漏斗分析
1. 什么是“漏斗模型”
漏斗模型帮助你分析一个多步骤过程中每一步的转化与流失情况。
举例来说,用户购买商品的完整流程可能包含以下步骤:
- 浏览商品
- 将商品添加进购物车
- 结算购物车中的商品
- 选择送货地址、支付方式
- 点击付款
- 完成付款
你可以将如上流程设置为一个漏斗,分析整体的转化情况,以及每一步具体的转化率和转化中位时间。同时也可以借助强大的筛选和分组功能进行深度分析。
2. 漏斗界面功能简介
2.1.创建漏斗
点击界面右侧顶部的“创建漏斗”按钮,会滑出“创建漏斗”面板。
a.漏斗名称
必填项。给你的漏斗取一个具有代表性的友好名称。同一项目内,漏斗不可重名。你创建的漏斗对同一项目中的其他用户也可见。
b.漏斗窗口期
如“漏斗完成有时间限制吗”中所解释的。你需要在这里根据漏斗的性质选择合理的有效期。默认漏斗有效期为30天。1.4 及以后的版本中,除了下拉框中提供的有限选项以外,窗口期也可以由使用者自定义,最短 1 分钟,最长 3650 天。
c.漏斗步骤
一个漏斗中至少包含2个步骤,每个步骤对应一个事件(可附带一个或多个筛选条件)。
举例来说,某个步骤可以是触发“注册”且“使用了邀请码”。或者,“购买”且“品类”等于“女装”等。
拖动步骤前的序号可以改变步骤顺序。
1.4 及以后的版本,支持给漏斗步骤增加别名,在显示时更加方便易读。
d. 增加步骤
给漏斗增加更多步骤。
e. 保存漏斗
点击该按钮,保存新漏斗。
2.2 分析漏斗
a. 切换漏斗,按分组查看,筛选
在这个区域,你可以切换需要展示的漏斗数据,或者对现有漏斗查询进行分组和筛选。
如果这里选择的属性是数字类型,可以自定义分组区间。如果没有设置,查询引擎会动态计算分组区间。此设置仅在当前查询生效,将查询保存为书签后在书签中也生效。
b. 选择查询的时间范围,展示漏斗图表
在这个区域,你可以切换查询的时间范围,并查看相应的漏斗图形,直观地感受每个步骤的转化情况。
c. 查看漏斗总览,或每个步骤的转化详情
当选择“总览”时,表格中的数据代表每个步骤的转化人数,和相对上一个步骤的转化率。
当选择某个具体步骤时,可以查看两个步骤之间的流失用户数、转化用户数、转化时间中位数和转化率。
d. 浏览用户详情
表格的单元格内的对应数字是可以点击的,点击则会浏览这些用户的用户列表,并进一步浏览其中某个特定用户的用户行为序列。
e. 分析某个特定的步骤
点击某个步骤对应的箭头,可以详细浏览这个步骤的转化情况,可以看到流失用户和转化用户的数量,并且点击可以进一步浏览这些用户的列表以及行为序列,也可以看到转化时间的中位数,用以描述这个转化是否迅速。
2.3 修改、删除漏斗
点击漏斗下拉列表中的“铅笔”图标,可以在滑出的“编辑漏斗”面板中编辑该漏斗。
点击左下角的“删除漏斗”按钮,可以删除当前漏斗。
3. 漏斗是如何计算的
在这个文档里面,我们将会详细描述漏斗分析的计算规则,特别是在有筛选和分组情况下的计算规则,以便使用者更好地解读漏斗分析的结果。同时,我们也会针对一些常见的分析场景,给出漏斗分析的使用案例,帮助使用者更好地使用这一功能。
在介绍漏斗分析的计算规则之前,需要有一些基本概念进行介绍:
- 步骤:由一个 元事件/虚拟事件 加一个或者多个筛选条件组成,表示一个转化流程中的一个关键性的步骤;
- 时间范围:在界面上选择的时间范围,是指漏斗的第一个步骤发生的时间范围;
- 窗口期:用户完成漏斗的时间限制,也即只有在这个时间范围内,用户从第一个步骤,行进到最后一个步骤,才能被视为一次成功的转化;
