漏斗分析

用户行为分析模型

漏斗分析

汇报工作的方式：

问题  解决方案（）需要什么支持， 原因 

表达技术：
技术是什么？
解决什么问题？
什么时候用？
怎么用？
为什么这么用？
有什么需要注意的地方？

1.什么是漏斗分析

漏斗分析是一套流程式数据分析，

它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。

转化率是在一个周期内，期望行为目标用户占总目标用户的比例，
包含注册转化率、购买转化率、活动转化率等，
可以衡量一个产品用户需求强弱、评价产品设计好坏、对比流程和渠道权重。

转化率=期望行为人数 / 总人数

http://www.woshipm.com/pd/2081383.html

• 解决什么问题？

漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营与数据分析的工作中。

漏斗能够展现出流程中各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。

• 用来干什么？

用以评估总体转化率、各个环节的转化率，以科学评估促销专题活动效果等，

通过与其他数据分析模型结合进行深度用户行为分析，从而找到用户流失的原因，以提升用户量、活跃度、留存率，并提升数据分析与决策的科学性

2.特点与价值

• 企业可以监控用户在各个层级的转化情况，聚焦用户选购全流程中最有效转化路径；同时找到可优化的短板，提升用户体验。

降低流失是运营人员的重要目标，

通过不同层级的转情况，迅速定位流失环节，针对性持续分析找到可优化点，如此提升用户留存率。

• 多维度切分与呈现用户转化情况，成单瓶颈无处遁形。

科学的漏斗分析能够展现转化率趋势的曲线，能帮助企业精细地捕捉用户行为变化。

提升了转化分析的精度和效率,对选购流程的异常定位和策略调整效果验证有科学指导意义。

• 不同属性的用户群体漏斗比较，从差异角度窥视优化思路。

漏斗对比分析是科学漏斗分析的重要一环。

运营人员可以通过观察不同属性的用户群体（如新注册用户与老客户、不同渠道来源的客户）各环节转化率，各流程步骤转化率的差异对比，了解转化率最高的用户群体，分析漏斗合理性，并针对转化率异常环节进行调整。

3.在漏斗分析模型中，科学归因、属性关联的重要性

• 归因：在科学的漏斗分析中，需要科学归因设置。

  每一次转化节点应根据事件功劳差异（事件对转化的功劳大小）
  而科学设置。

​ 以市场营销为例，市场活动、线上运营、邮件营销都可能触发用户购买。

​ A 欲选购一款化妆品，通过市场活动了解 M 产品，后来在百度贴吧了解更多信息，但是始终没有下定决心购买。后来收到 M 公司的营销邮件，A 被打折信息及详实的客户评价所吸引，直接邮件内跳转至网站购买了该商品。

​ 那么，在漏斗设置时，转化归因应该“归”哪一个渠道呢？

​ 在这个案例中，运营人员愿意以实际转化的事件的属性为准。

​ 邮件营销的渠道在用户购买决策的全流程中对用户影响的“功劳”最大、权重较大，直接促进用户转化。

​ 在科学的漏斗分析模型中，用户群体筛选和分组时，以实际转化事件——邮件营销来源的用户群体的属性为准，则大大增大了漏斗分析的科学性。

• 属性关联：定义“转化”时，要求漏斗转化的前后步骤有相同的属性值。

  比如同一 ID（包括品类 ID、商品 ID）才能作为转化条件——浏览 iphone6，购买同一款 iphone6 才能被定义为一次转化。

4.案例分析

http://www.woshipm.com/data-analysis/697156.html

场景一：电商行业不同客户群体的转化情况

某电商企业客户根据客户的消费能力，将客户划分为普通会员、黄金会员、钻石会员。为加强对用户的转化引导，F 欲针对不同用户群体采用不同的运营方式。

场景二：零售行业——中商惠民科学评估站内推广位的效果

首页推广位的效果监控是站内运营重要一环，数据的监测与分析是重要工作，它为站内优化、页面体验提升作出指导。运营人员可以通过用户的点击转化率与购买转化率可以判断页面不同推广位置效果。下图是中商惠民首页推广位“一元促销”、“清洁专场”两个Banner转化率情况对比。

5.如何构建漏斗模型

• 怎么用？

  https://www.sensorsdata.cn/manual/funnel.html
  太阳图 http://www.360doc.com/content/18/0802/11/33542116_775112015.shtml

https://www.douban.com/group/topic/113056536/

https://blog.csdn.net/fwj_ntu/article/details/82623081

https://www.douban.com/group/topic/113056536/

https://blog.csdn.net/fwj_ntu/article/details/82623081

用户行为分析
行为事件分析

用户留存分析

用户行为路径分析

用户分群

点击分析