English manual coming soon, we apologize for the temporary inconvenience.

1 概述

漏斗模型主要用于分析一个多步骤过程中每一步的转化与流失情况。

例如,用户游戏内充值的完整流程可能包含以下步骤:打开商城、浏览游戏道具、加入购物车、提交订单、完成支付,在漏斗分析中,可将以上事件按照顺序设置为一个漏斗,分析整个流程以及每一步的的转化情况。

2 适用角色与用途

角色 用途
分析师/业务人员 分析用户行为中各步骤的转化、流失情况
分析师 探索性构造漏斗模板,在项目内部共享漏斗分析方法论

3 进行漏斗分析

3.1 设置漏斗与查询条件

漏斗步骤由一个事件(可添加一个或者多个筛选条件)组成,表示一个转化流程中的一个关键性的步骤。

一个漏斗中至少包含 2 个步骤,每个步骤对应一个事件。可增加更多步骤,拖动步骤前的序号可以改变步骤顺序。

查询条件

选择分组维度,可选择用户属性、用户分群以及所有步骤的公共事件属性作为分组维度,漏斗分析的分组逻辑详见本文第 4 部分。

查询条件

点击全局筛选,设置漏斗分析的筛选条件,此处为事件属性是筛选是对所有事件的公共筛选,而不是单个步骤。

查询条件

用户完成漏斗的时间限制,也即只有在这个时间范围内,用户从第一个步骤,行进到最后一个步骤,才能被视为一次成功的转化

查询条件

选择时间范围限制漏斗中第一步骤该时间范围内,勾选限制窗口期,则限制所有步骤都在该时间范围内

查询条件

3.2 设置展示结果

可选择进行分析的步骤范围,并根据「对比/趋势」、「转化/流失」设置,能够得到 4 类报表:转化对比表、流失对比表、转化趋势表、流失趋势表

展示结果

转化对比表:用以分析从步骤一到后续步骤的累计的转化率

转化对比表

流失对比表:用以分析每个步骤之间的流失率

流失对比表

转化趋势表:用以分析不同日期的转化率变化趋势

转化趋势表

流失趋势表:用以分析不同日期的流失率变化趋势

流失趋势表

4. 漏斗分析原理

接下来将会描述漏斗分析原理,尤其是有分组和筛选情况时,计算原理就会显得较为复杂,此处将详细说明。

4.1. 基本计算原理

假设一个由步骤 1、2、3、4、5 构成的漏斗,选择的时间范围为 2021 年 3 月 1 日到 2021 年 3 月 7 日,窗口期是 3 天,如果用户在 2021 年 3 月 1 日到 2021 年 3 月 7 日触发了步骤 1,并且在步骤 1 发生的 3 天内,依顺序依次触发了步骤 2、3、4、5,则认为该用户完成了一次完整的漏斗转化,若依次触发了步骤 1 > 2 > 4 > 5,则该用户仅完成了步骤 1>2 的转化。

如果步骤中间夹杂了一些其它的步骤或者行为,如用户的行为顺序是 1 > X > 2 > X > 3 > 4 > X > 5(其中 X 代表其他事件),则依然认为该用户完成了一次完整的漏斗转化。

当一个用户在所选时段内有多个事件都符合某个转化步骤的定义,则会优先选择更靠近最终转化目标的事件作为转化事件,并在第一次达到最终转化目标时停止转化计算。

假设一个漏斗的步骤定义为:浏览商城、选择道具、生成订单、支付成功,那么不同用户的行为序列及实际转化步骤(加粗部分)如下:

例 1:浏览商城 > 选择道具(道具 B) > 选择道具(道具 A) > 生成订单 > 支付成功

例 2:浏览商城 > 选择道具(道具 B) > 浏览商城 > 选择道具(道具 A) > 生成订单 > 支付成功

例 3:浏览商城 > 选择道具(道具 B) > 浏览商城 > 选择道具(道具 A) > 生成订单 > 支付成功 > 选择道具(道具 A) > 生成订单 > 支付成功

漏斗分析中展示的数字代表转化/流失的独立用户数,而非触发的事件次数。在该时间范围内,即使一个用户多次完成漏斗,也仅计数一次。

4.2 分组与筛选

漏斗分析的分组与筛选,均基于完成转化/流失的用户

基于用户属性、用户分群的分组与筛选:在完成转化/流失的用户的基础上,根据用户属性、用户分群进行分组与筛选

基于公共事件属性的分组与筛选:在完成转化/流失的用户的基础上,以该用户在步骤 1 的事件属性进行分组与筛选