量结构决定优先级 5. 首页与导航 — 结合入口流量与品牌站型决定优先级 6. 移动端购物体验 — 若移动端占比高，优先级通常上升 7. 信任与社会认证 — 若高客单或新客流量占比高，优先级通常上升 8. 追加销售与交叉销售 — 在基础转化已稳定时优先级更高 9. 购后体验 — 结合复购与退款问题决定优先级 10. 网站速度与性能 — 若性能波动明显，优先级应前置 11. 无障碍访问 — 结合合规与体验要求判断 12. 页面 SEO — 结合自然流量占比与页面角色判断

每个模块的详细检查点见本模块配套的审计清单。

AFA 落地页实战手册

从策略到文案到设计，打造高转化 DTC 落地页的完整方法论。

---

一、落地页核心原则

1. 消息匹配原则 (Message Match)

广告承诺 ≡ 落地页首屏

规则：
- 广告标题的核心关键词必须出现在落地页主标题中
- 广告图片的视觉风格必须与落地页一致
- 广告承诺的利益必须在落地页首屏被兑现
- 不匹配 = 跳出率飙升 + 质量分下降 + CPC 上升

示例：
  广告："30 天让你的皮肤焕然一新"
  ✅ 落地页标题："30 天焕肤计划 — 已帮助 50,000+ 人重获自信"
  ❌ 落地页标题："欢迎来到 XX 品牌官网"（完全不匹配）

2. 单一目标原则 (One Page, One Goal)

每个落地页只有一个转化目标：
  - 直接购买（产品页/促销页）
  - 留资（Email 订阅/免费试用）
  - 预约（咨询/演示）

注意力比率 = 页面上的链接数 : 转化目标数
  理想比率 = 1:1
  可接受 = 3:1
  需要优化 = 5:1+

规则：
  - 移除主导航（或极度简化）
  - 移除侧边栏
  - 移除不相关的外链
  - 所有 CTA 指向同一个目标
  - 次要 CTA（如 Email 订阅）只在主 CTA 之后出现

3. F 型/Z 型阅读模式

桌面端：F 型阅读模式
┌──────────────────────────┐
│ ████████████████████████ │  ← 用户先水平扫读标题
│ ██████████████           │  ← 然后扫读副标题
│ █████████                │  ← 然后沿左侧垂直扫读
│ ████████████████         │
│ ██████                   │
│ ████████████████████████ │  ← 在 CTA 处停留
└──────────────────────────┘

移动端：I 型阅读模式
┌────────────┐
│ ██████████ │  ← 单列，从上到下
│ ████████   │
│ ██████████ │
│ ████████   │
│ ██████████ │
│ [  CTA  ]  │  ← 固定底部 CTA
└────────────┘

设计启示：
  - 最重要的信息放在左上角
  - 标题和副标题要占满宽度
  - 关键信息用粗体/颜色突出
  - CTA 放在视觉动线的终点

---

二、12 模块内容撰写指南

模块 1：英雄区 (Hero Section)

主标题公式：

公式 1：结果 + 时间框架 + 无风险
  "30 天内让你的皮肤焕然一新，否则全额退款"

公式 2：目标客群 + 核心利益
  "为敏感肌打造的温和护肤方案"

公式 3：数据 + 结果
  "已帮助 50,000+ 人平均节省 30% 的护肤开支"

公式 4：对比 + 差异化
  "不含硫酸盐、不含防腐剂——你的皮肤值得更好的"

公式 5：问题 + 解决方案
  "厌倦了反复过敏？试试皮肤科医生推荐的温和配方"

副标题规则：

主标题 = 情感/结果（吸引注意力）
副标题 = 具体/机制（建立可信度）

示例：
  主标题："让你的皮肤在 30 天内焕然一新"
  副标题："含 5 种经临床验证的活性成分，适合所有肤质，无刺激配方"

长度：1-2 句话，不超过 30 个字

CTA 按钮文案：

✅ 好的 CTA：
  "立即开始 30 天焕肤计划"
  "免费试用 7 天"
  "以 $39 获取完整套装"
  "加入 50,000+ 满意用户"

❌ 差的 CTA：
  "提交"
  "点击这里"
  "了解更多"
  "购买"

CTA 公式：动词 + 利益 + (紧迫感)
  "立即获取" + "30 天焕肤套装" + "限时 7 折"

信任微标：

首屏应包含 3-5 个信任微标：
  ★ 4.8/5 · 2,341 条评价
  📦 免费配送
  🔄 30 天无理由退款
  🔒 安全支付
  🏆 2024 年度最佳护肤品牌

设计：小图标 + 简短文字，一行排列
位置：CTA 按钮下方或英雄图旁边

模块 2：痛点共鸣 (Problem Agitation)

撰写步骤：

Step 1：列出目标客群的 Top 5 痛点
  来源：objections.md + 客户评价 + 社交媒体

Step 2：用客户的语言描述（不是品牌语言）
  ❌ "我们的产品解决了皮肤屏障受损的问题"
  ✅ "每次换季都过敏，脸上红一片，出门都不自信"