3.1 基本计算规则
假设一个漏斗中包含了 A、B、C、D、E 五个步骤,选择的时间范围是2015年1月1日到2015年1月3日,窗口期是1天,那么,如果用户在2015年1月1日到2015年1月3日触发了步骤A,并且在步骤A发生的1天内,依顺序依次出发了B、C、D、E,则视作该用户完成了一次成功的漏斗转化。
在这个过程中,如果穿插了一些其它的步骤或者行为,例如在满足时间限制的情况下,用户的行为顺序是A>X>B>X>C>D>X>E,X代表任意一个事件,则该用户依然视作完成了一次成功的漏斗转化。
如果该用户在这个事件限制范围内,依次触发了 A>B>C>E,则该用户没有完成该漏斗的转化,并且会被记作步骤C的流失用户。
3.2 漏斗中展示的数字代表什么
漏斗分析中展示的数字代表转化/流失的独立用户数,而非触发的事件次数。在该时间范围内,即使一个用户多次完成漏斗,也仅计数一次。
3.3 筛选条件的含义
和其它分析功能一样,漏斗分析也提供了筛选功能,需要特别强调的是,漏斗分析的筛选,都是对已经 完成转化/每一步确认流失 的用户,再进行二次挑选。
漏斗分析的筛选,包括三种不同的筛选类型,我们以一个有三个步骤A、B、C,时间范围是2015年1月1日到1月8日,窗口期为3天的漏斗来分别进行更加详细的说明:
- 用户Profile上的筛选:这个筛选类型比较好理解,是在已经 完成转化/每一步确认流失 的用户的基础上,根据这个用户的Profile,在来进行更进一步的筛选。例如,我们添加的筛选条件是“性别”为“男”,则只有Profile中“性别”为“男”的用户,才满足这个筛选条件,并且出现在筛选后的漏斗分析结果中;
- 预置属性的筛选:目前在漏斗的筛选中,预置属性是与事件无关并单独列出来的,假设,我们选择了一个筛选条件是预置属性“省份”为“湖北”,这个筛选表示,在 完成转化/每一步确认流失 的用户中,找到那些在1月1日到1月11日(时间范围加上窗口期的结果)这个时间范围内,A、B、C三个步骤中任意一个第一次触发时,“省份”的值为“湖北”的那些用户;下面是几个具体的例子:
- 某个用户在这个时间段内的行为序列是D、B、C、A、E、A、F、B、C,这个用户是满足漏斗的转化的,而由于他的行为序列中,A、B、C三个事件中第一次出现的是B,并且这个B的“省份”值为“北京”,所以这个用户虽然满足漏斗的转化条件但是却不满足这个筛选条件,不会出现在任何统计结果中;
- 某个用户在这个时间段内的行为序列是A、E、A、F、B、D,这个用户不满足漏斗的转化的条件,被记作在B这一步流失,而由于他的行为序列中,A、B、C三个事件中第一次出现的是A,并且这个B的“省份”值为“湖北”,所以这个用户满足了筛选条件,会被记作在B这一步流失;
- 非预置属性的筛选:在漏斗筛选中,非预置属性与预置属性最大的区别就是与事件相关,假设,我们选择了一个筛选条件是事件C的属性“支付方式”为“支付宝”,这个筛选表示,在 完成转化/每一步确认流失 的用户中,找到那些在1月1日到1月11日(时间范围加上窗口期的结果)这个时间范围内,C这个步骤第一次触发时,“支付方式”的值为“支付宝”的那些用户;下面是几个具体的例子:
- 某个用户在这个时间段内的行为序列是D、B、C、A、E、A、F、B、C,这个用户是满足漏斗的转化的,而在他的行为序列中,第一次出现的C的“支付方式”值为“微信支付”,第二次出现的C的“支付方式”值是“支付宝”,所以这个用户虽然满足漏斗的转化条件但是却不满足这个筛选条件,不会出现在任何统计结果中;
