数据驱动产品之“漏斗分析”

产品迭代中常见的数据方法有 事件分析、漏斗分析、留存分析、用户路径等，而这些分析方法也大都集成在数据分析工具中(growingIO,神策, amplitude，interana 等)，熟练掌握数据分析方法已经对应的应用场景，有助于通过数据驱动产品持续优化。本系列文章将向大家系统的介绍以上提到的数据方法、在各数据分析工具中的使用姿势、应用场景，今天向大家介绍使用高频方法“漏斗分析”。

1.什么是漏斗分析&能解决什么问题

漏斗分析是衡量流量转化、页面转化的高频数据分析方法。

在新增用户部分--经常遇到产品在各个渠道买量很多，但能够触发核心行为的用户却少之又少：(1)用户在哪个环节流失了：跳转下载？下载安装？安装使用？以确认哪个环节是用户放弃最多的；(2)哪个渠道的用户质量好，能够有效的触发核心行为呢？对于电商：在活跃(非新增)用户部分，(1)电商用户体验流程是 浏览商品、查看商品详情、加入购物车、提交订单、付款成功,每一个环节的转化情况是否良好？ (2)如何提高购物车-提交订单的转化率？这些问题都可以借助漏斗来分析，这个优化点。

2.漏斗分析使用姿势

漏斗分析需要设置 窗口期(转化周期)、 结合时间范围、过滤(筛选条件)、分组(维度)来查看。

窗口期(转化周期)：用户完成漏斗的时间限制，也只有在这个时间内，用户从第一个步骤，进行到最后的一个步骤，才能被视为一次成功转化。例如，窗口期=7天，一个用户只要在7天内完成了漏斗中的步骤就会被视为“完成漏斗”。

时间范围：支持选择任意时间段。

过滤(筛选条件)：可以精细化查看符合某些具体条件漏斗。1.用户属性的筛选，比如选择性别=“男”，来查看男生的转化过程。2.指定步骤的属性的筛选，比如在“浏览商品详情 -> 添加购物车 -> 支付 ”电商典型漏斗中，支付的属性为“支付宝”。

分组(维度)：支持将某指标基于 分组(维度) 进行更为精细化的漏斗分析，如：将“浏览商品详情 -> 添加购物车-> 支付 ”基于“地域信息”来拆分，看到各地域的漏斗信息。

以上组合起来： 某个时间段内，特定人群（eg.用户属性或者触发某个事件）的转化过程(漏斗分析)，并可以按照分组来查看。

注意：

（1）大多数分析工具中的漏斗分析都是针对“独立用户数”，而不是次数。

（2）漏斗没有强顺序，中间可以穿插其他的事件，只要在窗口期内完成即可。窗口期为1天的“A->B->C->D->E”漏斗，在用户触发A->B后，又到了A(属于漏斗流程的其他事件)或者F(属于漏斗流程的事件)，会记录A->B一次，由于A->B已经记录过一次，则A不会被记录第二次，而F由于不属于漏斗内事件，则不参与统计。

神策、growingIO、诸葛IO 漏斗分析对比

备注：用户属性： 代表用户自身特质的一些属性，包括预定义属性和自定义属性。事件属性：事件的通用属性或者某个事件的自定义属性。

多组对比时，漏斗展示形式：

(1)诸葛IO可以展示2组及以上；

诸葛IO 漏斗图

(2)神策、growingIO最多只能展示展示2组

神策漏斗图

综上，对比神策、growingIO、诸葛IO：个人神策的自由度大一些，尤其是体现在窗口期上、筛选方式。(1)窗口期神策能够自定义分钟&小时粒度的，而growingIO，诸葛IO只能支持到天粒度。 (2)筛选器，神策支持多个事件之间使用and或or 的逻辑，growingIO事件间仅支持and，则无法得到“访问页面=“详情页”或者 访问终端=“PC”的组合”）。

此外，漏斗分析在umeng、腾讯分析、百度分析等统计分析工具中也有体现。

3.应用场景举例

（1）渠道分析

通过“广告的曝光->点击->下载” 漏斗分析，找到最佳投放广告的渠道。如下图展示可以看到baidu的总体转化率高于全部 6个点。

广告的曝光->点击->下载

（2）通过漏斗分析聚焦用户差异。

新增用户的关键行为转化过程：启动app->登录->进入直播间->直播互动->送礼物

对比查看不同国家的，图中可以看到中国与总体在后两个转化中差异大于1%，尤其是在进入直播间->直播互动，当然差异的背后还需要进一步的洞察，以更好的利用这个差一点。

启动app->登录->进入直播间->直播互动->送礼物

4.碎碎念

漏斗分析也多集成在各中分析工具、自家平台 提供给数据、产品同学的是可以提高工作效率的“术”，而达成KPI、优化产品、用户增长 都不能业务的“道”，希望大家在结合业务优势 通过数据 驱动产品持续优化。

分析工具的体验地址，只需要注册下就可以使用：神策产品体验地址、GrowingIO体验地址、interana体验地址、amplitude体验地址 、https://demo.zhugeio.com，后续也将对比各款数据分析工具。