Step 3：加深痛感（但不过度）
  "你试过各种大牌护肤品，花了几千块，
   但皮肤还是反反复复——
   不是产品不好，是没找对方法。"

Step 4：暗示解决方案的存在
  "如果有一种方法，能在 30 天内让你的皮肤稳定下来……"

格式建议：
  - 3-5 个痛点，每个 1-2 句话
  - 可以用"你是否也有这样的困扰？"开头
  - 配合情感共鸣的图片/插图

模块 3：解决方案展示 (Solution)

核心框架：功能 → 利益 → 情感

功能：含 5% 烟酰胺
利益：修复皮肤屏障，减少泛红
情感：出门不用再遮遮掩掩，自信地面对每一天

展示方式：
  1. 产品使用场景图/视频
  2. 3 个核心卖点（图标 + 标题 + 一句话）
  3. 使用前后对比（如果有）
  4. 成分/技术亮点

差异化表达：
  不要说"我们的产品很好"
  要说"和其他产品不同，我们 [具体差异]"

模块 4：社会认证 (Social Proof)

社证类型优先级（按说服力排序）：

1. 视频评价（最强）
   - 真实客户的使用体验视频
   - 30-60 秒，真实场景

2. 带照片的文字评价（强）
   - 真实姓名 + 真实照片
   - 具体的使用结果描述
   - 包含使用时长

3. 评分摘要（中）
   - ★ 4.8/5 · 2,341 条评价
   - 评分分布图

4. 媒体报道/KOL 推荐（中）
   - "As Seen In" 媒体标志
   - KOL 引用语

5. 数据社证（基础）
   - "已服务 50,000+ 客户"
   - "月销 10,000+"

展示规则：
  - 精选 3-5 条最有说服力的评价
  - 评价要具体（有数据、有时间、有结果）
  - 负面评价的正面回应也可以展示（增加真实感）
  - 评价要覆盖不同客群（年龄/肤质/需求）

模块 5-12 快速指南

模块 5 产品详解：
  - 3 步使用流程（降低使用门槛）
  - 成分/材料说明（建立专业感）
  - 使用前后对比（如果有数据支撑）

模块 6 利益堆叠：
  - 3-5 个核心利益
  - 每个利益：图标 + 标题 + 一句话
  - 从最重要到次要排列

模块 7 异议处理：
  - 从 objections.md 提取 Top 5 疑虑
  - FAQ 格式，可折叠展开
  - 每个回答都要消除疑虑并强化价值

模块 8 价格锚定：
  - 原价 vs 现价（划线价格）
  - 价值堆叠（你得到的总价值 vs 你只需支付）
  - 套餐对比（好/更好/最好）
  - 分期付款选项

模块 9 信任保障：
  - 退款保证详情（天数 + 流程）
  - 品牌故事/创始人信
  - 认证/资质/检测报告

模块 10 最终 CTA：
  - 重申核心价值主张
  - 重申保障承诺
  - 紧迫感元素（如果真实）

模块 11 次要转化：
  - Email 订阅（提供价值交换）
  - 免费样品/试用
  - 内容下载

模块 12 页脚信任：
  - 联系方式
  - 社交媒体
  - 政策链接

---

三、文案撰写原则

DTC 落地页文案 10 大原则

1. 客户语言 > 品牌语言
   从客户评价、社交媒体、客服记录中提取真实用语

2. 利益 > 功能
   不要说"含 5% 烟酰胺"
   要说"让你的皮肤在 2 周内明显减少泛红"

3. 具体 > 模糊
   不要说"效果显著"
   要说"92% 的用户在 30 天内看到改善"

4. 短句 > 长句
   每句话不超过 20 个字
   每段不超过 3 句话

5. 主动语态 > 被动语态
   不要说"皮肤会被修复"
   要说"修复你的皮肤屏障"

6. "你" > "我们"
   不要说"我们的产品能..."
   要说"你将获得..."

7. 情感 + 理性 = 最强说服
   先打动情感，再用数据佐证

8. 一个想法一个段落
   不要在一个段落里塞多个信息

9. 视觉层级清晰
   标题 > 副标题 > 正文 > 注释
   用粗体、颜色、大小区分层级

10. 每个元素都有使命
    如果一个元素不能帮助转化，就删掉它

价值主张画布

┌─────────────────────────────────────────────┐
│              客户视角                         │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐     │
│  │ 客户任务 │  │ 客户痛点 │  │ 客户收益 │     │
│  │ (Jobs)  │  │ (Pains) │  │ (Gains) │     │
│  └─────────┘  └─────────┘  └─────────┘     │
├─────────────────────────────────────────────┤
│              产品视角                         │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐     │
│  │ 产品功能 │  │ 痛点缓解 │  │ 收益创造 │     │
│  │(Products)│  │(Pain    │  │(Gain    │     │
│  │         │  │Relievers)│ │Creators)│     │
│  └─────────┘  └─────────┘  └─────────┘     │
└─────────────────────────────────────────────┘

