漏斗分析是一套流程式的数据分析方法，能够科学地反映各阶段用户转化情况。漏斗分析模型已经广泛应用于用户行为分析类产品，且功能十分强大：它可以评估总体或各个环节的转化情况、促销活动效果；也可以与其他数据分析模型结合进行深度用户行为分析（如多维下钻分析、用户分群、对比分析等），从而找到用户流失的原因，以提升用户量、活跃度、留存率。漏斗分析最常用的两个互补型指标是转化率和流失率。举电商的栗子，如上图所示，假如有100人访问某电商网站，有27人支付成功。这个过程共有5步，第一步到第二步的转化率为88%，流失率为12%，第二步到第三步转化率为32%，流失率68%……以此类推。整个过程的转化率为27%，流失率为73%。该模型就是经典的漏斗分析模型。
今天，我们还原几个漏斗模型的原貌，让大家对自己产品的漏斗转化有一个更清晰的认识。根据漏斗分析自身特性，我们需要注意三个要点：
时间，特指漏斗分析的转化窗口期。窗口期是指用户完成转化的时间，用户在设定的窗口期内完成完整的转化流程才算做转化成功。举个例子，窗口期设为10分钟的话，“点击视频”为起始事件，选择“视频加载”、“视频播放”、“视频播放完成”为漏斗事件。用户“点击视频”后，10分钟内，用户按顺序完成所有的所选事件，才会被算作完成转化的用户。如果在10分钟内，用户仅完成了“视频加载”事件，那么该用户被算作是在“视频加载”->“视频播放”过程中流失的用户。每一层漏斗，就是一个漏斗事件。其中，最核心的指标就是转化率，公式如下：我们可以在相同的转化漏斗下，通过属性对用户进行划分，快速查看不同类型用户的转化情况。
比较经典的漏斗分析模型有两种：一种是「用户注册流程」，一种是「平台付费转化」。「用户注册流程」，壮实给大家粗略地勾勒一个用户行为漏斗：运营过程中，如果我们发现某一天的注册用户数出现波动，除了去查一下市场渠道及广告投放，产品本身的注册功能也可能是出现这个问题的重要因素。以上的转化漏斗都没有一个定论，需要大家根据自身的业务实际情况来制定自己的转化漏斗。此外，对于产品的非功能界面，比如某个活动页，公司简介页等等，用户可能不会按照我们既定的流程到达，那么就要根据自身目标来确认这类非功能界面的转化流程。当然，数据只有在比较中才有价值。我们需要对于同行业同类数据的转化情况了如指掌，在不低于行业平均水准的情况下，尽可能降低转化过程中的用户流失。现实的世界，并非是简单的数据逻辑结构，很多结果都是多种原因综合导致的。站在多种角度去分析同一个问题，往往可以得到一个更全面准确的答案。下面我们将结合漏斗的三个要点来做一个深度案例分析，通过运用数据分析的经典方法“拆分”与“对比”定位问题，给出解决方案。举个例子（以下数据均为非真实数据），下图是某电商App的转化漏斗。我们可以看到，「提交订单」的事件之前的转化率都比较高，但从「提交订单」到「支付订单」的流程中，转化率急剧降低至7%，「支付订单」可能就是需要改进的地方。确定问题节点为「支付订单」后，我们开始分析该界面数据。研究单一界面，可以使用的分析方法包括：- 在事件分析中查看「支付订单」事件的各项指标数据，例如停留时长等。
- 如对「支付订单」总人数这一指标的公共属性进行对比分析，如新老用户、App版本型号、手机品牌等，看是否有明显的异常。
我们发现：用户在点击「支付订单」的停留时间长达105秒，这与所需经验时长不符。因为用户在「支付订单」阶段停留的时间过长，我们开始排查问题。随后我们发现，我们在分析时漏掉了转化漏斗的一个层级，“提交订单->支付订单”应该更正为“提交订单->选择付款方式->支付订单”。重新审视转化漏斗后我们发现，「选择付款方式」到「支付订单」的转化率较低，为9%。通过对问题拆分，我们重新定位问题节点为「选择付款方式」到「支付订单」。tip：对问题进行拆分，可以帮助我们深入理解问题。问题聚焦到「选择付款方式」到「支付订单」这一环节后，我们开始分析「付款成功」和「付款失败」的用户有什么不同。观察不同手机品牌用户的付款情况时，我们发现： 如上图所示，使用1、2两种品牌手机的用户，“付款失败”的比例较高。将品牌1、2的手机与其他品牌手机对比后，我们发现，这两个品牌的手机相对小众、低端。而后，我们测试了品牌1和品牌2的几个机型，针对「选择付款方式」界面进行体验，发现存在以下问题：- App适配存在问题：App主要适配了主流机型，没有考虑到小众机型兼容性差的问题；
- 界面卡顿严重：长达15秒以上的空白界面，严重消耗用户耐心。
- 包括切割、压缩、删减图片，优化框架，增加预加载策略等，让「选择付款方式」这一界面的加载速度提升至5秒以内；
- 优化等待界面。用户选择完付款方式，等待付款成功的过程中，在页面上增加等待动画，给用户卖个萌，降低用户等待时的焦虑感。
通过我们的改善动作，「选择付款方式」到「支付订单」的转化率，从之前的9%上升到了63% ，这是一个非常大的收益。PS：在转化漏斗的改进中，还可以对界面之间的流转效果进行分析，删去一些不必要的环节，从而提升漏斗转化率。漏斗分析是用来分析问题的方法，更重要的是，案例背后进行数据分析的思考方式：望京东路@赵壮实，中文系叛徒，数据界信徒。持续写《数据驱动业务增长》的系列文章，欢迎关注。
