什么是漏斗分析

說(shuō)起數(shù)據(jù)分析，很多人把精力放在了各種高大上的數(shù)據(jù)模型上。事實(shí)上，比較常見的一些數(shù)據(jù)分析方法，往往都不是什么非常高深的學(xué)問(wèn)，在實(shí)踐中，涉及到的方法論或者復(fù)雜性，其實(shí)是遠(yuǎn)低于學(xué)校里學(xué)習(xí)的專業(yè)知識(shí)。而我們非?？粗?cái)?shù)據(jù)分析，本質(zhì)是看重“數(shù)據(jù)”，以及利用數(shù)據(jù)來(lái)做的“分析”，好的結(jié)論不一定有多么高大上的模型，但它一定有數(shù)據(jù)作為支持。

現(xiàn)如今我們所做的各種決策，都在強(qiáng)調(diào)數(shù)據(jù)的重要性，不論是市場(chǎng)調(diào)研的數(shù)據(jù)，還是產(chǎn)品上線后的用戶數(shù)據(jù)，都貫穿了產(chǎn)品研發(fā)的整個(gè)生命周期。

今天我們來(lái)講一個(gè)原理非常簡(jiǎn)單，但卻非常實(shí)用的分析方法：漏斗分析。

說(shuō)起漏斗分析，這是數(shù)據(jù)領(lǐng)域最常見的一種“程式化”數(shù)據(jù)分析方法，它能夠科學(xué)的評(píng)估一種業(yè)務(wù)過(guò)程，從起點(diǎn)到終點(diǎn)，各個(gè)階段的轉(zhuǎn)化情況。通過(guò)可以量化的數(shù)據(jù)分析，幫助業(yè)務(wù)找到有問(wèn)題的業(yè)務(wù)環(huán)節(jié)，并進(jìn)行針對(duì)性的優(yōu)化。

在電商模式中，提到“轉(zhuǎn)化率”，就往往配有一張“漏斗分析圖”作為輔助的說(shuō)明。這是因?yàn)樵陔娚棠Ｊ较?，我們所做的每一?xiàng)活動(dòng)，都與用戶有著直接或者間接的聯(lián)系，而我們活動(dòng)的本質(zhì)也都是一樣的：為了讓用戶成為持久的消費(fèi)者。

因此，當(dāng)我們分析用戶從進(jìn)入產(chǎn)品到完成消費(fèi)的過(guò)程時(shí)，可以大體分為如下幾個(gè)關(guān)鍵步驟：進(jìn)入首頁(yè)、查看商品頁(yè)、加入購(gòu)物車、進(jìn)入支付頁(yè)面、成功支付。通過(guò)分析每個(gè)階段的轉(zhuǎn)化率和流失率，能夠直觀地發(fā)現(xiàn)很多問(wèn)題，進(jìn)而找到提升KPI的方法。

漏斗分析的作用

漏斗分析，是一個(gè)非常經(jīng)典的模型，自問(wèn)世以來(lái)，衍生出了諸如AARRR用戶增長(zhǎng)模型、SICAS用戶行為消費(fèi)模型等衍生版本，基本上是各類分析報(bào)表的標(biāo)配。大多數(shù)據(jù)互聯(lián)網(wǎng)產(chǎn)品，其本身的商業(yè)邏輯就是一個(gè)虛擬的漏斗，而我們的目的就在于如何讓用戶順利的到達(dá)我們所設(shè)定的“目標(biāo)行為”，如支付、注冊(cè)。

例如，在用戶運(yùn)營(yíng)領(lǐng)域，漏斗對(duì)于用戶行為的分析而言，是非常有必要的。在產(chǎn)品上線后，關(guān)鍵的業(yè)務(wù)路徑，都要進(jìn)行漏斗分析，判斷每個(gè)環(huán)節(jié)的設(shè)計(jì)是否存在缺陷。典型的如用戶注冊(cè)場(chǎng)景，從引導(dǎo) - 注冊(cè) - 分享 - 進(jìn)入首頁(yè)，往往在分享這個(gè)環(huán)節(jié)，轉(zhuǎn)化率非常低，那么我們就要考慮是否放棄這個(gè)環(huán)節(jié)，或者有什么其他的優(yōu)化動(dòng)作。

