八大數據分析模型之——漏斗分析模型（三）

好比，以前在知乎上看到有人問：

一、漏斗，統計的是人數？仍是次數？

二、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？

三、有哪些分析場景？

今天咱們就來一塊兒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。

1、什麼是漏斗分析模型

漏斗分析模型，簡單來說，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。

好比：教育培訓類產品的用戶，從首頁進入到最終完成支付的行爲，大多須要通過搜索課程，查看課程詳情、點擊購買、當即支付、支付成功，咱們須要將按照流程操做的用戶進行各個轉化層級上的監控，尋找每一個層級的可優化點；對沒有按照流程操做的用戶繪製他們的轉化路徑，找到可提高用戶體驗，縮短路徑的空間。

這裏回答文章開始的第一個問題，一般來說，漏斗分析都以人數來統計，爲何不按照次數來統計呢？咱們看一個例子。

假設某漏斗模型是A→B→C→D，若是用戶從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，也就是這我的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，就是次數去重之後基於時間序列的統計。一個用戶只要作過從A到B，不管作了多少次，都是一個A到B的轉化，固然，這裏邊有個很是關鍵的限定，就是轉化週期限定，1天，2天，一個會話······也就是用戶從A→B發生的時間週期，只要他在一個時間週期內完成了從A→B，就記爲一次轉化。

那麼，有沒有使用次數做爲統計的呢？好比：咱們可能會分析，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，平均一我的看了幾回，而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，平均一我的看多少次。

綜上，漏斗以人數爲統計口徑，幷包含了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。

2、漏斗模型中的新特性

直到如今，依然有不少的產品經理、運營、市場人員在經過excel來計算本身業務流中的漏斗轉化率，好比：瀏覽→客服諮詢→預定試聽→支付課程 和 搜索課程→點擊支付→完成交易 須要在不一樣的漏斗表格中統計，過程不只繁瑣耗費精力，並且因爲只是單純的數據統計，只能從表格中瞭解哪一環節用戶流失嚴重，而對於業務指標的提高——提升轉化率，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，理想的漏斗模型須要具有一些新特性：

一、操做簡便：可視化操做

傳統漏斗模型須要輔助excel，人工輸入每一個轉化路徑的每一步可能的事件，同時須要平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必定的門檻；另外一方面在競爭激勵的市場環境下，極可能由於統計數據的滯後，致使業務上的損失。

諸葛io在線教育demo數據之建立漏斗

新型漏斗模型，能夠打破技術門檻，讓業務人員能夠經過可視化的方式完成漏斗操做，快速直觀的查看轉化狀況。

二、不僅是統計，而是數字背後的人

統計不是目的，指導業務增加纔是最重要的，運營的核心任務之一就是提升轉化率，因行業不一樣，這個轉化率多是註冊轉化率、綁卡轉化率、預定試聽轉化率、首次投資轉化率、付費轉化率等，而提升轉化率的手段，除了讓轉化路徑最短和優化每一個節點的用戶體驗外，更多的須要運營人員對每一環節流失掉的用戶及時的採起召回策略。舉個例子，來看看是如何經過漏斗模型提高轉化率的。假如咱們要提升註冊轉化率時，根據下圖漏斗模型：

諸葛io在線教育demo數據

咱們發現 從發送手機驗證碼-完成註冊 這一步有24人流失，而這一部分流失是徹底能夠避免的，咱們只需找到是何緣由致使用戶已經完成發送驗證碼的行爲，可是仍然沒有完成註冊的，便可極大機率的召回這些用戶。經過點擊轉化詳情，便可查看每個流失用戶的用戶檔案。

諸葛io在線教育demo數據之用戶檔案

根據用戶檔案，一方面能夠針對不一樣用戶各自的流失緣由進行直接觸達，好比發個短信或者打個電話直接溝通；另外一方面還能夠快速鎖定緣由，好比上圖中所示的「服務器忙」，能夠將緣由反饋給相關技術部門進行處理，修復故障。

3、如何構建漏斗模型

用戶每每並不會按照開發者「規劃」好的行爲路徑使用產品，甚至會讓你感嘆你的用戶正在作布朗運動，那麼當你不知道究竟你的用戶通過哪些路徑最終到達核心行爲時，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。

用戶行爲路徑之太陽圖

爲了讓你對「用戶如何使用產品」有更全面的把握，太陽圖將所有用戶的全部行爲路徑在一張圖中直觀且清晰的呈現出來：圓弧層數越多，說明用戶的行爲軌跡越長；圓弧弧度越大，說明用戶觸發該行爲越多。

此外，經過太陽圖（點我，瞭解更多），你更有可能發現那些被你忽略的用戶行爲路徑，由於並非全部用戶都會按照我們期待的核心路徑使用產品，那些「誤入歧途」的用戶行爲在太陽圖中將一覽無遺，此時，你只需快速創建漏斗分析緣由，找到運營策略。

經過產品每個設計步驟的數據反饋得出產品的運行狀況，而後經過各階段的具體分析改善產品的設計，提高產品的用戶體驗，這就是漏斗模型的核心價值。漏斗分析，僅僅是幫助咱們分析問題的工具，重要的是要培養數據分析的思想：經過精細化的拆分，從宏觀的視角，將複雜的事件分析拆分爲獨立的歸因分析。

漏斗分析到這裏就結束了，下一篇是熱圖分析模型，諸葛君將繼續解讀如何改善用戶體驗，提高轉化，幫你更好地運用數據驅動產品運營。