|0x00 什么是漏斗分析

說起數(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，在實踐中，涉及到的方法論或者復(fù)雜性，其實是遠(yuǎn)低于學(xué)校里學(xué)習(xí)的專業(yè)知識。而我們非?？粗財?shù)據(jù)分析，本質(zhì)是看重“數(shù)據(jù)”，以及利用數(shù)據(jù)來做的“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，都在強調(diào)數(shù)據(jù)的重要性，不論是市場調(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)的整個生命周期。

今天我們來講一個原理非常簡單，但卻非常實用的分析方法：漏斗分析。

說起漏斗分析，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)的評估一種業(yè)務(wù)過程，從起點到終點，各個階段的轉(zhuǎn)化情況。通過可以量化的數(shù)據(jù)分析，幫助業(yè)務(wù)找到有問題的業(yè)務(wù)環(huán)節(jié)，并進(jìn)行針對性的優(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”作為輔助的說明。這是因為在電商模式下，我們所做的每一項活動，都與用戶有著直接或者間接的聯(lián)系，而我們活動的本質(zhì)也都是一樣的：為了讓用戶成為持久的消費者。

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

|0x01 漏斗分析的作用

漏斗分析，是一個非常經(jīng)典的模型，自問世以來，衍生出了諸如AARRR用戶增長模型、SICAS用戶行為消費模型等衍生版本，基本上是各類分析報表的標(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。

例如，在用戶運營領(lǐng)域，漏斗對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，判斷每個環(huán)節(jié)的設(shè)計是否存在缺陷。典型的如用戶注冊場景，從引導(dǎo) - 注冊 - 分享 - 進(jìn)入首頁，往往在分享這個環(huán)節(jié)，轉(zhuǎn)化率非常低，那么我們就要考慮是否放棄這個環(huán)節(jié)，或者有什么其他的優(yōu)化動作。

例如，在自媒體運營方向，假設(shè)一個自媒體賬號有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)行了付費打賞。那么這個10W - 1W - 1K - 100也是典型的漏斗環(huán)節(jié)，用戶付費轉(zhuǎn)化率就是0.1%。如果需要提升付費轉(zhuǎn)化率，需要以這個數(shù)據(jù)作為依據(jù)，來判斷到底是應(yīng)該打廣告來增加閱讀量，還是引導(dǎo)用戶多收藏文章。

以上是兩個非常簡單的例子，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、為什么注冊步驟轉(zhuǎn)化率非常低？

2、為什么很多人下單了卻沒有支付？

3、為什么某個渠道量很大，但點擊率卻非常低？

4、如果不做瀏覽器的適配，那么會損失多大的用戶規(guī)模？

5、進(jìn)入首頁卻沒有下單的用戶，接下來都去了哪里？

...

一個設(shè)計科學(xué)的漏斗分析體系，能夠快速解答和分析這些問題，是可以實實在在的改善業(yè)務(wù)、提升業(yè)務(wù)收入的。

漏斗分析的作用，有兩個大的特點：

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、流量在各個業(yè)務(wù)階段的轉(zhuǎn)化情況，及時對低轉(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比，針對不同的人群、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，從而提升運營精度和效率。

接下來我們講解一下如何進(jìn)行“漏斗分析”。

|0x02 如何進(jìn)行漏斗分析

按照慣例，我們通過“分解”的形式，來一步一步的闡述這個分析過程。

第一步，還原業(yè)務(wù)關(guān)鍵過程

前文提到過，漏斗分析是針對業(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業(yè)務(wù)過程的關(guān)鍵步驟，并驗證其是否是可以通過漏斗進(jìn)行分析。

例如，在電商廣告場景下，廣告主可以通過各種方法，向用戶宣傳自己的產(chǎn)品。這時候，用戶會根據(jù)宣傳的曝光詞，點擊搜索框進(jìn)入到搜索頁面，這時候會根據(jù)平臺提示的關(guān)鍵詞進(jìn)行搜索，或者是主動發(fā)起搜索，到達(dá)搜索呈現(xiàn)的結(jié)果頁之后，再進(jìn)行相應(yīng)的點擊行為，并完成最終下單。