使用方法：
1. 先填客户视角（从 audience.md + objections.md）
2. 再填产品视角（从 products.md）
3. 画连线：哪些产品功能解决哪些客户痛点
4. 连线最多的 = 核心价值主张
5. 用于撰写主标题和核心卖点

---

四、按流量来源定制落地页

付费广告流量

Facebook/Instagram 广告 → 落地页：
  - 视觉优先（与广告素材风格一致）
  - 情感驱动（社交媒体用户是被打断的）
  - 社证优先（UGC 风格的评价）
  - 移动端优先（90%+ 是移动端流量）
  - 短文案（注意力短暂）

Google 搜索广告 → 落地页：
  - 信息优先（搜索用户有明确需求）
  - 关键词匹配（标题含搜索词）
  - 对比/规格详细（搜索用户在比较）
  - 信任信号强（搜索用户更理性）
  - 可以更长（搜索用户愿意阅读）

TikTok 广告 → 落地页：
  - 视频优先（与 TikTok 体验一致）
  - 年轻化语言和设计
  - UGC 风格的社证
  - 极简结账（冲动购买窗口短）
  - 移动端极致优化

SEO 有机流量

SEO 流量 → 落地页：
  - 内容丰富（SEO 需要深度内容）
  - 结构化数据（Product Schema）
  - 内部链接（引导到相关产品）
  - 评价 Schema（搜索结果显示星级）
  - 长尾关键词覆盖

Email 流量

Email 流量 → 落地页：
  - 个性化（称呼、推荐基于历史）
  - 与邮件内容一致
  - 可以更直接（已有品牌认知）
  - 专属优惠码自动填充
  - 简化结账（已有账户信息）

---

五、A/B 测试优先级

落地页 A/B 测试路线图

第 1 轮（最高影响）：
  1. 主标题（不同的价值主张角度）
  2. 英雄图（产品图 vs 生活场景图 vs 视频）
  3. CTA 按钮（文案 + 颜色 + 位置）

第 2 轮（高影响）：
  4. 社证展示方式（评价 vs 数据 vs 媒体）
  5. 价格展示方式（单价 vs 套装 vs 订阅）
  6. 页面长度（短版 vs 长版）

第 3 轮（中影响）：
  7. 痛点描述角度
  8. 异议处理顺序
  9. 信任保障展示方式

每次只测试一个变量。
最短运行 2 个完整业务周期。
最小样本量：每个变体 1,000 访客。
统计显著性要求：p < 0.05。

---

此手册是 DTC 落地页设计和文案撰写的完整方法论。从策略到执行，从文案到设计，每一步都有明确的框架和实战指南。

AFA AI 个性化实战手册

从基于规则的简单个性化到 AI 驱动的 1:1 实时个性化，完整的 DTC 个性化升级路径。

---

一、个性化成熟度模型

Level 0：无个性化（大多数 DTC 品牌）
├── 所有用户看到相同的页面
├── 相同的产品排序
├── 相同的推荐
└── 相同的优惠

Level 1：基于规则的个性化（入门）
├── 新客 vs 老客展示不同内容
├── 流量来源定制落地页
├── 地理位置定制（货币/配送/语言）
├── 设备类型适配
└── 实施难度：低 | 预期提升：5-15%

Level 2：基于分群的个性化（进阶）
├── RFM 分群定制推荐
├── 浏览历史定制产品排序
├── 购买历史定制交叉销售
├── 价格敏感度分群定制优惠
├── 生命周期阶段定制沟通
└── 实施难度：中 | 预期提升：15-30%

Level 3：AI 驱动的 1:1 个性化（高级）
├── AI 推荐引擎（协同过滤 + 内容过滤）
├── 动态优惠编排（基于行为与阶段触发，但保持同品同价）
├── 个性化搜索结果排序
├── 预测性客群（高 LTV 潜力/高流失风险）
├── 实时行为触发
└── 实施难度：高 | 预期提升：30-50%

Level 4：全渠道智能个性化（极致）
├── 跨渠道统一体验（Web + Email + SMS + 广告）
├── 实时意图预测
├── 动态内容生成（AI 文案/图片）
├── 预测性库存/配送优化
└── 实施难度：极高 | 预期提升：50%+

---

二、Level 1 实施指南

新客 vs 老客

新客（首次访问）：
├── 首屏展示品牌故事 + 价值主张
├── 强化信任信号（评价、媒体、保证）
├── 首单优惠弹窗（"首单 9 折，输入邮箱领取"）
├── 详细的 FAQ / 异议处理
└── 社证优先展示

老客（有购买历史）：
├── 首屏展示个性化推荐（基于购买历史）
├── "欢迎回来"问候
├── 忠诚度积分/等级展示
├── 快速复购入口
├── 新品推荐
└── 减少信任信号（已建立信任）

实施方式：
  Shopify：使用 customer.orders_count 判断
  通用：Cookie/LocalStorage 记录访问次数

流量来源定制

Facebook/Instagram 广告流量：
├── 落地页与广告素材视觉一致
├── 广告中的 Offer 在首屏重复
├── 社证优先（UGC 风格）
├── 移动端极致优化
└── 简化结账（冲动购买窗口短）

