01 什么是漏斗分析

漏斗分析是一套流程式的數據分析方法，能夠科學地反映各階段用戶轉化情況。

漏斗分析模型已經廣泛應用于用戶行為分析類產品，且功能十分強大：它可以評估總體或各個環節的轉化情況、促銷活動效果；也可以與其他數據分析模型結合進行深度用戶行為分析（如多維下鉆分析、用戶分群、對比分析等），從而找到用戶流失的原因，以提升用戶量、活躍度、留存率。

漏斗分析最常用的兩個互補型指標是轉化率和流失率。舉電商的栗子，如上圖所示，假如有100人訪問某電商網站，有27人支付成功。這個過程共有5步，第一步到第二步的轉化率為88%，流失率為12%，第二步到第三步轉化率為32%，流失率68%……以此類推。整個過程的轉化率為27%，流失率為73%。該模型就是經典的漏斗分析模型。

02? 漏斗分析的三個要點

今天，我們還原幾個漏斗模型的原貌，讓大家對自己產品的漏斗轉化有一個更清晰的認識。根據漏斗分析自身特性，我們需要注意三個要點：

1、時間

時間，特指漏斗分析的轉化窗口期。窗口期是指用戶完成轉化的時間，用戶在設定的窗口期內完成完整的轉化流程才算做轉化成功。舉個例子，窗口期設為10分鐘的話，“點擊視頻”為起始事件，選擇“視頻加載”、“視頻播放”、“視頻播放完成”為漏斗事件。用戶“點擊視頻”后，10分鐘內，用戶按順序完成所有的所選事件，才會被算作完成轉化的用戶。如果在10分鐘內，用戶僅完成了“視頻加載”事件，那么該用戶被算作是在“視頻加載”->“視頻播放”過程中流失的用戶。

2、事件

每一層漏斗，就是一個漏斗事件。其中，最核心的指標就是轉化率，公式如下：

轉化率 = 本層事件轉化人數/上層事件轉化人數

3、用戶

我們可以在相同的轉化漏斗下，通過屬性對用戶進行劃分，快速查看不同類型用戶的轉化情況。

03? 主流漏斗應用

比較經典的漏斗分析模型有兩種：一種是「用戶注冊流程」，一種是「平臺付費轉化」。

「用戶注冊流程」，壯實給大家粗略地勾勒一個用戶行為漏斗：

運營過程中，如果我們發現某一天的注冊用戶數出現波動，除了去查一下市場渠道及廣告投放，產品本身的注冊功能也可能是出現這個問題的重要因素。

如「平臺付費轉化」，轉化漏斗大致如下：

以上的轉化漏斗都沒有一個定論，需要大家根據自身的業務實際情況來制定自己的轉化漏斗。

此外，對于產品的非功能界面，比如某個活動頁，公司簡介頁等等，用戶可能不會按照我們既定的流程到達，那么就要根據自身目標來確認這類非功能界面的轉化流程。

當然，數據只有在比較中才有價值。我們需要對于同行業同類數據的轉化情況了如指掌，在不低于行業平均水準的情況下，盡可能降低轉化過程中的用戶流失。

04 場景：如何提高關鍵節點轉化率

現實的世界，并非是簡單的數據邏輯結構，很多結果都是多種原因綜合導致的。

站在多種角度去分析同一個問題，往往可以得到一個更全面準確的答案。

下面我們將結合漏斗的三個要點來做一個深度案例分析，通過運用數據分析的經典方法“拆分”與“對比”定位問題，給出解決方案。

1、發現問題節點

舉個例子（以下數據均為非真實數據），下圖是某電商App的轉化漏斗。我們可以看到，「提交訂單」的事件之前的轉化率都比較高，但從「提交訂單」到「支付訂單」的流程中，轉化率急劇降低至7%，「支付訂單」可能就是需要改進的地方。

tip：轉化率低的節點，通常就是問題所在

2、問題分析

確定問題節點為「支付訂單」后，我們開始分析該界面數據。研究單一界面，可以使用的分析方法包括：

• 在事件分析中查看「支付訂單」事件的各項指標數據，例如停留時長等。

• 在事件分析中，進一步進行多維分析。

  如對「支付訂單」總人數這一指標的公共屬性進行對比分析，如新老用戶、App版本型號、手機品牌等，看是否有明顯的異常。

我們發現：用戶在點擊「支付訂單」的停留時間長達105秒，這與所需經驗時長不符。

3、問題拆分

因為用戶在「支付訂單」階段停留的時間過長，我們開始排查問題。

隨后我們發現，我們在分析時漏掉了轉化漏斗的一個層級，“提交訂單->支付訂單”應該更正為“提交訂單->選擇付款方式->支付訂單”。重新審視轉化漏斗后我們發現，「選擇付款方式」到「支付訂單」的轉化率較低，為9%。

通過對問題拆分，我們重新定位問題節點為「選擇付款方式」到「支付訂單」。

tip：對問題進行拆分，可以幫助我們深入理解問題。

4、數據對比

問題聚焦到「選擇付款方式」到「支付訂單」這一環節后，我們開始分析「付款成功」和「付款失敗」的用戶有什么不同。觀察不同手機品牌用戶的付款情況時，我們發現：?

如上圖所示，使用1、2兩種品牌手機的用戶，“付款失敗”的比例較高。將品牌1、2的手機與其他品牌手機對比后，我們發現，這兩個品牌的手機相對小眾、低端。

而后，我們測試了品牌1和品牌2的幾個機型，針對「選擇付款方式」界面進行體驗，發現存在以下問題：

• ?App適配存在問題：App主要適配了主流機型，沒有考慮到小眾機型兼容性差的問題；

• 界面卡頓嚴重：長達15秒以上的空白界面，嚴重消耗用戶耐心。

于是我們做出以下改善：

• 緊急上線針對小眾品牌手機的修復版本；

• 優化界面加載速度。

  包括切割、壓縮、刪減圖片，優化框架，增加預加載策略等，讓「選擇付款方式」這一界面的加載速度提升至5秒以內；

• 優化等待界面。用戶選擇完付款方式，等待付款成功的過程中，在頁面上增加等待動畫，給用戶賣個萌，降低用戶等待時的焦慮感。

5、效果驗證

界面優化后，我們的漏斗轉化流程有明顯改善：

通過我們的改善動作，「選擇付款方式」到「支付訂單」的轉化率，從之前的9%上升到了63% ，這是一個非常大的收益。

PS：在轉化漏斗的改進中，還可以對界面之間的流轉效果進行分析，刪去一些不必要的環節，從而提升漏斗轉化率。

漏斗分析是用來分析問題的方法，更重要的是，案例背后進行數據分析的思考方式：

• 通過對比分析，找出數據的差異，定位異常數據；

• 通過拆分問題，把復雜事件拆分，精準找到原因。

作者介紹

望京東路@趙壯實，中文系叛徒，數據界信徒。持續寫《數據驅動業務增長》的系列文章，歡迎關注

總結

以上是生活随笔為你收集整理的数据分析模型：漏斗分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。