0x00 什么是漏斗分析

说起数据分析，很多人把精力放在了各种高大上的数据模型上事实上，比较常见的一些数据分析方法，往往都不是什么非常高深的学问，在实践中，涉及到的方法论或者复杂性，其实是远低于学校里学习的专业知识而我们非常看重数据分析，本质是看重，数据，，以及利用数据来做的，分析，，好的结论不一定有多么高大上的模型，但它一定有数据作为支持

现如今我们所做的各种决策，都在强调数据的重要性，不论是市场调研的数据，还是产品上线后的用户数据，都贯穿了产品研发的整个生命周期。

今天我们来讲一个原理非常简单，但却非常实用的分析方法:漏斗分析。

说起漏斗分析，这是数据领域最常见的一种，程式化，数据分析方法，它能够科学的评估一种业务过程，从起点到终点，各个阶段的转化情况通过可以量化的数据分析，帮助业务找到有问题的业务环节，并进行针对性的优化

在电商模式中，提到，转化率，，就往往配有一张，漏斗分析图，作为辅助的说明这是因为在电商模式下，我们所做的每一项活动，都与用户有着直接或者间接的联系，而我们活动的本质也都是一样的:为了让用户成为持久的消费者

因此，当我们分析用户从进入产品到完成消费的过程时，可以大体分为如下几个关键步骤:进入首页，查看商品页，加入购物车，进入支付页面，成功支付通过分析每个阶段的转化率和流失率，能够直观地发现很多问题，进而找到提升KPI的方法

0x01 漏斗分析的作用

漏斗分析，是一个非常经典的模型，自问世以来，衍生出了诸如AARRR用户增长模型，SICAS用户行为消费模型等衍生版本，基本上是各类分析报表的标配大多数据互联网产品，其本身的商业逻辑就是一个虚拟的漏斗，而我们的目的就在于如何让用户顺利的到达我们所设定的，目标行为，，如支付，注册

例如，在用户运营领域，漏斗对于用户行为的分析而言，是非常有必要的在产品上线后，关键的业务路径，都要进行漏斗分析，判断每个环节的设计是否存在缺陷典型的如用户注册场景，从引导 — 注册 — 分享 — 进入首页，往往在分享这个环节，转化率非常低，那么我们就要考虑是否放弃这个环节，或者有什么其他的优化动作

例如，在自媒体运营方向，假设一个自媒体账号有10W粉丝，发送一篇文章获得1W阅读，大约有1K用户收藏了文章，最后由100用户进行了付费打赏那么这个10W — 1W — 1K — 100也是典型的漏斗环节，用户付费转化率就是0.1%如果需要提升付费转化率，需要以这个数据作为依据，来判断到底是应该打广告来增加阅读量，还是引导用户多收藏文章

以上是两个非常简单的例子，在具备一定规模的公司中，通常都有非常多类似的问题，是迫切需要进行分析解答的，包括但不限于:

为什么注册步骤转化率非常低 为什么很多人下单了却没有支付 为什么某个渠道量很大，但点击率却非常低 如果不做浏览器的适配，那么会损失多大的用户规模 进入首页却没有下单的用户，接下来都去了哪里

一个设计科学的漏斗分析体系，能够快速解答和分析这些问题，是可以实实在在的改善业务，提升业务收入的。

漏斗分析的作用，有两个大的特点:

其一，漏斗分析，能够梳理业务的关键流程环节，监控用户，流量在各个业务阶段的转化情况，及时对低转化率环节进行分析，定位流失的关键环节，进行持续的优化。

其二，漏斗分析，往往配合多维度之间的对比，针对不同的人群，渠道做差异化的分析，如新用户，老客户，如新渠道，老渠道，分析转化率最好和最差的维度，从而提升运营精度和效率。

接下来我们讲解一下如何进行，漏斗分析，。

0x02 如何进行漏斗分析

按照惯例，我们通过，分解，的形式，来一步一步的阐述这个分析过程。

第一步，还原业务关键过程

前文提到过，漏斗分析是针对业务的关键流程环节，做洞察和分析因此在进行分析前，我们首先需要还原这个业务过程的关键步骤，并验证其是否是可以通过漏斗进行分析

例如，在电商广告场景下，广告主可以通过各种方法，向用户宣传自己的产品这时候，用户会根据宣传的曝光词，点击搜索框进入到搜索页面，这时候会根据平台提示的关键词进行搜索，或者是主动发起搜索，到达搜索呈现的结果页之后，再进行相应的点击行为，并完成最终下单

这个时候我们可以确定一条从搜索到展示的关键路径:广告投放展示 — 搜索关键词 — 点击搜索结果 — 完成下单。

进一步进行思考，我们可以把每一步赋予业务上的涵义，即:广告投放展示 — 搜索关键词 — 点击搜索结果 — 完成下单。

以上述例子为模型，我们可以作如下的区分:

