數據分析之漏斗模型

什麼是漏斗？

提起漏斗，讓我首先想到的是它的 形狀：圓錐形的、頂部寬底部窄；其次是它的 功能：過濾雜質，如生了蟲的白麪、炸過豆腐的油等。

 

形狀

以下圖形狀纔可以有效的行使它的功能職責 — 過濾。

 

功能

過濾雜質

生了蟲的白麪

小時候的農村，夏天雨水較多，家裏比較潮溼，缸裏的面常常會有蟲子光顧。

那個時候物質匱乏，不捨的扔掉，會把蟲子以及結塊的麪粉通過篩子（篩子及漏斗）給過濾掉，而後繼續吃過篩的麪粉。

 

炸過豆腐的油

過年的時候，會炸幾片豆腐，俗稱過油豆腐。而後炸過豆腐的油，裏邊會有一些豆腐渣子殘留，爲了重複利用油，會拿油漏把豆腐渣子給過濾掉，而後漏下的油在下次炒菜的時候繼續用。

 

什麼是漏斗模型？

漏斗咱們知道了，那什麼是模型呢？

 

模型通常是指對事物、規律等進行抽象後的一種形式化表達方式。

大部分的模型都是由三部分組成的，即目標、變量和關係。

 

漏斗模型就是對漏斗的形狀和功能進行抽象後的一種形式化表達方式，經過目標、變量和關係對數據進行分析。

 

目標

在使用漏斗模型進行分析以前，首先須要明確目標，知道須要作什麼。好比傳統漏斗模型，最先起源於傳統行業的商業營銷活動中，目標就是商業變現。

 

1. 投放廣告，提升用戶對品牌的認知，佔領用戶的心智；
2. 觀看廣告，提升用戶對產品的興趣；
3. 評估產品，用戶會根據對品牌認證和產品興趣來決定是否購買；
4. 付費購買，用戶會對評估完後感興趣的產品進行購買，達成交易；
5. 重複購買，部分用戶會持續重複購買，也可能推薦給親戚朋友。

 

以上是傳統的金典的漏斗模型，是一種收縮型思惟，每一步之間均可能會由於各類不肯定變量而被過濾掉。

 

變量

在明確了漏斗模型的目標之後，才能進一步肯定影響目標的各關鍵變量。

變量又分爲自變量、因變量和中介變量。

 

因變量 在組織行爲學中就是所要測量的行爲反應，而 自變量 則是影響因變量的變量。

 

如上邊傳統漏斗模型，因變量是廣告觀看率、商品付費率、重複購買率等，那麼廣告的投放渠道（如電視、報紙雜誌、地鐵、門戶網站等）、觀看廣告的用戶年齡層次、用戶所在的區域、用戶的興趣愛好、用戶的經濟條件等就是影響因變量的自變量。

 

中介變量 又稱爲干擾變量，它會削弱自變量對因變量的影響。中介變量的存在會使自變量與因變量之間的關係更加複雜。

 

中介變量也就是咱們須要介入的變量，須要咱們去無限的進行解構，來影響自變量。好比從 A 到 R （獲客 - 盈利）的轉換問題，咱們能夠把 A 拆分爲 A一、A二、A3，再看哪一步對自變量的影響比較大，假設是 A2，那麼再把 A2拆開，再看其中的主要問題。

 

如上邊傳統的漏斗模型，假設咱們的品牌爲高端奢侈品，那麼咱們須要對投放渠道、用戶年齡層次、投放區域等進行拆分。而後發現咱們的投放區域覆蓋面太多，成本比較高。而後咱們對投放地區進行拆分，發現偏遠地區投放佔比比較高，那麼這個時候，咱們是否找到了問題呢？咱們能夠收縮投放區域，有針對性的在北上廣深等這樣的大城市集中投放會不會效果更好一些呢？

 

最理想的狀態是，咱們可以解構到惟一變量的顆粒度。而後咱們就可以精準定位而且解決這個問題，從而帶來增加。

 

若是咱們用的漏斗是一個很粗略的漏斗，是沒法解決問題的。須要一步步解構、定位問題，而後去解決，這樣才能帶來有效的增加。

 

關係

肯定了目標，肯定了影響目標的各類變量以後，還須要進一步研究各變量之間的關係。在肯定變量之間的關係時，對何者爲因、何者爲果的判斷，應持謹慎態度。不能由於兩個變量之間存在着統計上的關係，就簡單地認爲他們之間存在着因果關係。對變量間因果關係的判斷不能輕率。

 

用戶增加漏斗轉化

不少時候咱們談增加，更多的是在談獲客，而沒有考慮如何提高現有用戶的轉化率、激活率。咱們須要考慮如何才能讓用戶變成忠誠用戶，只有忠誠用戶纔不會流失，才能帶來更多的收益。

 

經過漏斗分析能夠從前到後還原用戶轉化的路徑，分析每個轉化節點的效率。

 

1. 從開始到結尾，總體的轉化率是多少？
2. 每一步的轉率是多少？
3. 哪一步流失最多，緣由是什麼？流失的用戶符合哪些特徵？

 

上圖中註冊流程分爲 3 個步驟，整體轉化率爲 42.6%，也就是說有 1000 個用戶來到註冊頁面，其中 426 個成功完成了註冊。

 

可是咱們不難發現註冊第 2 步的轉化率是 54.2%，明顯低於註冊第 1 步的 89.9% 和 第三步的 87.5%，能夠推測註冊第 2 步流程存在問題。

 

顯而易見註冊第 2 步的提高空間是最大的，投入回報比確定不低；若是要提升註冊轉化率，咱們應該優先解決註冊第 2 步。

 

請關注公衆號：白鬍子海盜