編輯導(dǎo)語(yǔ)：漏斗分析當(dāng)下已經(jīng)被廣泛應(yīng)用，有效的漏斗分析可以幫助分析用戶行為，找到用戶流失的原因。那么具體而言，漏斗分析有哪些常見(jiàn)模型？漏斗分析又有哪些流程步驟？本文作者就此做了總結(jié)，并對(duì)一個(gè)漏斗分析案例進(jìn)行了拆解，一起來(lái)看一下。

作為數(shù)據(jù)分析中最重要的一個(gè)分析思維，漏斗分析在業(yè)務(wù)流程拆解和問(wèn)題環(huán)節(jié)定位上具有非常重要的作用。當(dāng)我們無(wú)法確定問(wèn)題發(fā)生在哪個(gè)環(huán)節(jié)時(shí)，一般會(huì)通過(guò)將業(yè)務(wù)流程進(jìn)行拆解，比較各個(gè)環(huán)節(jié)之間的轉(zhuǎn)化率/流失率，通過(guò)這種漏斗分析的方法來(lái)定位問(wèn)題原因，今天我們就來(lái)一起學(xué)習(xí)它。

一、什么是漏斗分析？

什么是漏斗分析？

我們知道，業(yè)務(wù)設(shè)計(jì)都是有流程的，而從業(yè)務(wù)流程起點(diǎn)開(kāi)始到最后目標(biāo)完成的每個(gè)環(huán)節(jié)都會(huì)存在著用戶流失，因此我們需要一種分析方法來(lái)衡量業(yè)務(wù)流程每一步的轉(zhuǎn)化效率和用戶流失情況，而漏斗分析方法就是這樣的一種分析方法。

漏斗分析是基于業(yè)務(wù)流程的一種數(shù)據(jù)分析模型，也就是說(shuō)一定是存在著業(yè)務(wù)的前因后果、前后關(guān)聯(lián)關(guān)系的，它能夠科學(xué)反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化情況，進(jìn)而可以定位用戶流失的環(huán)節(jié)和原因。漏斗分析模型已經(jīng)廣泛應(yīng)用于網(wǎng)站用戶行為分析和APP用戶行為分析中，在流量監(jiān)控、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運(yùn)營(yíng)與數(shù)據(jù)分析工作中應(yīng)用地很廣泛。

漏斗分析最常用的是轉(zhuǎn)化率和流失率兩個(gè)互補(bǔ)型指標(biāo)，流失率=1-轉(zhuǎn)化率。

用一個(gè)簡(jiǎn)單的例子來(lái)說(shuō)明，假如有100人訪問(wèn)某電商網(wǎng)站，有30人點(diǎn)擊注冊(cè)，有10人注冊(cè)成功。這個(gè)過(guò)程共有三步，第一步到第二步的轉(zhuǎn)化率為30%，流失率為70%，第二步到第三步轉(zhuǎn)化率為33%，流失率67%；整個(gè)過(guò)程的轉(zhuǎn)化率為10%，流失率為90%。該模型就是經(jīng)典的漏斗分析模型。

二、常見(jiàn)的漏斗模型

而在實(shí)際業(yè)務(wù)中，每個(gè)業(yè)務(wù)都有自己特有的漏斗，但是進(jìn)行分類總結(jié)，常見(jiàn)的業(yè)務(wù)漏斗模型主要有以下幾種。

1. AARRR模型

大名鼎鼎的AARRR模型，做用戶增長(zhǎng)和生命周期最常用的漏斗模型，從用戶增長(zhǎng)各階段入手，包括Acquisition用戶獲取、Activation用戶激活、Retention用戶留存、Revenue用戶產(chǎn)生收入、Refer自傳播等用戶的生命階段。進(jìn)行漏斗分析，判斷用戶流失大致處于哪個(gè)階段，進(jìn)而對(duì)問(wèn)題階段的用戶進(jìn)行細(xì)分，精細(xì)化運(yùn)營(yíng)，完成用戶向成熟用戶和付費(fèi)用戶的引導(dǎo)，實(shí)現(xiàn)用戶增長(zhǎng)。