Google 搜索广告流量：
├── 标题包含搜索关键词
├── 详细的产品信息和规格
├── 对比表格（搜索用户在比较）
├── 信任信号强化
└── 可以更长的页面

Email 流量：
├── 个性化称呼
├── 与邮件内容一致的落地页
├── 专属优惠码自动填充
├── 简化结账（已有账户信息）
└── 基于邮件分群的产品推荐

直接流量：
├── 品牌忠诚用户，展示新品/促销
├── 快速导航到热门品类
├── 忠诚度计划入口
└── 个性化推荐

地理位置定制

自动检测并适配：
├── 货币（USD/EUR/GBP/CAD/AUD）
├── 配送信息（预计到达时间、运费）
├── 语言（如果多语言）
├── 本地支付方式（如欧洲的 iDEAL、Bancontact）
├── 税费展示方式（含税/不含税）
└── 本地化社证（本地客户评价优先）

实施方式：
  Shopify Markets：内置多市场支持
  通用：GeoIP 检测 + 动态内容

---

三、Level 2 实施指南

RFM 分群策略

RFM 分群定义：
  R (Recency)：最近一次购买距今天数
  F (Frequency)：购买次数
  M (Monetary)：总消费金额

分群 → 个性化策略：

冠军客户（R↑ F↑ M↑）：
├── VIP 专属优惠
├── 新品优先体验
├── 推荐计划激励
├── 高端产品推荐
└── 个性化感谢信

忠诚客户（F↑ M↑）：
├── 忠诚度积分加倍
├── Bundle 推荐
├── 订阅升级建议
└── 交叉品类推荐

潜力客户（R↑ M↑ F↓）：
├── 复购激励
├── 相关产品推荐
├── 使用指南/教程
└── 评价邀请

新客户（R↑ F↓ M↓）：
├── 欢迎序列
├── 品牌故事
├── 畅销品推荐
├── 首单后续关怀
└── 使用指南

流失风险（R↓）：
├── 挽回优惠
├── "我们想念你"邮件
├── 新品/改进通知
├── 调查问卷（为什么离开）
└── 限时专属折扣

已流失（R↓↓）：
├── 大幅度挽回优惠
├── 产品更新通知
├── 最后一次尝试邮件
└── 如果无响应，降低沟通频率

浏览行为个性化

基于浏览历史的产品排序：
├── 最近浏览的品类优先展示
├── 浏览过但未购买的产品提醒
├── 相似产品推荐
└── 互补产品推荐

基于搜索行为的优化：
├── 搜索历史自动补全
├── 搜索结果按相关度 + 个人偏好排序
├── "最近搜索"快捷入口
└── 搜索零结果时的个性化推荐

基于互动深度的内容适配：
├── 深度浏览用户（滚动 > 70%）→ 详细内容
├── 快速浏览用户（滚动 < 30%）→ 精简内容
├── 评价查看者 → 强化社证
├── 价格比较者 → 强化价值/优惠
└── FAQ 查看者 → 主动异议处理

---

四、Level 3 实施指南

AI 推荐引擎

推荐算法类型：

1. 协同过滤（Collaborative Filtering）
   原理："买了 A 的人也买了 B"
   适用：有足够购买数据时
   优势：能发现意外的关联
   局限：冷启动问题（新产品/新用户）

2. 内容过滤（Content-Based Filtering）
   原理：基于产品属性的相似度
   适用：产品属性丰富时
   优势：无冷启动问题
   局限：推荐缺乏多样性

3. 混合推荐（Hybrid）
   原理：结合协同过滤 + 内容过滤
   适用：大多数 DTC 品牌
   优势：平衡准确性和多样性
   实施：权重可调（新品牌偏内容，成熟品牌偏协同）

推荐场景：
├── 产品页："你可能也喜欢"
├── 购物车："经常一起购买"
├── 首页："为你推荐"
├── 搜索结果：个性化排序
├── 404 页面：热门推荐
├── Email：个性化产品推荐
└── 退出弹窗：基于浏览历史的推荐

实时行为触发

触发规则引擎：

规则 1：犹豫检测
  触发条件：用户在产品页停留 > 60 秒 + 未加购
  动作：展示社证弹窗（"XX 人正在浏览此商品"）
  推算依据：加购率提升 5-10%

规则 2：价格敏感检测
  触发条件：用户反复查看价格 + 浏览优惠页面
  动作：展示分期付款选项 / 小额优惠
  推算依据：转化率提升 3-8%

规则 3：退出意图检测
  触发条件：鼠标移向浏览器关闭按钮（桌面）/ 快速向上滚动（移动）
  动作：展示限时优惠 / 免运费 / Email 订阅
  推算依据：挽回 5-15% 的流失用户
  限制：每个用户每次访问最多触发 1 次

规则 4：复购时机检测
  触发条件：距离上次购买 = 产品平均消耗周期
  动作：发送复购提醒（Email/SMS）
  推算依据：复购率提升 10-20%

规则 5：高价值用户检测
  触发条件：用户 LTV 预测值 > 平均值 2 倍
  动作：展示高端产品 / VIP 优惠 / 专属服务
  推算依据：AOV 提升 15-25%