广告投放展示:在不同渠道广告展示的曝光量，点击量，点击用户数，

搜索关键词:在电商平台中，不同关键词所产生的搜索量，搜索用户数，

点击搜索结果:在电商平台中，相应关键词所产生的点击量，点击用户数，

完成下单:产生下单行为的用户数。

第三步，制作漏斗分析模型

从上一步的结果中，我们评估进行可以进行分析的数据维度，并通过报表平台搭建对应的漏斗图，展示可以分析的数据。

例如我们可以将渠道作为分析维度，将展示，搜索，点击过程中产生的曝光量，点击量作为分析的一个过程，也可以通过点击/搜索/下单产生的用户数，作为分析的一个过程，也可以将用户进行分组，查看分组的结果。

第四步，进行漏斗分析

虽然现在可以进行数据分析了，但在实际的业务场景中，一种现象并不是单一的数据结果所能够解释的，往往需要通过多个角度的分析，来还原一个更准确和全面的答案。

常见的分析过程如下:

其一，查看漏斗转化率，将结果按照渠道，用户分组进行查看，找出转化率明显偏低的环节，

其二，分析数据变化的趋势，按照时间，分析当前阶段，在不同日，周，月，季，年下的变化趋势，找出转化波动率最大/最小的时间点，

其三，不同维度对比，筛选不同的渠道，用户分组，将转化率和变化趋势进行对比如果不同渠道数据相差较大，那么原因可能是某些渠道存在作弊情况，如果是不同手机型号存在差异，那么可能是手机的适配性，网速等存在差异，如果是不同的用户组存在差异，那么根据用户分组方法的不同，如购买能力，新老用户，也可以分析出一部分原因

其次，如果不能够得出明确的结论，需要再返回之前的步骤，思考是按照关键词进行分类，或者是新增某个环节的分析，或者是向其他部门寻求类似场景的分析思路，然后再对刚才的过程进行复盘和优化，直到找到最可靠的原因。

根据前文的阐述，我们可以看出，从分析人员的角度出发，当然是工具越自动化越好，能够更快的重复步骤，找到原因但是从数仓或者工程人员的角度出发，其实这些分析诉求具有高度的不确定性，因此这种高度自动化的平台很难实现，更倾向于通过，提需求，的方式来人肉完成部分的工作

从业务发展的角度上看，在公司快速发展的时候，分析师与数仓一体化的配合，走部分人肉的方式是无可厚非的，但当规模增加到一定程度时，对于成熟稳定业务的支持，就需要有工具做配合了，因为很多深入的分析细节，人肉的，效费比，太低，人力成本上无法负担。

0xFF 漏斗分析的进阶学习

在学习了一些基本的知识之后，我们还需要将问题进行思考，探讨那些更加，自动化，和，科学化，的做事方法。

自动化，是提升做事情的效率，降低人力成本的最有效途径，在业务发展平缓的公司中，涨薪的根源，便是节约，技术支持，所省下来的成本。

因此，在漏斗分析这件事情上，我们可以把关键要素抽象出来，从而为设计自动化的平台作参考。漏斗分析，可以抽象出三要素:

第一，是时间，指漏斗的转化周期，是从某一环节到其他环节所消耗的时长在实际的业务过程中，一般需要根据业务的特定，设定一个合理的转化周期，如最近30天，超过该周期的就不再认为是一个合理的转化这是设计自动化产品首要考虑的因素

第二，是节点，指漏斗的每一环节的配置方法，在业务上具备可操作性，同时也是产品的关键路径，方便分析人员自由的搭配查看。

第三，是流量，指人群/用户的点击，搜索或某个具体的业务动作，由于不同人群/用户在相同漏斗下的转化是不一样的，因此需要对人群/用户进行合理的分组，更清晰定位产品特点，得出合理的解释。

下一步讨论，科学化，的做事，主要指科学归因的重要性。

漏斗分析，往往与，归因分析，相关，因为能够到达关键环节的动作有很多实际上，业务流程转化并非理想中那么简单例如用户下单某一件商品，可能是因为看了电视广告，可能是因为随手点击某个直播链接，也可能是因为看了朋友分享的朋友圈直接进行下单在市场营销的视角里，市场活动，线上运营，邮件营销，电商广告等，都可能触发用户购买因此需要科学的判断，这一次的结果，是与哪些，原因，相关，每一次转化节点应根据事件功劳差异而科学设置

因此我们往往需要算法的配合，来正确的识别，不同的营销渠道在用户购买决策的全流程中，对用户影响的，功劳，最大，权重较大，能够直接促进用户转化在进行科学的漏斗分析时，通过归因权重作为漏斗转化的依据，能够大大增大了漏斗分析的科学性

通过上面两个例子可以看出，一件事情本身的概念可以是非常简单的，但简单不代表其好做，因为实际的业务是非常复杂的，需要根据不同的情况做各种抽象，汇总和升华，这才是分析真正难做的地方。

在当下，各个工种有相互，卷，的趋势，比如前端搞后端，后端搞数据，数据搞分析，分析做业务，但其实只有抓住业务的本质，才知道这么，卷，下去有没有前途，而不仅仅是，为了智能化而智能化，。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。