例如，在自媒體運(yùn)營(yíng)方向，假設(shè)一個(gè)自媒體賬號(hào)有10W粉絲，發(fā)送一篇文章獲得1W閱讀，大約有1K用戶收藏了文章，最后由100用戶進(jìn)行了付費(fèi)打賞。那么這個(gè)10W - 1W - 1K - 100也是典型的漏斗環(huán)節(jié)，用戶付費(fèi)轉(zhuǎn)化率就是0.1%。如果需要提升付費(fèi)轉(zhuǎn)化率，需要以這個(gè)數(shù)據(jù)作為依據(jù)，來(lái)判斷到底是應(yīng)該打廣告來(lái)增加閱讀量，還是引導(dǎo)用戶多收藏文章。

以上是兩個(gè)非常簡(jiǎn)單的例子，在具備一定規(guī)模的公司中，通常都有非常多類似的問(wèn)題，是迫切需要進(jìn)行分析解答的，包括但不限于：

1. 為什么注冊(cè)步驟轉(zhuǎn)化率非常低？

2. 為什么很多人下單了卻沒(méi)有支付？

3. 為什么某個(gè)渠道量很大，但點(diǎn)擊率卻非常低？

4. 如果不做瀏覽器的適配，那么會(huì)損失多大的用戶規(guī)模？

5. 進(jìn)入首頁(yè)卻沒(méi)有下單的用戶，接下來(lái)都去了哪里？
   ...

一個(gè)設(shè)計(jì)科學(xué)的漏斗分析體系，能夠快速解答和分析這些問(wèn)題，是可以實(shí)實(shí)在在的改善業(yè)務(wù)、提升業(yè)務(wù)收入的。

漏斗分析的作用，有兩個(gè)大的特點(diǎn)：

其一，漏斗分析，能夠梳理業(yè)務(wù)的關(guān)鍵流程環(huán)節(jié)，監(jiān)控用戶、流量在各個(gè)業(yè)務(wù)階段的轉(zhuǎn)化情況，及時(shí)對(duì)低轉(zhuǎn)化率環(huán)節(jié)進(jìn)行分析，定位流失的關(guān)鍵環(huán)節(jié)，進(jìn)行持續(xù)的優(yōu)化。

其二，漏斗分析，往往配合多維度之間的對(duì)比，針對(duì)不同的人群、渠道做差異化的分析，如新用戶、老客戶，如新渠道、老渠道，分析轉(zhuǎn)化率最好和最差的維度，從而提升運(yùn)營(yíng)精度和效率。

接下來(lái)我們講解一下如何進(jìn)行“漏斗分析”。

如何進(jìn)行漏斗分析

按照慣例，我們通過(guò)“分解”的形式，來(lái)一步一步的闡述這個(gè)分析過(guò)程。

第一步，還原業(yè)務(wù)關(guān)鍵過(guò)程

前文提到過(guò)，漏斗分析是針對(duì)業(yè)務(wù)的關(guān)鍵流程環(huán)節(jié)，做洞察和分析。因此在進(jìn)行分析前，我們首先需要還原這個(gè)業(yè)務(wù)過(guò)程的關(guān)鍵步驟，并驗(yàn)證其是否是可以通過(guò)漏斗進(jìn)行分析。

例如，在電商廣告場(chǎng)景下，廣告主可以通過(guò)各種方法，向用戶宣傳自己的產(chǎn)品。這時(shí)候，用戶會(huì)根據(jù)宣傳的曝光詞，點(diǎn)擊搜索框進(jìn)入到搜索頁(yè)面，這時(shí)候會(huì)根據(jù)平臺(tái)提示的關(guān)鍵詞進(jìn)行搜索，或者是主動(dòng)發(fā)起搜索，到達(dá)搜索呈現(xiàn)的結(jié)果頁(yè)之后，再進(jìn)行相應(yīng)的點(diǎn)擊行為，并完成最終下單。

這個(gè)時(shí)候我們可以確定一條從搜索到展示的關(guān)鍵路徑：廣告投放展示 - 搜索關(guān)鍵詞 - 點(diǎn)擊搜索結(jié)果 - 完成下單。

進(jìn)一步進(jìn)行思考，我們可以把每一步賦予業(yè)務(wù)上的涵義，即：廣告投放展示（引起用戶興趣） - 搜索關(guān)鍵詞（用戶產(chǎn)生興趣） - 點(diǎn)擊搜索結(jié)果（用戶主動(dòng)發(fā)起動(dòng)作） - 完成下單（達(dá)成預(yù)期目的）。

第二步，確定漏斗環(huán)節(jié)與數(shù)據(jù)采集來(lái)源

能夠?qū)⒂脩舻男袨檫M(jìn)行還原后，我們便可以定下漏斗的環(huán)節(jié)，確定可以分析的數(shù)據(jù)，并標(biāo)記數(shù)據(jù)的來(lái)源。