预测性客群

AI 预测模型：

1. LTV 预测
   输入：首单金额、品类、渠道、设备、地理位置
   输出：预测 12 个月 LTV
   应用：高 LTV 预测用户 → 更高的获客预算

2. 流失预测
   输入：购买频率变化、邮件互动下降、网站访问减少
   输出：30 天内流失概率
   应用：高流失风险 → 主动挽回

3. 转化概率预测
   输入：浏览行为、互动深度、流量来源
   输出：本次访问转化概率
   应用：高概率 → 减少干扰；低概率 → 增加激励

4. 品类偏好预测
   输入：浏览历史、购买历史、搜索历史
   输出：下一个最可能购买的品类
   应用：个性化推荐和邮件内容

---

五、个性化与隐私的平衡

原则：
1. 透明：告诉用户你收集了什么数据、如何使用
2. 控制：让用户可以选择退出个性化
3. 价值：个性化必须为用户创造价值，不仅是为品牌
4. 数据隐私：必须根据目标市场的适用法律与平台政策落实数据收集、同意、存储和使用要求；如缺少法务结论，应默认按更严格基线执行。

实施：
├── 对受监管市场默认启用合规的 Cookie / Tracking 同意机制，并保留同意记录
├── 隐私政策中说明数据使用
├── 提供"不个性化"选项
├── 不使用个性化做价格歧视；同一产品对同一市场内的用户应维持一致标价，个性化只能体现在权益、推荐顺序、内容或公开可解释的优惠机制上
├── 第一方数据优先（减少对第三方 Cookie 的依赖）
└── 定期审计数据收集和使用

不要做的事：
❌ 不要让用户感觉被"监视"
❌ 不要展示过于精准的定向（"我们知道你昨天搜索了 XX"）
❌ 不要对同一产品因用户画像、设备、来源或预测价值不同而展示不同标价
❌ 不要在用户选择退出后继续个性化

---

六、DTC 个性化技术栈推荐

按品牌阶段

冷启动期（< $10K/月）：
├── Shopify 内置功能
├── 手动分群 + Klaviyo 个性化邮件
├── Google Optimize（免费 A/B 测试）
└── 预算：$0-$100/月

成长期（$10K-$100K/月）：
├── Klaviyo 高级分群 + 个性化
├── Rebuy / Bold 推荐引擎
├── Hotjar 行为分析
├── VWO / Optimizely A/B 测试
└── 预算：$200-$500/月

扩张期（$100K-$1M/月）：
├── Nosto / Dynamic Yield 个性化平台
├── Segment CDP
├── 高级 A/B 测试平台
├── 自定义推荐算法
└── 预算：$1,000-$5,000/月

成熟期（> $1M/月）：
├── 企业级 CDP（Segment / mParticle）
├── AI 个性化平台（Dynamic Yield / Bloomreach）
├── 自建推荐引擎
├── 全渠道编排平台
└── 预算：$5,000+/月

---

此手册是 DTC 电商个性化的完整升级路径。从最简单的规则个性化到最先进的 AI 驱动个性化，每个阶段都有明确的实施指南和预期效果。核心原则：个性化的目标是为用户创造更好的购物体验，而不仅仅是提高转化率。

报告模板

本文件为转化率优化模块的内部参考文件，用于输出审计报告、优化方案和实验计划模板。

层级声明：本文件作为 internal-only 的内部起草模板库使用，不得整段直接粘贴给用户。

如需整理为用户可见交付物，必须删除内部路由标签、模块代号和系统字段，只保留自然语言、业务角色与行动建议。

渲染规则：本文件中的 KPI、样本量、窗口期、提升幅度、优先级权重与预估结果，只可作为参考区间、保守起点或待验证假设；不得写成统一健康线、既成事实或对品牌结果的确定性承诺。

---

模板 1：全链路 CRO 审计报告

# CRO 审计报告

**品牌**：{brand_name}
**网站**：{url}
**审计日期**：{date}
**平台**：{platform}
**月均访客**：{monthly_visitors}
**当前转化率**：{current_cr}
**AOV**：${aov}
**月均营收**：${monthly_revenue}

---

## 执行摘要

**CRO 状态概览**

{score_emoji} {score_description}

**关键发现**：
1. {finding_1} → 推算依据：{reasoning_1}
2. {finding_2} → 推算依据：{reasoning_2}
3. {finding_3} → 推算依据：{reasoning_3}

**数据基础**：[说明本报告基于哪些数据源]

---

## 模块评分总览

| 模块 | 参考权重口径 | 状态 | 关键发现 |
|:---|:---|:---:|:---|
| 产品详情页 | 通常属于高权重模块 | {emoji} | {finding} |
| 结账流程 | 通常属于高权重模块 | {emoji} | {finding} |
| 购物车体验 | 结合品牌漏斗断点校准 | {emoji} | {finding} |
| 产品发现 | 结合入口流量与类目结构校准 | {emoji} | {finding} |
| 首页与导航 | 结合站型与导航复杂度校准 | {emoji} | {finding} |
| 移动端体验 | 若移动端占比高，权重通常上升 | {emoji} | {finding} |
| 信任与社证 | 若高客单或新客占比高，权重通常上升 | {emoji} | {finding} |
| 追加销售 | 在基础转化稳定后提高关注度 | {emoji} | {finding} |
| 购后体验 | 结合复购与退款问题校准 | {emoji} | {finding} |
| 网站速度 | 若性能波动明显，应前置处理 | {emoji} | {finding} |
| 无障碍 | 结合合规与体验要求校准 | {emoji} | {finding} |
| 页面 SEO | 结合自然流量角色校准 | {emoji} | {finding} |

