在数据分析中我们经常会使用各种类型的转化率分析，在游戏数据分析中，我们对于转化率的使用更为频繁，比如渠道分析，玩家购买流程转化率等等。在实际使用过程中，总结出来了四种转化率的形式，这里简单说说

　　所谓回炉型转化率指的是在转化的第一步到第二步的转化过程中就出现了较大的障碍，从第一步到第二步，转化率变化比较大，这种转化率形式的出现，就需要回炉进行问题分析和处理，这种类似的转化率比如在渠道用户推广时可以作为一个渠道用户质量把控的分析方法，同时，也是检测游戏本身在新用户导入时的新手引导等功能的检测。

　　如上图所示，整体来看，不同步骤之间的转化率的变化是比较缓慢的，并没有出现某一个步骤的大幅下滑，且整体的转化率趋势保持的还是相对平稳的，此种就是常规型的转化率。一般来说达到这种类型的标准就很不错了。由于转化率的这种模型结构在很多地方都能用到，所以这里不具体举例子来说明这个问题。

　　所谓优质型转化率就是在常规型转化率的基础上表现的更好一点，只是在几步之间的转化损失更小一点，即下降速度更加缓慢，在很多涉及到转化率的分析上，这种类型的转化率属于优质型的转化率。但是一般而言是达不到的。

　　如上图所示，所谓问题型转化率，往往问题都是出现的比较怪异的，一般而言，都是前几步转化率都比较理想，但是这其中后续的某一步出现了问题，这种落差都会比较明显，在转化率表现上，就是突然某一步的转化率下滑较大，这种形式的转化率一般会出现在购买流程转化率分析，某一个事件的转化过程中也会出现这种下滑。

　　这样的转化率问题定位其实比较快速和直接，能够马上进行修补，不同于回炉型的转化率，这种转化效果只是需要针对某一步进行优化就可以了，而不是全局性的优化。

　　以上就是四种转化率模型，这里只是简单的描述了一下，如果要深刻理解，还需要进行具体的数据分析和实践才能搞定这件事。