以上述例子為模型，我們可以作如下的區(qū)分：

廣告投放展示（引起用戶興趣）： 在不同渠道廣告展示的曝光量、點(diǎn)擊量、點(diǎn)擊用戶數(shù)；
搜索關(guān)鍵詞（用戶產(chǎn)生興趣）：在電商平臺(tái)中，不同關(guān)鍵詞所產(chǎn)生的搜索量、搜索用戶數(shù)；
點(diǎn)擊搜索結(jié)果（用戶主動(dòng)發(fā)起動(dòng)作）：在電商平臺(tái)中，相應(yīng)關(guān)鍵詞所產(chǎn)生的點(diǎn)擊量、點(diǎn)擊用戶數(shù)；
完成下單（達(dá)成預(yù)期目的）：產(chǎn)生下單行為的用戶數(shù)。

第三步，制作漏斗分析模型

從上一步的結(jié)果中，我們?cè)u(píng)估進(jìn)行可以進(jìn)行分析的數(shù)據(jù)維度，并通過(guò)報(bào)表平臺(tái)搭建對(duì)應(yīng)的漏斗圖，展示可以分析的數(shù)據(jù)。

例如我們可以將渠道作為分析維度，將展示、搜索、點(diǎn)擊過(guò)程中產(chǎn)生的曝光量、點(diǎn)擊量作為分析的一個(gè)過(guò)程，也可以通過(guò)點(diǎn)擊/搜索/下單產(chǎn)生的用戶數(shù)，作為分析的一個(gè)過(guò)程，也可以將用戶進(jìn)行分組，查看分組的結(jié)果。

第四步，進(jìn)行漏斗分析

雖然現(xiàn)在可以進(jìn)行數(shù)據(jù)分析了，但在實(shí)際的業(yè)務(wù)場(chǎng)景中，一種現(xiàn)象并不是單一的數(shù)據(jù)結(jié)果所能夠解釋的，往往需要通過(guò)多個(gè)角度的分析，來(lái)還原一個(gè)更準(zhǔn)確和全面的答案。

常見的分析過(guò)程如下：

其一，查看漏斗轉(zhuǎn)化率，將結(jié)果按照渠道、用戶分組進(jìn)行查看，找出轉(zhuǎn)化率明顯偏低的環(huán)節(jié)；

其二，分析數(shù)據(jù)變化的趨勢(shì)，按照時(shí)間，分析當(dāng)前階段，在不同日、周、月、季、年下的變化趨勢(shì)，找出轉(zhuǎn)化波動(dòng)率最大/最小的時(shí)間點(diǎn)；

其三，不同維度對(duì)比，篩選不同的渠道、用戶分組，將轉(zhuǎn)化率和變化趨勢(shì)進(jìn)行對(duì)比。如果不同渠道數(shù)據(jù)相差較大，那么原因可能是某些渠道存在作弊情況；如果是不同手機(jī)型號(hào)存在差異，那么可能是手機(jī)的適配性、網(wǎng)速等存在差異；如果是不同的用戶組存在差異，那么根據(jù)用戶分組方法的不同，如購(gòu)買能力、新老用戶，也可以分析出一部分原因。

其次，如果不能夠得出明確的結(jié)論，需要再返回之前的步驟，思考是按照關(guān)鍵詞進(jìn)行分類，或者是新增某個(gè)環(huán)節(jié)的分析，或者是向其他部門尋求類似場(chǎng)景的分析思路，然后再對(duì)剛才的過(guò)程進(jìn)行復(fù)盤和優(yōu)化，直到找到最可靠的原因。

根據(jù)前文的闡述，我們可以看出，從分析人員的角度出發(fā)，當(dāng)然是工具越自動(dòng)化越好，能夠更快的重復(fù)步驟，找到原因。但是從數(shù)倉(cāng)或者工程人員的角度出發(fā)，其實(shí)這些分析訴求具有高度的不確定性，因此這種高度自動(dòng)化的平臺(tái)很難實(shí)現(xiàn)，更傾向于通過(guò)“提需求”的方式來(lái)人肉完成部分的工作。

從業(yè)務(wù)發(fā)展的角度上看，在公司快速發(fā)展的時(shí)候，分析師與數(shù)倉(cāng)一體化的配合，走部分人肉的方式是無(wú)可厚非的，但當(dāng)規(guī)模增加到一定程度時(shí)，對(duì)于成熟穩(wěn)定業(yè)務(wù)的支持，就需要有工具做配合了，因?yàn)楹芏嗌钊氲姆治黾?xì)節(jié)，人肉的“效費(fèi)比”太低，人力成本上無(wú)法負(fù)擔(dān)。

