八大數據分析模型之——漏斗模型（三）

來自專欄諸葛io4 人贊了文章

剛剛接觸數據運營的童鞋可能都會產生這樣的困惑：數據運營難不難？數學不好怎麼辦？是不是還需要學習數學建模？其實小編在剛開始接觸數據時也常常感到困惑，面對業務指標不知從何下手，比如，之前在知乎上看到有人問：

1、漏斗，統計的是人數？還是次數？

2、如何構建漏斗模型？要將瀏覽→完成交易中的每步都列出來嗎？

3、有哪些分析場景？

今天我們就來一起捋捋常見的數據分析方法——漏斗分析模型，同時逐一回答上述問題。

一、什麼是漏斗分析模型

漏斗分析模型，簡單來講，就是抽象產品中的某一流程，觀察流程中每一步的轉化與流失。

比如：教育培訓類產品的用戶，從首頁進入到最終完成支付的行為，大多需要經過搜索課程，查看課程詳情、點擊購買、立即支付、支付成功，我們需要將按照流程操作的用戶進行各個轉化層級上的監控，尋找每個層級的可優化點；對沒有按照流程操作的用戶繪製他們的轉化路徑，找到可提升用戶體驗，縮短路徑的空間。

這裡回答文章開始的第一個問題，通常來講，漏斗分析都以人數來統計，為什麼不按照次數來統計呢？我們看一個例子。

假設某漏斗模型是A→B→C→D，如果用戶從A→B再→B再→B（假設A是用戶進入課程詳情頁的次數，B是點擊購買的次數，也就是這個人重複添加到支付頁面）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，這也違背了漏斗分析模型的意義。

以人數來統計，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，1天，2天，一個會話······也就是用戶從A→B發生的時間周期，只要他在一個時間周期內完成了從A→B，就記為一次轉化。

那麼，有沒有使用次數作為統計的呢？比如：我們可能會分析，一個新課程上線，有多少人看了，又有多少人點擊購買，又有多少人買了。你可能也會看，這個課程一共被看了多少次，平均一個人看了幾次，然後再評估你的漏斗轉化率；你可能還會去看支付成功的這些人，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3種轉化時間（同一天內/同一個會話內/自定義天數內）的限定，次數用於特定場景的分析。

二、漏斗模型中的新特性

直到現在，依然有很多的產品經理、運營、市場人員在通過excel來計算自己業務流中的漏斗轉化率，比如：瀏覽→客服諮詢→預約試聽→支付課程 和 搜索課程→點擊支付→完成交易 需要在不同的漏斗表格中統計，過程不僅繁瑣耗費精力，而且由於只是單純的數據統計，只能從表格中了解哪一環節用戶流失嚴重，而對於業務指標的提升——提高轉化率，則於事無補。

在追求精細化運營的道路上，企業對轉化流失分析提出了更高需求，理想的漏斗模型需要具備一些新特性：

1、操作簡便：可視化操作

傳統漏斗模型需要輔助excel，人工輸入每個轉化路徑的每一步可能的事件，同時需要日常維護和實時同步更新，一方面效率低下，數據統計和表格的使用都有一定的門檻；另一方面在競爭激勵的市場環境下，很可能因為統計數據的滯後，導致業務上的損失。

新型漏斗模型，可以打破技術門檻，讓業務人員可以通過可視化的方式完成漏斗操作，快速直觀的查看轉化情況。

2、不只是統計，而是數字背後的人

統計不是目的，指導業務增長才是最重要的，運營的核心任務之一就是提高轉化率，因行業不同，這個轉化率可能是註冊轉化率、綁卡轉化率、預約試聽轉化率、首次投資轉化率、付費轉化率等，而提高轉化率的手段，除了讓轉化路徑最短和優化每個節點的用戶體驗外，更多的需要運營人員對每一環節流失掉的用戶及時的採取召回策略。舉個例子，來看看是如何通過漏斗模型提升轉化率的。假如我們要提高註冊轉化率時，根據下圖漏斗模型：

我們發現 從發送手機驗證碼-完成註冊 這一步有24人流失，而這一部分流失是完全可以避免的，我們只需找到是何原因導致用戶已經完成發送驗證碼的行為，但是仍然沒有完成註冊的，即可極大概率的召回這些用戶。通過點擊轉化詳情，即可查看每一個流失用戶的用戶檔案。

根據用戶檔案，一方面可以針對不同用戶各自的流失原因進行直接觸達，比如發個簡訊或者打個電話直接溝通；另一方面還可以快速鎖定原因，比如上圖中所示的「伺服器忙」，可以將原因反饋給相關技術部門進行處理，修復故障。

三、如何構建漏斗模型

用戶往往並不會按照開發者「規劃」好的行為路徑使用產品，甚至會讓你感嘆你的用戶正在做布朗運動，那麼當你不知道究竟你的用戶經過哪些路徑最終到達核心行為時，當你正在被構建漏斗模型困擾時，你還有一個全局視角來幫你構建漏斗模型的工具——太陽圖。

為了讓你對「用戶如何使用產品」有更全面的把握，太陽圖將全部用戶的所有行為路徑在一張圖中直觀且清晰的呈現出來：圓弧層數越多，說明用戶的行為軌跡越長；圓弧弧度越大，說明用戶觸發該行為越多。

此外，通過太陽圖（點我，了解更多），你更有可能發現那些被你忽略的用戶行為路徑，因為並不是所有用戶都會按照咱們期待的核心路徑使用產品，那些「誤入歧途」的用戶行為在太陽圖中將一覽無遺，此時，你只需快速建立漏斗分析原因，找到運營策略。

通過產品每一個設計步驟的數據反饋得出產品的運行情況，然後通過各階段的具體分析改善產品的設計，提升產品的用戶體驗，這就是漏斗模型的核心價值。漏斗分析，僅僅是幫助我們分析問題的工具，重要的是要培養數據分析的思想：通過精細化的拆分，從宏觀的視角，將複雜的事件分析拆分為獨立的歸因分析。

客戶：東易日盛 | 向上金服 | 光明隨心訂 | TutorABC | 麥子學院

指標：病毒傳播係數 | 復購率 | 粘性 | 漏斗 | 太陽圖 | KPI

行業：新零售 | 在線教育 | 科技金融 | 共享單車 | 裝修 | 內容社區

產品：改版評估 | 埋點需求文檔 |

運營：用戶運營 | 跨應用市場追蹤 | 推送策略 | 運營階段

市場：推廣三要素 | 智能觸達 | 精準推送

其他：行為數據基礎篇 | 客戶成功 | 採集模型 | 廣告監測

關於我們：

諸葛io定位於為企業提供基於用戶行為數據的採集、分析和營銷的整體解決方案。是國內領先的數據智能服務商 www.zhugeio.com

目前我們正在為互金/教育/新零售/保險/汽車等行業提供大數據整體解決方案並提供諮詢服務。服務客戶有：光明隨心訂、食行生鮮；人人貸、陽光保險、眾安保險、平安；寶馬、奧迪、大眾、NEVS；餓了么；東易日盛等