如何製作網站數據分析漏斗圖？

01-08

1.為什麼漏斗圖統計的都是人數還是每次的點擊量？例如說一位用戶訪問了網站多次那麼訪問量算多次還是一次？分批次把商品加入購物車算一次還是多次？
2.是否需要講瀏覽－》完成交易的每個步驟都列出來，然後依據幾條線做多個漏斗圖分析？［可能是瀏覽－》購物車－》生成訂單－》完成交易或者瀏覽－》生成訂單－》完成交易］
3.怎樣是有意義的漏斗圖？除了分析訂單生成還有哪些有分析的必要嗎？

漏斗我們在生活中都見過，是通過漏斗將液體或粉末引入入口較小的容器中。而工作以後才發現漏斗圖很火也很重要，那原理應該類似吧，從大-小，從多-少的過程，不想整天「漏」用戶的趕緊一起來認識下漏斗圖的真面目吧！

一、何為漏斗圖

1、概念

漏斗圖在Google Analytics的報告里代表「目標和渠道」，在Web Trends里叫做「場景分析」，在Omniture的SiteCatalyst里被稱為「產品轉換漏斗」。雖然漏斗圖稱呼不一樣，但它都是用來衡量網站中業務流程表現，並適用於電商等各個行業。漏斗圖可以非常直觀地看出網站業務流程中的問題所在，從而加以完善。

2、適用場景

漏斗圖適用於業務流程比較規範、周期長、環節多的流程分析，通過漏斗各環節業務數據的比較，能夠直觀地發現和說明問題所在。最常見的分析場景有：

1）以電商為代表的網站（APP）：通過轉化率比較能充分展示用戶從進入網站到實現購買的最終轉化率，漏斗圖是評判產品健康程度的圖表，由網站的每一個設計步驟的數據轉化反饋得到結論，然後通過各階段的轉化分析去改善設計，提升用戶體驗的同時也提高網站的最終轉化率。

2）營銷推廣：反映搜索營銷的各個環節的轉化，從展現、點擊、訪問、諮詢，直到生成訂單過程中的客戶數量及流失。

3）CRM：客戶銷售漏斗圖用來展示各階段客戶各個階段轉化比較。

3、呈現工具

能做漏斗圖的數據工具有很多，我用過的有Excel、BDP個人版、Echart（需要寫點代碼）。

4、有何意義

1）快速發現問題，及時調整運營策略

漏斗圖是對業務流程最直觀的一種表現形式，通過漏斗圖可以很快發現流程中存在的問題，通過相應的方式進行優化，漏斗圖又可以很直觀的告訴我們流程的優化效果。

2）直觀展示兩端數據，了解目標數據

漏斗圖最直觀展示網站分析中的兩個重要端點：流量導入端——產生收益端，有多少訪客訪問了網站，有多少人給網站帶來了收益。當我們通過各種推廣和營銷方式把用戶拉到網站後，如何儘可能讓更多訪客產生收益才是最重要，而漏斗圖的作用就是描繪網站中後一端的數據情況。

3）提高業務的轉化率（營銷推廣）

漏斗圖直觀暴露問題後，可以在不增加現有營銷投入的情況下，通過優化業務流程來提高訪客購買率，進而提高訪客的價值，並且這種提高的效果是非常明顯的。

4）提高訪客的價值，提高最終的轉化率（一般是購買率）

在現有訪客數量不變的情況下，提高單個訪客的價值，進而提高網站的總收益。

其實3）和4）都是通過漏斗圖發現問題優化後的延伸意義了，最重要還是通過漏斗圖能夠發現問題，並通過優化提高某些環節的轉化率，最終起到提高整體效益的作用。

二、「漏」斗圖實戰

先來一起分析下這個數據，這個數據是網上隨意找的，只是作為一個案例，大家不要太在意數據啊。作為電商網站，首先用戶進入平台找到適合的商品後開始瀏覽，最終到底有多少人完成訂單了