這個時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） - 點擊搜索結(jié)果（用戶主動發(fā)起動作） - 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、點擊量、點擊用戶數(shù)； 

搜索關(guān)鍵詞（用戶產(chǎn)生興趣）：在電商平臺中，不同關(guān)鍵詞所產(chǎn)生的搜索量、搜索用戶數(shù)；

點擊搜索結(jié)果（用戶主動發(fā)起動作）：在電商平臺中，相應(yīng)關(guān)鍵詞所產(chǎn)生的點擊量、點擊用戶數(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，我們評估進(jìn)行可以進(jìn)行分析的數(shù)據(jù)維度，并通過報表平臺搭建對應(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、點擊過程中產(chǎn)生的曝光量、點擊量作為分析的一個過程，也可以通過點擊/搜索/下單產(chǎn)生的用戶數(shù)，作為分析的一個過程，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，但在實際的業(yè)務(wù)場景中，一種現(xiàn)象并不是單一的數(shù)據(jù)結(jié)果所能夠解釋的，往往需要通過多個角度的分析，來還原一個更準(zhǔn)確和全面的答案。

常見的分析過程如下：

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，按照時間，分析當(dāng)前階段，在不同日、周、月、季、年下的變化趨勢，找出轉(zhuǎn)化波動率最大/最小的時間點；

其三，不同維度對比，篩選不同的渠道、用戶分組，將轉(zhuǎn)化率和變化趨勢進(jìn)行對比。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；如果是不同手機型號存在差異，那么可能是手機的適配性、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，或者是新增某個環(huán)節(jié)的分析，或者是向其他部門尋求類似場景的分析思路，然后再對剛才的過程進(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)然是工具越自動化越好，能夠更快的重復(fù)步驟，找到原因。但是從數(shù)倉或者工程人員的角度出發(fā)，其實這些分析訴求具有高度的不確定性，因此這種高度自動化的平臺很難實現(xiàn)，更傾向于通過“提需求”的方式來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)展的時候，分析師與數(shù)倉一體化的配合，走部分人肉的方式是無可厚非的，但當(dāng)規(guī)模增加到一定程度時，對于成熟穩(wěn)定業(yè)務(wù)的支持，就需要有工具做配合了，因為很多深入的分析細(xì)節(jié)，人肉的“效費比”太低，人力成本上無法負(fù)擔(dān)。

|0xFF 漏斗分析的進(jìn)階學(xué)習(xí)

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

自動化，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，從而為設(shè)計自動化的平臺作參考。漏斗分析，可以抽象出三要素：

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

第二、是節(jié)點，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/用戶的點擊、搜索或某個具體的業(yè)務(wù)動作，由于不同人群/用戶在相同漏斗下的轉(zhuǎn)化是不一樣的，因此需要對人群/用戶進(jìn)行合理的分組，更清晰定位產(chǎn)品特點，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)，因為能夠到達(dá)關(guān)鍵環(huán)節(jié)的動作有很多實際上，業(yè)務(wù)流程轉(zhuǎn)化并非理想中那么簡單。例如用戶下單某一件商品，可能是因為看了電視廣告、可能是因為隨手點擊某個直播鏈接、也可能是因為看了朋友分享的朋友圈直接進(jìn)行下單。在市場營銷的視角里，市場活動、線上運營、郵件營銷、電商廣告等，都可能觸發(fā)用戶購買。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)點應(yīng)根據(jù)事件功勞差異（事件對轉(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，來正確的識別，不同的營銷渠道在用戶購買決策的全流程中，對用戶影響的“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，通過歸因權(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。

通過上面兩個例子可以看出，一件事情本身的概念可以是非常簡單的，但簡單不代表其好做，因為實際的業(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，各個工種有相互“卷”的趨勢，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)，但其實只有抓住業(yè)務(wù)的本質(zhì)，才知道這么“卷”下去有沒有前途，而不僅僅是“為了智能化而智能化”。

-END-