漏斗分析的進(jìn)階學(xué)習(xí)

在學(xué)習(xí)了一些基本的知識(shí)之后，我們還需要將問(wèn)題進(jìn)行思考，探討那些更加“自動(dòng)化”和“科學(xué)化”的做事方法。

自動(dòng)化，是提升做事情的效率、降低人力成本的最有效途徑，在業(yè)務(wù)發(fā)展平緩的公司中，漲薪的根源，便是節(jié)約“技術(shù)支持”所省下來(lái)的成本。

因此，在漏斗分析這件事情上，我們可以把關(guān)鍵要素抽象出來(lái)，從而為設(shè)計(jì)自動(dòng)化的平臺(tái)作參考。漏斗分析，可以抽象出三要素：

第一，是時(shí)間，指漏斗的轉(zhuǎn)化周期，是從某一環(huán)節(jié)到其他環(huán)節(jié)所消耗的時(shí)長(zhǎng)。在實(shí)際的業(yè)務(wù)過(guò)程中，一般需要根據(jù)業(yè)務(wù)的特定，設(shè)定一個(gè)合理的轉(zhuǎn)化周期，如最近30天，超過(guò)該周期的就不再認(rèn)為是一個(gè)合理的轉(zhuǎn)化。這是設(shè)計(jì)自動(dòng)化產(chǎn)品首要考慮的因素。

第二，是節(jié)點(diǎn)，指漏斗的每一環(huán)節(jié)的配置方法，在業(yè)務(wù)上具備可操作性，同時(shí)也是產(chǎn)品的關(guān)鍵路徑，方便分析人員自由的搭配查看。

第三，是流量，指人群/用戶的點(diǎn)擊、搜索或某個(gè)具體的業(yè)務(wù)動(dòng)作，由于不同人群/用戶在相同漏斗下的轉(zhuǎn)化是不一樣的，因此需要對(duì)人群/用戶進(jìn)行合理的分組，更清晰定位產(chǎn)品特點(diǎn)，得出合理的解釋。

下一步討論“科學(xué)化”的做事，主要指科學(xué)歸因的重要性。

漏斗分析，往往與“歸因分析”相關(guān)，因?yàn)槟軌虻竭_(dá)關(guān)鍵環(huán)節(jié)的動(dòng)作有很多實(shí)際上，業(yè)務(wù)流程轉(zhuǎn)化并非理想中那么簡(jiǎn)單。例如用戶下單某一件商品，可能是因?yàn)榭戳穗娨晱V告、可能是因?yàn)殡S手點(diǎn)擊某個(gè)直播鏈接、也可能是因?yàn)榭戳伺笥逊窒淼呐笥讶χ苯舆M(jìn)行下單。在市場(chǎng)營(yíng)銷的視角里，市場(chǎng)活動(dòng)、線上運(yùn)營(yíng)、郵件營(yíng)銷、電商廣告等，都可能觸發(fā)用戶購(gòu)買。因此需要科學(xué)的判斷，這一次的結(jié)果，是與哪些“原因”相關(guān)，每一次轉(zhuǎn)化節(jié)點(diǎn)應(yīng)根據(jù)事件功勞差異（事件對(duì)轉(zhuǎn)化的功勞大?。┒茖W(xué)設(shè)置。

因此我們往往需要算法的配合，來(lái)正確的識(shí)別，不同的營(yíng)銷渠道在用戶購(gòu)買決策的全流程中，對(duì)用戶影響的“功勞”最大、權(quán)重較大，能夠直接促進(jìn)用戶轉(zhuǎn)化。在進(jìn)行科學(xué)的漏斗分析時(shí)，通過(guò)歸因權(quán)重作為漏斗轉(zhuǎn)化的依據(jù)，能夠大大增大了漏斗分析的科學(xué)性。

通過(guò)上面兩個(gè)例子可以看出，一件事情本身的概念可以是非常簡(jiǎn)單的，但簡(jiǎn)單不代表其好做，因?yàn)閷?shí)際的業(yè)務(wù)是非常復(fù)雜的，需要根據(jù)不同的情況做各種抽象、匯總和升華，這才是分析真正難做的地方。

在當(dāng)下，各個(gè)工種有相互“卷”的趨勢(shì)，比如前端搞后端，后端搞數(shù)據(jù)，數(shù)據(jù)搞分析，分析做業(yè)務(wù)，但其實(shí)只有抓住業(yè)務(wù)的本質(zhì)，才知道這么“卷”下去有沒(méi)有前途，而不僅僅是“為了智能化而智能化”。