---

## 详细发现（按营收影响排序）

### 🔴 严重 — 优先修复

#### 发现 #{n}：{title}
- **建议承接方向**：{owner_or_direction}
- **严重度**：🔴 严重
- **月度营收影响**：${impact}
- **问题描述**：{description}
- **数据支撑**：{data_evidence}
- **修复方案**：
  {detailed_fix}
- **平台实施**：
  - Shopify：{shopify_fix}
  - WooCommerce：{woo_fix}
  - 通用：{general_fix}
- **推算依据**：{reasoning_chain}
- **假设声明**：{assumptions}

---

### 🟠 高 — 近期优先修复
{repeat_format}

### 🟡 中 — 中期排期修复
{repeat_format}

### 🔵 低 — 有空时处理
{repeat_format}

---

## 行动计划

### 优先行动（当前周期）

| # | 行动 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 1 | {action} | {score} | [{budget}] [{time}] | {reasoning} | {owner_or_direction} |

### 短期行动（本月）

| # | 行动 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 1 | {action} | {score} | [{budget}] [{time}] | {reasoning} | {owner_or_direction} |

### 中期行动（本季度）

| # | 行动 | ICE | 成本标签 | 推算依据 | 建议承接方向 |
|:---:|:---|:---:|:---|:---|:---:|
| 1 | {action} | {score} | [{budget}] [{time}] | {reasoning} | {owner_or_direction} |

### 假设声明
以上行动方案基于以下假设：
- [假设 1]
- [假设 2]

---

## A/B 测试建议

| 优先级 | 测试假设 | 主要指标 | 推算依据 | 所需样本 |
|:---:|:---|:---|:---|:---:|
| 1 | {hypothesis} | {metric} | {reasoning} | {sample} |

---

## 下一步建议

1. **优先处理**：{immediate_action}
2. **当前周期推进**：{this_week_action}
3. **后续排期推进**：{this_month_action}
4. **持续观察与迭代**：{ongoing_action}

---

## 附录

### A. 行业基准对比
{benchmark_comparison}

### B. 竞品对比（如提供）
{competitor_comparison}

### C. 技术审计详情
{technical_details}

---

模板 2：落地页架构文档

# 落地页架构文档

**品牌**：{brand_name}
**产品**：{product_name}
**目标**：{conversion_goal}
**流量来源**：{traffic_source}
**目标客群**：{target_audience}

---

## 页面策略

**核心价值主张**：{value_proposition}
**主要异议**：{top_objections}
**差异化定位**：{differentiation}

---

## 12 模块内容规划

### 模块 1：英雄区

**主标题**：{headline}
**副标题**：{subheadline}
**英雄图/视频**：{hero_visual_description}
**CTA**：{cta_text}
**信任微标**：
  - {trust_badge_1}
  - {trust_badge_2}
  - {trust_badge_3}

### 模块 2：痛点共鸣

**痛点 1**：{pain_point_1}
**痛点 2**：{pain_point_2}
**痛点 3**：{pain_point_3}

{repeat_for_all_12_modules}

---

## 文案初稿

{full_copy_for_each_module}

---

## 设计建议

**配色**：{color_scheme}
**字体**：{typography}
**布局**：{layout_notes}
**移动端适配**：{mobile_notes}

---

## A/B 测试计划

| 优先级 | 测试元素 | 变体 A | 变体 B | 主要指标 |
|:---:|:---|:---|:---|:---|
| 1 | {element} | {variant_a} | {variant_b} | {metric} |

---

模板 3：A/B 测试计划

# A/B 测试计划

**测试名称**：{test_name}
**测试页面**：{page_url}
**测试日期**：{start_date} - {end_date}
**负责人**：{owner}

---

## 假设

**如果**我们 {change}，
**那么** {metric} 将会 {direction} {expected_lift}%，
**因为** {reasoning}。

---

## 测试设计

**测试类型**：A/B / A/B/C / 多变量
**流量分配**：{split}（如 50/50）
**最小样本量**：按当前流量、基准转化率与可接受误差计算的 {sample_size}
**最短运行时间**：{min_duration}（需结合流量稳定性与业务周期校准）
**统计显著性要求**：采用与当前测试设计相匹配的判定方法，并明确所用口径

