用户行为分析中漏斗分析的概念与应用

数据人学习平台上线了：www.shujurenclub.com

@Albert

就职于某知名金融科技公司数据分析师；

专注于数据埋点和用户行为数据分析和应用；

01

导语

笔者在之前的文章里就用户行为数据分析做了简单的介绍（用户行为数据入门理论与实例）。有不少读者在看完这篇文章后反馈对其中的“漏斗分析”较为感兴趣，希望能够系统性介绍一下。笔者在翻阅过往公众号内的文章后，发现虽然也有不少小伙伴提到了“漏斗分析”这个术语，但大多只是简单的一笔带过，没有系统性介绍漏斗分析的原理，分析目标和拆解思路。于是笔者写下这篇较为全面且系统性的文章，希望能就如何进行漏斗分析这方面给小伙伴们一些启发。

02

“漏斗分析”简介

“漏斗分析”这四个字空说过于抽象，笔者在这里就举一个例子：大家可以想象一个“漏斗”，里面有一层层的“过滤网”用于筛去直径较大的颗粒物，能够在“漏斗”中“过五关斩六将”到达最后一层并出来的才是真正的“精华”。用户在app中的“旅程”也如同一个“漏斗”，他们会进行一步步操作，有的用户在“漏斗”半路就流失，没能最终转化，而有的用户则会沿着既定的“漏斗路线”一步步完成，并最终转化。“漏斗分析”一词便应运而生，该分析方法主要帮助平台理解用户一般会在什么“漏斗”节点流失，为什么用户会流失，以及如何在用户即将流失的时候进行挽回。

如图：这个便是简单的“漏斗分析”框架，以电商平台为例，用户在进入app后会经历挑选商品、添加购物车、购物车结算、订单核对、提交订单、支付订单等流程，经历各个流程的用户越来越少，因为各个步骤之间总是会有用户流失，也就是我们俗称的“漏损”，很难达到完美的100%转化，漏斗的通道也就越来越窄，到达最后一个节点的用户就是真正支付转化的用户。

03

“漏斗”如何拆解？

介绍完漏斗分析的概念后，我们先讲讲如何在进行分析之前拆解“漏斗”。在分析之前搭好“漏斗”、做好“基建”可以帮助提升分析效率，事半功倍。漏斗的拆解步骤如下：

（1）完整体验产品流程，尤其是需要重点分析的板块

我们以某社区平台为例，体验其用户流程（仅为举例）

Step 1: 用户下载app

Step 2: 用户打开app首页

Step 3: 用户登陆（默认该用户为已注册用户）

Step 4: 用户打开某个帖子浏览

Step 5: 用户给帖子点赞/收藏/评论（一般这种用户会被定义为“活跃用户”）

（2）根据上述用户旅程，构建“漏斗”

基于上述用户旅程，“漏斗”可以按照如下框架设置

下载app - 浏览首页 - 登陆成功 - 帖子浏览 - 帖子互动（点赞、收藏、评论。。）

对的，“漏斗”的拆解仅仅只有两步，是不是很简单？但是想要做好这一部分的“基建”并不容易，一般会犯以下的错误：

（1）太过“贪婪”，想要一个“漏斗”搞定一切，把所有可能的步骤都放在“漏斗”里。

一些比较成熟的app里，用户旅程较为复杂，如果直接把所有步骤都一股脑塞到漏斗里，会导致“漏斗”过于复杂，分析时无从下手。一般来说“漏斗”的步骤不宜超过5步，如果想要增加步骤，可以考虑“另起炉灶”，再增加一个“漏斗”。

（2）接上条，针对app的整体用户旅程，“漏斗”中不可放置太多步骤，同样的，对于某一个步骤或者板块，也不可拆得太细。比如，有的小伙伴会在整体用户旅程“漏斗”里把“用户登陆”这个动作拆的过细，拆成“用户浏览登陆页面”-“用户获取验证码”-“用户点击登陆按钮”-“用户登陆成功”，其实在整体大漏斗里，只需要拆解主要节点，例如“用户登陆成功”，如果真的有分析用户登陆流程的需求，同样可以“另起炉灶”，专门搭建一个用户登陆流程的“漏斗”。

（3）回到笔者在文章开头举的例子，物体在进入漏斗后，如果在第一层滤网就被挡住挡住，那势必不会漏到第二层、第三层以及后续的滤网。同样的，在漏斗分析中，用户在第一步流失了，从逻辑上来说就不会进入后续的步骤，反过来说，用户如果做过“漏斗”的第二步，那他一定会做过第一步，如果落到了“漏斗”的第三步，一定会做过第一步和第二步，后续步骤以此类推，这是做漏斗分析最最最需要注意的大前提原则。在拆解漏斗步骤的时候，一定要当心用户的“跳步骤”的行为，“漏斗”里的每一步一定是用户的“必经之路”，没有跳步骤的余地，否则在分析漏斗各步骤间转化率的时候会出现偏差。

04

“漏斗”如何分析？

一般来说，在搭建好漏斗后，我们会对做过各步骤节点的用户数量进行统计，并计算各节点之间的转化率和整体转化率，以分析用户在各节点的转化意愿。

在分析过程中可能遇到一系列问题，例如：

Q1: 如何判断某节点转化率是正常还是过低？

每个行业的业务模式不同，很难给出一个统一的标准答案说节点转化低于多少就是低转化率。但是有以下几个角度供参考：

时间维度上同/环比数据对比是否有降低？

和竞品或者行业均值对比是否较低？

竞品数据较难获得，但是同行业数据可以尝试通过行业报告等获得

业务感知得出低转化率的结论，这个的确是个“玄学”，短时间内难以习得，需要在某个行业中不在锤炼和觉悟方可洞悉精髓。。。

Q2: 如果在某节点转化率较低，应该如何进行进一步分析和运营呢？

分维度下钻：如果发现有节点的转化率较低，可以分维度下钻，拆解一下到底是哪一个部分的用户的问题导致节点转化率较低，针对这一部分的用户进行流失挽留或者是运营。维度包括但不限于RFM分层以及一些强业务相关的属性，比如会员等级之类。

拆细流程：在大“漏斗”中发现有环节转化率较低，可以将流程拆细进行深度分析，发现具体的问题点。回到上一部分提到的注意事项，如果发现用户登陆转化率（登陆成功用户数/打开app首页用户数）较低，就可以单独开一个“漏斗”，比如“用户浏览登陆页面”-“用户获取验证码”-“用户点击登陆按钮”-“用户登陆成功”，精准定位用户流失点到底在哪里。总之，拆的颗粒度粗细，一定要根据分析目的，不可盲目照搬。

时长分析：某节点的转化率较低，往往是因为用户犹豫不决，有因素阻碍用户进行转化，比如活动规则说明不清楚，或者是有额外的费用和代价需要用户付出，让用户有所顾虑。如果发现某节点的转化率较低，可以分析用户在环节的停留时长。举个例子，如果用户的表单提交转化率（提交表单的用户数/进入表单的用户数）较低，可以分析用户在表单的停留时长（进入表单到离开表单的时间，且区分已经提交表单的用户和未提交的用户的时长），如果时长较长，则需要进一步找出用户在表单上可能的阻碍点，比如表单需要填写的信息过多，问题难以理解等，进行进一步优化。

05

结语

以上是漏斗分析的关键概念和应用的知识，上述这些知识点仅供各位读者启发思路，具体还是应该结合业务，具体问题，具体分析～