2. 電商漏斗模型

電商領(lǐng)域最常見(jiàn)的商品購(gòu)買(mǎi)漏斗，用戶從進(jìn)入平臺(tái)，到完成支付的完整路徑，是一個(gè)經(jīng)典的業(yè)務(wù)漏斗模型，計(jì)算每一個(gè)環(huán)節(jié)的轉(zhuǎn)化有助于我們分析是人（是否是商品的定位用戶？）貨（商品是否有熱銷？）場(chǎng)（產(chǎn)品功能、體驗(yàn)如何）哪個(gè)因素的問(wèn)題？

3. 功能漏斗模型

其他的非電商領(lǐng)域的產(chǎn)品，比如一些工具類的產(chǎn)品的漏斗就各有不同了，舉個(gè)列子，我們以KEEP為例。

KEEP的半馬比賽活動(dòng)的主要漏斗可能就如下所示，從活動(dòng)推廣，到用戶報(bào)名、用戶最終完成比賽，到獲得抽獎(jiǎng)資格，拆分各個(gè)業(yè)務(wù)環(huán)節(jié)，有助于我們定位問(wèn)題環(huán)節(jié)，進(jìn)一步定位是廣告文案不好，還是投放的廣告位轉(zhuǎn)化效率低？是用戶報(bào)名的操作過(guò)于復(fù)雜？還是用戶達(dá)標(biāo)的門(mén)檻過(guò)于苛刻？是獎(jiǎng)品設(shè)置的和參賽用戶調(diào)性不符還是領(lǐng)獎(jiǎng)的流程復(fù)雜有bug？

4. AIDMA模型

IDMA是消費(fèi)者行為學(xué)領(lǐng)域很成熟的理論模型之一，由美國(guó)廣告學(xué)家E.S.劉易斯在1898年提出。

該理論認(rèn)為，消費(fèi)者從接觸到信息到最后達(dá)成購(gòu)買(mǎi)，會(huì)經(jīng)歷這5個(gè)階段：注意 → 興趣 → 欲望 → 記憶 → 行動(dòng)（購(gòu)買(mǎi)），消費(fèi)者們從不知情者變?yōu)楸粍?dòng)了解者再變?yōu)橹鲃?dòng)了解者，最后由被動(dòng)購(gòu)買(mǎi)者變?yōu)橹鲃?dòng)購(gòu)買(mǎi)者的過(guò)程，從商品角度看可以看到市場(chǎng)從不了解、了解、接受的過(guò)程，在品牌營(yíng)銷領(lǐng)域應(yīng)用得很廣泛。

三、漏斗分析的步驟

上面介紹了各種業(yè)務(wù)場(chǎng)景下常見(jiàn)的漏斗，那么具體在實(shí)現(xiàn)過(guò)程和步驟是怎樣的呢？會(huì)帶來(lái)什么樣的價(jià)值呢？

1. 快速定位問(wèn)題環(huán)節(jié)

當(dāng)我們聚焦用戶全流程最有效的轉(zhuǎn)化路徑時(shí)（產(chǎn)品設(shè)計(jì)初期我們都會(huì)有理想的轉(zhuǎn)化路徑），漏斗數(shù)據(jù)的展示可以真實(shí)地反映用戶真實(shí)的行為路徑：

1. 明擺著可優(yōu)化的點(diǎn)，可以提升用戶體驗(yàn)（對(duì)產(chǎn)品而言）；
2. 迅速定位流失環(huán)節(jié)，針對(duì)性的下鉆分析可以找到可優(yōu)化的點(diǎn)，可以降低流失提升用戶留存率（對(duì)運(yùn)營(yíng)而言）。

2. 多維度切分分析問(wèn)題原因

整體的漏斗能反映整體的轉(zhuǎn)化現(xiàn)狀，定位具體的問(wèn)題環(huán)節(jié)，知其然，但是為什么會(huì)出現(xiàn)這個(gè)問(wèn)題，就是知其所以然的過(guò)程，需要從各個(gè)維度對(duì)漏斗進(jìn)行切分。比如新注冊(cè)用戶vs老用戶、不同渠道來(lái)源的用戶等在各環(huán)節(jié)的轉(zhuǎn)化漏斗差異，不同維度下的漏斗差異，可能讓我們眼前一亮，啊！原來(lái)是這部分用戶的轉(zhuǎn)化壞了一鍋好湯。

