当应用付费墙转化率低时，如何诊断并优化付费墙设计与A/B测试

诊断订阅应用付费墙漏斗瓶颈，通过7要素审计、布局策略和单变量A/B测试提升试用启动与付费转化。

适用场景

解决思路

1. 先读取 app-marketing-context.md 获取应用、受众和价格点背景；询问 App ID 和付费墙框架（RevenueCat / Superwall / Adapty / native）；获取最近30天的付费墙浏览→试用启动率和试用→付费率；获取当前付费墙截图（如有变体则2-3张）；获取套餐结构（月/年/终身/周）和价格点。若已连接 RevenueCat 则先拉取订阅指标，若有 asc-metrics 则交叉核对试用数。
2. 在改动前先跑付费墙转化漏斗诊断：应用打开→付费墙浏览（健康60-95%，<50%说明付费墙被埋没）；付费墙浏览→CTA点击（健康25-45%，<15%说明文案/offer弱）；CTA点击→购买确认（健康70-90%，<50%说明StoreKit摩擦或价格冲击）；试用启动→付费转化（健康25-60%，<15%说明受众或价格错误）。找出最弱环节，只针对该环节优化。
3. 对当前付费墙做7要素审计并各打1-5分：1) 标题是否陈述结果而非功能（如"Unlock unlimited workouts"优于"Pro Plan"）；2) 价值点最多3-5条、以利益为导向、3秒内可扫读；3) 社会证明（评分、评论数、用户数或具名推荐）必须首屏可见；4) 套餐选择器默认选中年度、显示节省百分比、月度标注"billed monthly"、仅当品类惯例才用周付；5) 价格锚定：年度显示月均等价（"$3.33/mo, billed annually"）加总价（"$39.99/yr"）；6) 信任元素："Cancel anytime"、"No charge until X date"、可见的恢复购买按钮；7) CTA：单一主操作、动作动词（"Start free trial"）、高对比色。≤2分是快速改进项，3分是A/B测试候选。
4. 根据场景选择付费墙布局：硬付费墙（引导后、进应用前）适合高意图安装和高LTV应用，但会拉低D1留存，需商店页强创意；软付费墙（价值时刻后）适合多数消费应用，但试用启动率较低；功能门控（点击高级功能时弹付费墙）适合工具/生产力类，但转化量低；时间/使用量门控（免费N天/次后弹付费墙）适合习惯养成类，但门槛难调；多付费墙（不同位置+设计）适合有 Superwall/RevenueCat 定向的成熟应用，但工程复杂。若无数据，默认推荐"首次价值时刻后的软付费墙"。
5. 测试价格展示模式：年度默认+节省百分比（"Save 67%"）适合多数应用，锚定高价并提升LTV；免费试用CTA为主、套餐为辅适合试用导向产品；单套餐单价格适合简单工具，减少选择瘫痪；三层（Basic/Pro/Pro+）适合有功能差异的应用，中间层作锚；终身版作诱饵，把订阅重构为"便宜选项"；本地化货币+价格，非美国市场必需（Apple自动处理货币但展示文案需匹配）。
6. A/B测试一次只测一个元素。按基线转化率确定最小样本量：基线5%需每变体约6000用户以检测约10%提升；基线15%需约2000；基线30%需约1000。测试优先级顺序（每周期上线一个）：1) 标题文案（杠杆最高）；2) 试用offer（3天 vs 7天 vs 无试用）；3) 套餐默认（预选年度 vs 月度）；4) CTA文案（"Start free trial" vs "Try free for 7 days" vs "Continue"）；5) 社会证明元素（评分 vs 用户数 vs 推荐语）；6) 视觉风格（简洁 vs 大胆 vs 照片背景）；7) 套餐数量（1 vs 2 vs 3）。工具：Superwall（无需发版的付费墙测试，推荐）、RevenueCat Experiments、Adapty A/B、通过远程配置的原生方案（如 Firebase Remote Config + 自研逻辑）。
7. 按输出模板交付诊断：付费墙诊断——应用名；漏斗各环节百分比并标出最弱环节；7要素审计各打分并附注；本周可上线的快速改进项；接下来2个周期的A/B测试（元素、假设、变体）；预期提升（试用启动+X%、试用→付费+Y%）。
8. 避免常见错误：一次测5个东西导致结果无效；只优化试用启动而忽略试用→付费（应转交 subscription-lifecycle）；样本量不足就在 p=0.05 时终止测试（低流量应用易假阳性）；在用户预期年付的品类显示周付价格（心算困扰）；没有恢复购买按钮（必被Apple拒审）；隐藏"cancel anytime"（会降低试用犹豫者的转化）。
9. 跨技能交接：试用→付费是瓶颈转 subscription-lifecycle；定价模型本身错误（订阅 vs IAP vs 一次性）转 monetization-strategy；付费墙在引导中触发过早/过晚转 onboarding-optimization；想A/B测试驱动付费墙流量的App Store页面转 ab-test-store-listing。

适用边界 · 注意事项

• 试用→付费转化是瓶颈时，不要重新设计整个付费墙，应转交 subscription-lifecycle 处理
• 定价模型本身错误（订阅 vs IAP vs 一次性）时，应先转交 monetization-strategy，而非优化付费墙
• 付费墙在引导流程中触发时机不当（过早/过晚）时，应转交 onboarding-optimization