從瀏覽-購物車「漏」了60%，這步流失最多，也是用戶是否願意購買最重要的一步，是否能通過商品頁UI優化、明顯露出「加入購物車」button等方式提高這步的轉化率；
從購物車-生成訂單「漏」了25%，表面上看這個好像流失不多，但我們能否通過一些俏皮的提示讓更多用戶把商品從購物車帶走呢？
生成訂單-支付訂單又「漏」了33%，這個數據值得反思，用戶都已經生成訂單了，還有這麼多人在買前後悔或猶豫，除了這個原因，是不是還有其他的原因，比如支付方式（少了最常見的支付寶、微信或出現故障）是否出現了問題、是否經常出現沒貨的情況等，這些都是導致用戶最終不支付的原因。
支付訂單-完成訂單還「漏」了15%，這是什麼鬼，這個數據一定要關注的，一定要找出原因，就差一步用戶的錢就到手了，怎麼跑了這麼多人呢，有種「到嘴的鴨子飛了」的感覺，趕緊查下原因：是不是支付渠道經常出錯，還是網站太卡用戶不想等了，這些問題都要好好解決。

以上這段文字很重要，可以認真思考下，再來看下工具是如何弄出漏斗圖吧！

1、Excel（這個是最近看著網上教程剛學的，詳細步驟大家可以參考網上教程哈）

第一步：計算佔位數據，製作堆積條形圖（選中數據，插入圖表即可），數據由佔位數據和實際數據相加，佔位數據=（第一環節人數-當前環節人數）/2

第二步：調整縱坐標軸（選中縱坐標軸，滑鼠右鍵—設置坐標軸格式—坐標軸選項中勾選「逆序類型」），將「人數」此條數據居中顯示（滑鼠右鍵—選擇數據—將「人數」單擊下移）；

第三步：選中輔助列數據所在的橙色條形，通過設置無色無邊框將佔位數據條隱藏；

第四步：添加外框連接線、箭頭和轉化率，這樣就OK了。

2、BDP個人版

第一步：將Excel數據導入；

第二步：分布將流程和人數拉到維度、數值欄，選中「漏斗圖」，可以水平或垂直放置，顯示每個環節之間的轉化率。

第三步：命名圖表標題並保存。（為什麼顏色不同，因為我調了顏色啊，也可以調整主題背景）

以上就是我對漏斗圖的一些粗略了解，希望我們儘快掌握好漏斗圖，好好應用到實際工作中去！

前戲別太多~

對於題主的三個問題，我們針對性回答~

1、以哪種口徑統計，是人數、還是次數？答案是人數。因為按次數會有很多問題，比如從A到B到C到D，如果一個人從A到B再到B再到B（A是用戶進入商品詳情頁的次數，B是添加到購物車的次數，也就是這個人重複添加到購物車）那漏斗的第二步統計的次數可能會大於第一步統計的次數，這也違背的漏斗這一分析模型的意義。其實漏斗中有很多約束條件，題主之所以困惑，就是因為對這個模型的細節沒有了解可能。為什麼用人數，人數，就是次數去重以後基於時間序列的統計。一個用戶只要做過從A到B，無論做了多少次，都是一個A到B的轉化，當然，這裡邊有個非常關鍵的限定，就是轉化周期限定，一天，兩天，一個會話，還是。。。也就是用戶從A到B發生的時間周期，只要他1天內幹了從A到B就是一個轉化，給他一天時間，如果一天都只幹了A沒幹B，那就是沒有轉化，或者嚴格點必須在一次app使用過程中，這些都是可以自定義的。

諸葛io購買流程漏斗設置

快速查看這一漏斗（不用註冊就可以玩兒demo）：漏斗轉化|諸葛IO-精細化數據分析工具

補充，次數用在什麼時候呢？不要脫離分析場景，我們可能會分析，一個新品上線，有多少人看了，又有多少人加入購物車，又有多少人買了。你可能也會看，這個商品一共被看了多少次，平均一個人看了幾次，然後再評估你的漏斗轉化率；你可能還會去看購買成功的這些人，一共看了多少次，平均一個人看多少次。