3. 監(jiān)控漏斗轉(zhuǎn)化趨勢(shì)進(jìn)行優(yōu)化

可以在時(shí)間粒度上監(jiān)控各個(gè)環(huán)節(jié)的轉(zhuǎn)化率，突然上線的新功能或者近期開(kāi)展的運(yùn)營(yíng)活動(dòng)可能都會(huì)導(dǎo)致漏斗各環(huán)節(jié)的轉(zhuǎn)化率明顯的變化，無(wú)論是變好還是變差，都是我們做ab test的一個(gè)依據(jù)。我們可以不斷地用ab test對(duì)各環(huán)節(jié)進(jìn)行優(yōu)化，然后監(jiān)控各環(huán)節(jié)轉(zhuǎn)化率的變化趨勢(shì)，完成漏斗整體轉(zhuǎn)化的提升。

五、漏斗分析案例

最后用一個(gè)實(shí)際的案例來(lái)說(shuō)明漏斗分析的實(shí)際應(yīng)用。

某電商平臺(tái)，按“進(jìn)入注冊(cè)頁(yè)-開(kāi)始注冊(cè)-提交驗(yàn)證碼-注冊(cè)成功”的路徑設(shè)置了一個(gè)四步轉(zhuǎn)化漏斗，通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，第二步到第三步的轉(zhuǎn)化率較低，很多用戶在該環(huán)節(jié)流失，進(jìn)而導(dǎo)致最后注冊(cè)成功的用戶數(shù)大幅減少，定位到問(wèn)題環(huán)節(jié)是在“開(kāi)始注冊(cè)”-“提交驗(yàn)證碼”環(huán)節(jié)。

但是問(wèn)題現(xiàn)狀是如此，到底是什么原因?qū)е铝擞脩粼谶@個(gè)環(huán)節(jié)大量流失？我們做了一些假設(shè)：

1. 是否與用戶使用的平臺(tái)有關(guān)？PC端和移動(dòng)端是否有產(chǎn)品功能設(shè)計(jì)上的差異？
2. 是否與手機(jī)平臺(tái)有關(guān)？Android和iOS用戶在這個(gè)環(huán)節(jié)是否有差異？
3. 是否與瀏覽器有關(guān)？不同瀏覽器在進(jìn)行驗(yàn)證時(shí)是否有bug?
4. 其他種種。

以上假設(shè)就是從不同的維度去拆分這個(gè)問(wèn)題，然后看在各個(gè)維度下用戶的轉(zhuǎn)化漏斗如何？

分析發(fā)現(xiàn)，Chrome瀏覽器的用戶注冊(cè)數(shù)和注冊(cè)轉(zhuǎn)化率較其他瀏覽器低很多，對(duì)比每一步轉(zhuǎn)化，發(fā)現(xiàn)第一步到第二步的轉(zhuǎn)化率和其他并無(wú)明顯差異，而第二步到第三步的轉(zhuǎn)化率非常低，大部分用戶沒(méi)有提交驗(yàn)證碼，而是直接離開(kāi)了頁(yè)面。

這奇怪的轉(zhuǎn)化漏點(diǎn)馬上引起了重視，測(cè)試發(fā)現(xiàn)Chrome瀏覽器在獲取驗(yàn)證碼上確實(shí)存在bug，影響了用戶注冊(cè)，研發(fā)針對(duì)此問(wèn)題進(jìn)行解決后，該瀏覽器下的注冊(cè)轉(zhuǎn)化率明顯提升。

以上的案例就大致展示了漏斗分析的常規(guī)用法。從整體漏斗分析原因，定位問(wèn)題發(fā)生環(huán)節(jié)，從各個(gè)可能的細(xì)分維度分析轉(zhuǎn)化漏斗，嘗試解釋為什么會(huì)發(fā)生這個(gè)問(wèn)題，進(jìn)而推進(jìn)問(wèn)題環(huán)節(jié)優(yōu)化，從定位問(wèn)題，到分析問(wèn)題再到解決問(wèn)題，完成漏斗分析的整個(gè)過(guò)程。

以上就是數(shù)據(jù)分析思維—漏斗分析部分的全部?jī)?nèi)容，部分?jǐn)?shù)據(jù)分析思維請(qǐng)翻看歷史文章，更多數(shù)據(jù)分析思維的文章持續(xù)更新中，敬請(qǐng)期待。

本文由 @數(shù)據(jù)分析星球 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 Unsplash，基于CC0協(xié)議