数据分析方法论（二）漏斗分析

零、闲话

数据分析师到底是干啥的？

无论是刚入行的新人还是工作个几年的‘老油条’或多或少都有些不清楚，数据分析师是每天取数的工具人？还是可视化报表的maker？还是好不容易做出来一个专题分析，却被业务说纸上谈兵，不说“人话”。这谁心中不是委屈气愤，想搂掉业务两根头发。

但是数据分析师都是要经历这些狗血的经历，终有一天能明白自己的使命：熟悉业务，在此基础上基于对业务的理解发现业务上的问题，然后提出分析的方案，然后再是用工具提数分析，最后给出结论和建议，并推动相关方实施落地，进而解决问题，完成从业务中发现问题，再回到业务中解决问题的完整闭环。这才是数据分析的真正意义。

数据分析是以业务、思维为主，工具为辅的岗位，最最重要的就是如何发现问题，如何针对问题形成分析思路、选择分析方法。

前面的文章也有数据分析思维、方法论，包括：

数据分析方法论（一）留存分析

一、什么是漏斗分析？

业务流程从起点到终点每经历一个环节都会有用户流失，于此，我么想了解分析每一步业务流程的转化效率和用户流失情况，所以漏斗模型应运而生，就是解决这个问题的经典方法。

这玩意最早由St. Elmo Lewis （美国知名广告人）在1898年提出的，叫做消费者购买漏斗（the purchase funnel），也叫消费者漏斗customer funnel、营销漏斗sales/marketing funnel等，是一种品牌广告的营销策略，准确的概括出了顾客关于产品或者服务的流程。

Lewis提出的这个策略，后来被称为AIDA模型，即意识-兴趣-欲望-行动。在接下来的100年里，随着漏斗模型的推广，为了适应新的媒体平台，以及用户行为路径的改变，它经过多次的修改和扩展，产生了各种衍生版本，比如AIDMA、AISDALSLove、AISAS、AARRR等。

漏斗分析最常用的是转化率和流失率两个互补型指标，流失率=1-转化率。用一个简单的例子来说明，假如有16899人访问某APP，有3362人点击注册，有575人注册成功。这个过程共有三步，第一步到第二步的转化率为19.89%，流失率为80.11%，第二步到第三步转化率为17.1%࿰