綜上，漏斗以人數為統計口徑，並包含了很多限定條件。次數用在我們特定場景的分析。

2、如果用戶有多個使用路徑都能到達終點，那是可以多建漏斗去監測的。甚至通過全行為路徑分析模型，你可能會發現一些你意想不到的行為路徑。比如下圖這種：

諸葛io全行為路徑

他是一種全局視野，整體把用戶的所有行為串起來展示，每一環都是一個漏斗~ 事件分析|諸葛IO-精細化數據分析工具

3、一個產品中其實漏斗很多。產品經理其實更清楚，因為在產品設計的時候就是在設計用戶行為路徑。對於既定的，比如登錄註冊流程、購買流程（題主說的訂單生成流程），有訂單生成是不是還有退款流程、還有什麼密碼召回，對於理財產品可能還有綁卡、實名認證流程。在這些流程中，大概分兩類，一種是產品基礎層面的轉化，一種是用戶主觀意識比較強的轉化，前者比如提到的註冊、綁卡、找回密碼，用戶進入這些頁面，或有相關動機判斷他就是要註冊，那流程體驗是否順暢就是產品設計本身的東西了。但對於訂單轉化這種，可能用戶會頻繁進入商品詳情頁，頻繁添加購物車，並不會購買，這樣看的話從商品詳情到支付成功的轉化率一定是低的。但是當用戶提交訂單到購買成功，也就是當用戶有支付意願，產品能否保證用戶100%的成功就是產品基礎設計層面的評估了。

不管哪種類型的行為路徑，本質上在產品基礎層面都要能保證一個較高的轉化率。這個時候就需要產品經理明白，當用戶有轉化意願、當流量平穩，我設計的產品各個漏斗轉化率一般在多少。當轉化低了、高了知道是運營的原因還是市場推廣的原因了，避免背鍋。

以上~

1，漏斗一般是跟蹤人為單位，以用戶ID來串起來各個步驟。像多次添加購物車，這就當成添加購物車一個步驟就好了。漏斗主要跟蹤關鍵行為。

2，如果是關鍵轉化流，就需要配置多個漏斗。如果不知道用戶會怎麼轉化，可以嘗試路徑分析，見：用戶路徑分析 · Sensors Analytics 使用手冊

3，只要牽涉到轉化過程，都可以考慮漏斗。訂單是最常見的。還有比如做了渠道廣告投放，跟蹤最終的投放效果。

1、大部分WA工具，都是根據會話（訪次）進行計算。但並非是一種標準，用什麼樣的指標，取決於業務場景和從什麼樣的視角來看待問題。

比如你的業務不是連貫的走下去的，可能用訪問者會更好一些。如果你想分析用戶留存，而不是某次會話的任務完成，用訪問者也更好一些。用pageview，也並非是完全沒用，雖然看絕對值可能無法反應業務現狀，但是基於某個維度下進行橫向比較，就可以看出不同細分的優劣，更重要的是pageview採集數據的成本非常低

漏斗只是工具，本身沒有業務屬性。使用他的人將定義漏斗的意義。

2、理論上要根據業務流程，將用戶經過的主要路徑都納入漏斗。這個路徑可以是pageview，也可以是一個event，這個可能會取決於你的產品（網站、app or 其他）技術上是如何實現的。路徑的定義粒度粗還是細本質上取決於想要宏觀還是微觀的看待問題。如果你能夠回溯數據，也可以先粗，發現可疑點再細地來看。

3、漏斗本質上是一種分析過程的工具，目的是控制結果。如果你所做的一件事有很多個工序、步驟或環節，當結果不理想的時候，唯有分析每個環節才能直到哪裡出問題。意義，得靠你自己去尋找了。

百度Google搜了很久，其他方法要麼是excel內簡易漏斗，要麼是複雜的數據分析圖或編碼才能實現。

最後找到這個網站供其他要做漏斗圖的人參考

參考這個答案：余知兮：網站轉換率的漏斗圖除了 excel 還有什麼軟體可以做？