### 变体 A（对照组）
{description_of_control}

### 变体 B（测试组）
{description_of_treatment}

---

## 指标

**主要指标**：{primary_metric}
**次要指标**：
  - {secondary_metric_1}
  - {secondary_metric_2}

**护栏指标**（不应恶化的指标）：
  - {guardrail_metric_1}
  - {guardrail_metric_2}

---

## 结果记录

**胜出变体**：{winner}
**主要指标提升**：{lift}%（p = {p_value}）
**次要指标变化**：{secondary_changes}
**定性洞察**：{qualitative_insights}

---

## 结论与下一步

**结论**：{conclusion}
**可推广的洞察**：{generalizable_insight}
**下一步测试**：{next_test}
**更新 learnings.jsonl**：{learning_to_record}

---

模板 4：PDP 优化方案

# PDP 优化方案

**产品**：{product_name}
**产品页 URL**：{pdp_url}
**当前加购率**：{current_atc_rate}
**目标加购率**：{target_atc_rate}

---

## 当前状态评估

### 首屏黄金区
- 产品图片：{current_images_assessment}
- 产品信息：{current_info_assessment}
- CTA：{current_cta_assessment}
- 信任信号：{current_trust_assessment}

### 各段评估
{assessment_for_each_section}

---

## 优化方案

### 段 1：首屏黄金区优化
{detailed_optimization_plan}

### 段 2-9 优化
{repeat_for_each_section}

---

## 实施优先级

| # | 优化项 | 预期提升 | 难度 | 时间 |
|:---:|:---|:---:|:---:|:---:|
| 1 | {item} | {lift}% | 低/中/高 | {time} |

---

## A/B 测试建议

{test_suggestions}

---

模板 5：月度 CRO 复盘报告

# 月度 CRO 复盘报告

**月份**：{month}
**品牌**：{brand_name}

---

## 关键指标趋势

| 指标 | 上月 | 本月 | 变化 | 目标 | 状态 |
|:---|:---:|:---:|:---:|:---:|:---:|
| 转化率 | {prev}% | {curr}% | {change} | {target}% | {status} |
| AOV | ${prev} | ${curr} | {change} | ${target} | {status} |
| 加购率 | {prev}% | {curr}% | {change} | {target}% | {status} |
| 购物车放弃率 | {prev}% | {curr}% | {change} | {target}% | {status} |
| 营收 | ${prev} | ${curr} | {change} | ${target} | {status} |

---

## 本月实验总结

| 实验 | 假设 | 结果 | 提升 | 状态 |
|:---|:---|:---|:---:|:---:|
| {test_name} | {hypothesis} | {result} | {lift}% | ✅/❌ |

---

## 关键洞察

1. {insight_1}
2. {insight_2}
3. {insight_3}

---

## 下月计划

| 优先级 | 行动 | 推算依据 | 负责人 |
|:---:|:---|:---|:---:|
| 1 | {action} | {impact} | {owner} |

---

## 更新 learnings.jsonl

{new_learnings_to_record}

---

此模板库提供 CRO 工作中常见的内部起草模板。其数值、阈值和结构仅用于帮助形成专业判断与行动顺序，正式用户交付前必须结合真实数据、阶段和证据强度重新渲染。

CRO 工作模式、KPI 与淡季策略

本文件为转化优化模块的内部参考文件，用于沉淀本模块的工作模式、KPI 体系与输出模板。

层级声明：本文件默认作为 internal-only 的内部起草模板库使用，不得整段直接粘贴给用户。

如需整理为用户可见交付物，必须删除内部路由标签、模块代号和系统字段，只保留自然语言、业务角色与行动建议。

渲染规则：本文件中的 ICE 分值、提升幅度、时间窗、行业平均、实验节奏、ROI 倍数和任何绿色/达标判断，默认只可作为参考区间、保守起点或待验证计划；不得写成统一健康线、固定配方或对品牌结果的确定性承诺。

1. ICE 优先级排序框架（CRO 专属）

所有 CRO 优化建议必须通过 ICE 评分排序后输出：

CRO 专属评分指南

ICE 总分 = Impact × Confidence × Ease / 10，按总分降序排列输出。

---

2. 六大工作模式

模式一：全链路转化审计

触发条件：用户要求审计网站转化率、CRO 审计、转化诊断。

输入要求：必须提供网站 URL、月均独立访客数（估算即可）、平均客单价（AOV）、当前转化率（如果知道）、电商平台。如果有更好：GA/Shopify Analytics 数据、购物车放弃率、3-5 个热销产品 URL、移动端 vs 桌面端流量占比、竞品网站 URL。

执行流程：Step 1 数据收集与基线建立（收集数据 → 标记缺失字段 → 用现有用户数据建立保守基线；行业基准仅作外部对照，不补成用户数据 → 计算营收影响区间）→ Step 2 12 模块系统审计（按权重从高到低依次审计 → 每模块评分 0-100 → 每个发现标注严重度+营收影响，参考 audit-checklist.md）→ Step 3 CRO 健康评分计算（加权计算总分 → 与行业基准对比 → 识别最大转化漏损点，并显式说明哪些判断受缺失数据影响）→ Step 4 行动方案输出（按 ICE 评分排序 → 分为立即/本周/本月/本季度 → 每个行动附带预期营收提升区间或条件说明，参考 report-templates.md）。

