一文读懂大数据漏斗分析！

 

下面我将为您介绍漏斗分析的概念，以及组织及其数据如何使用它来分析大数据集。希望能够帮到你们。

很多时候我们发现我们的业务数据看起来很不错，但最终的转换量却很低，这就说明业务转换率这里有问题。而在数据分析中，有一个很好的建模工具可以很好地解决这个问题——漏斗分析模型。

·  正  ·  文  ·  来  ·  啦  ·

数据分析是什么？

漏斗分析模型，简单来说，是一个营销产品的过程。我们需要观察这个过程中每个步骤的转换和得失。

关于实际应用场景中的漏斗模型，许多人只想满足这两点：

• 大量的转换

• 最终转换率很高

而对于这两个目标，可以这么做：

• 增加初始流量。

• 提高每个关键点的保留率。

漏斗分析的关键是什么？

一般来说，漏斗分析是有序的，这个顺序反映在关键节点的路径上。在有序漏斗中，路径越来越窄。换句话说，每个步骤中剩余的数据量不能大于前一步骤中剩余的数据量。如果不满足此条件，则表明关键路径的处理顺序可能有问题，我们应该调整路径顺序。

如何进行漏斗分析

1.目标

与任何数据分析一样，漏斗分析的第一步也是设定目标，即了解您真正想做的事情以及您想要获得的结果。例如，在商业营销活动的漏斗模型中，目标是实现业务并获利。为此目的确定了以下五个步骤。

• 第1步：发布广告。

• 第1步：发布广告。提高用户对品牌的认知度。

• 第2步：观看广告。提高用户对产品的兴趣。

• 第3步：评估产品。用户将根据他们对品牌的看法以及他们对产品的兴趣来决定是否购买。

• 第4步：支付产品费用。用户将在评估后购买他们感兴趣的产品并达成交易。

• 第5步：重复购买。有些用户会继续购买。他们也可能会将产品推荐给亲戚朋友。

  

  
  

2.变量

变量是影响漏斗分析结果的因素。它们分为自变量、因变量和中介变量。

在组织行为学中，因变量是要测量的行为反应，而自变量是影响因变量的变量。也就是说，因变量是随着自变量的变化而变化的。

如上面的模型，因变量是广告收视率，产品支付率，回购率等。广告渠道（如电视，报纸，杂志，地铁，网站等），年龄观看广告的用户，用户的位置，他们的爱好和经济状况是影响因变量的独立变量。

中介变量导致依赖变量和自变量的中介。它们减少了自变量对因变量的影响。中介变量的存在使得自变量和因变量之间的关系更加复杂。

中介变量是我们人为干预的变量。我们应该无限地改变它以影响自变量。

在上面的传统漏斗模型中，假设我们的品牌是高端奢侈品，我们需要分析广告渠道、用户年龄和广告服务区域等独立变量。最后我们发现我们的广告面积太大，成本太高。

然后我们继续关注广告区域。我们看到，偏远地区的广告比例相对较高。这时，我们找到了问题，我们可以缩小广告服务范围。把重点放在大城市的广告上会更好。

理想的情况是我们可以逐步解构问题并找到唯一的变量。然后我们可以准确定位问题并解决问题，从而促进用户增长。

关系

一旦我们确定了目标和影响我们目标的各种变量，我们就需要研究这些变量之间的关系。

在确定变量之间的关系时，我们应该谨慎判断哪一个是原因，哪一个是结果。由于两个变量之间的统计关系，我们不能说它们之间存在因果关系。

例如，当我们谈论用户增长时，我们谈论的更多是获取客户。我们不考虑如何提高现有用户的转换率和激活率。我们其实应该考虑如何让用户成为忠实的用户。只有忠诚的用户才不会丢失并带来更多的好处。

通过漏斗分析，我们可以恢复用户转换的路径并分析每个转换节点的效率。

• 从开始到结束的整体转换率是多少？

• 每一步的转换率是多少？

• 我们在哪一步失去了最多的客户？为什么？这些客户会遇到什么特征？

您使用什么工具进行大数据漏斗分析？

当涉及到大数据时，很难用Excel等工具实现有效的漏斗分析。一般的做法是使用专业的数据分析工具（如FineReport）来构建仪表盘，在那里我们可以轻松地执行漏斗分析。下图显示了FineReport的漏斗模型的两种形式。

FineReport的漏斗图还具有自动排序功能。

专业数据分析工具的优点是方便。该工具本身具有各种漏斗模型。您只需拖放即可完成漏斗分析，这很难用Excel实现。因此建议使用专业软件。

通过以上讲解，您有什么想法吗？

长按二维码 ▲

订阅「架构师小秘圈」公众号

如有启发，帮我点个在看，谢谢↓