模式二：落地页架构设计

触发条件：用户要求设计/优化落地页、Landing Page。

执行流程：Step 1 需求理解（读取 Brand Brain → 确认落地页目标/流量来源/目标客群）→ Step 2 12 模块内容规划（为每个模块规划具体内容 → 根据产品类型调整模块顺序和权重 → 确保 objections.md 中的每个疑虑都被处理，参考 landing-page-playbook.md）→ Step 3 文案撰写（主标题价值主张公式：结果+时间+无风险 → 正文客户语言 > 品牌语言 → CTA 动词+利益）→ Step 4 优化建议（移动端适配 → 加载速度 → A/B 测试优先级）。

模式三：PDP 深度优化

触发条件：用户要求优化产品详情页、PDP 优化。

执行流程：按 core-frameworks.md 中的 PDP 9 段式框架逐段审计和优化。每一段都有明确的转化使命，从首屏黄金区到粘性加购栏。

模式四：CRO 增长飞轮

触发条件：用户要求建立持续的转化优化体系、CRO 流程。

执行流程：按 core-frameworks.md 中的四阶段飞轮（测量→分析→个性化测试→学习）执行。个性化层级参考 personalization-playbook.md，A/B 测试方法参考 ab-testing-playbook.md。

模式五：结账流程优化

触发条件：用户要求优化结账流程、降低购物车放弃率。

执行流程：按 core-frameworks.md 中的结账优化 8 大原则逐项审计和优化。

模式六：微转化漏斗分析

触发条件：用户要求分析转化漏斗细节、微转化优化。

执行流程：按 diagnostic-system.md 中的微转化漏斗模型，逐节点分析流失率，与基准值对比，按诊断规则定位问题根因。

---

3. 核心 KPI 体系

低信息执行补充规则

当缺少 CVR、AOV、流量、结账完成率等关键字段时，CRO 模块可以输出保守方向判断、数据缺口清单、需补采的关键事件与漏斗节点；行业平均值只允许作为外部对照，不得伪装成该品牌当前基线，也不得在缺失关键字段时直接推导精确增量营收。

3.1 核心转化指标

3.2 用户体验指标

3.3 实验体系指标

3.4 营收影响指标

---

4. 淡季 CRO 策略

激活条件：当 Hub 传入 seasonal_mode = off_season 时自动激活。淡季是低风险优化转化体验的最佳窗口——流量低意味着测试失败的代价最小。

4.1 淡季 CRO 核心理念

淡季的 CRO 目标不是"提升当下的转化率"（流量本身就少），而是为旺季打造最优的转化基础设施。

三大方向： 1. 修复（Fix）：修复已知的 UX 摩擦点。88% 的用户不会回到 UX 差的网站，淡季流量低 = 修复过程中影响的用户最少。 2. 测试（Test）：低风险测试新的转化策略。淡季 A/B 测试的机会成本最低，即使测试失败影响的订单量也最少。 3. 建设（Build）：为旺季搭建转化基础设施。新的落地页模板、产品页布局、结账流程，旺季来临时直接启用。

4.2 淡季 UX 修复清单

4.3 淡季网站定位转变

核心洞察：淡季的网站应从"购买工具"转变为"规划工具"。用户在淡季可能不会立即购买，但会研究、比较、收藏。

1. 内容导向（而非促销导向）：增加教育内容（使用指南、搭配建议、品类知识）、增加互动工具（产品推荐测验、尺码指南、对比工具）。目标：让用户在不购买的情况下也能获得价值。

2. 列表建设优先：淡季 CTA 从"立即购买"调整为"加入等候名单""获取新品通知"、弹窗策略从折扣码改为"新品抢先看"。目标：将淡季流量转化为邮件订阅者。

3. 游戏化和互动：游戏化转盘、积分系统、抽奖和互动测验等元素可能改善转化、加购和 AOV，但提升幅度必须以真实测试验证。淡季适合在低风险条件下验证这些元素。

4. 预售和等候名单：为旺季新品设置预售页面、收集用户偏好数据（颜色/尺码/款式）、锁定淡季收入 + 为旺季备货提供数据支撑。

4.4 淡季热力图分析

使用 Microsoft Clarity / PostHog / Hotjar 进行淡季用户行为分析：

淡季 vs 旺季行为差异：淡季用户更多"浏览型"行为（滚动深度更深、停留时间更长），旺季用户更多"购买型"行为（直奔产品页、快速结账）。因此淡季优化应聚焦浏览体验，旺季优化应聚焦购买路径。

淡季重点关注：哪些页面的跳出率异常高（修复优先）、用户在哪里"卡住"了（录屏回放分析）、搜索栏使用率和零结果率、移动端 vs 桌面端的行为差异。

淡季 A/B 测试优先级：优先测试高流量页面（首页、集合页、核心 PDP），每次尽量控制变量数量；淡季样本量较小时，测试周期通常需要拉长，并记录所有测试结果到 Brand Brain。