- 某个用户在这个时间段内的行为序列是D、C、A、E、A、F,这个用户是不满足漏斗的转化并且在A这一步之后流失的,而在他的行为序列中,第一次出现的C的“支付方式”值为“支付宝”,所以这个用户满足了筛选条件,会被记作在A这一步后流失。
3.4 分组的含义
和其它分析功能一样,漏斗分析也提供了分组功能,需要特别强调的是,漏斗分析的分组,都是对已经 完成转化/每一步确认流失 的用户的集合上进行分组。
漏斗分析的分组,包括三种不同的分组类型,我们以一个有三个步骤A、B、C,时间范围是2015年1月1日到1月8日,窗口期为3天的漏斗来分别进行更加详细的说明:
- 用户Profile上的分组:这个分组比较好理解,是在已经 完成转化/每一步确认流失 的用户的集合,根据这个用户的Profile,在来进行更进一步的分组。例如,我们添加的分组条件是“性别”,那么,就会分别对漏斗分析的结果按照“男”、“女”来进行分组;
- 预置属性的分组:目前在漏斗的分组中,预置属性是与事件无关并单独列出来的;例如,我们选择的分组设置是预置属性“省份”,则这个分组表示,在 完成转化/每一步确认流失 的用户中,根据他们在1月1日到1月11日(时间范围加上窗口期的结果)这个时间范围内,A、B、C三个步骤中任意一个第一次触发时,“省份”这个属性的值来对他们进行分组;下面是几个具体的例子的描述:
- 某个用户在这个时间段内的行为序列是D、B、C、A、E、A、F、B、C,这个用户是满足漏斗的转化的,而由于他的行为序列中,A、B、C三个事件中第一次出现的是B,并且这个B的“省份”值为“北京”,所以这个用户会被划分到“北京”这个分组的统计结果中,并被算作转化;
- 某个用户在这个时间段内的行为序列是A、E、A、F、B、D,这个用户不满足漏斗的转化的条件,被记作在B这一步流失,而由于他的行为序列中,A、B、C三个事件中第一次出现的是A,并且这个A的“省份”值为“湖北”,所以这个用户会被划分到“湖北”这个分组的统计结果中,并被记作在B这一步流失;
- 非预置属性的分组:在漏斗分组中,非预置属性与预置属性最大的区别就是与事件相关;例如,我们添加的分组条件是事件C的属性“支付方式”,这个分组就表示,在 完成转化/每一步确认流失 的用户中,根据他们在1月1日到1月11日(时间范围加上窗口期的结果)这个时间范围内,C这个步骤第一次触发时,“支付方式”的值来对他们进行分组;下面是几个具体的例子的描述:
- 某个用户在这个时间段内的行为序列是D、B、C、A、E、A、F、B、C,这个用户是满足漏斗的转化的,而在他的行为序列中,第一次出现的C的“支付方式”值为“微信支付”,第二次出现的C的“支付方式”值是“支付宝”,所以这个用户将会被划分到“微信支付”这个分组中,并被统计为成功转化;
- 某个用户在这个时间段内的行为序列是D、C、A、E、A、F,这个用户是满足漏斗的转化的,而在他的行为序列中,第一次出现的C的“支付方式”值为“支付宝”,所以这个用户会被划分到“支付宝”这个分组中,并被记作在A这一步后流失。
4. 一些典型的使用场景
4.1 特定品类的转化分析
电商类型的客户,通常不同品类都有不同的引导页、产品列表页和商品详情页,这些都被设计成了对应的事件,并且都包含“品类”这个属性。
如果想分析某个特定品类,例如“电脑”的转化,即访问了“电脑”品类的引导页,再访问了“电脑”品类的产品列表页,再访问了“电脑”品类的商品详情页,那么,应该如何创建漏斗?
可以这样设置漏斗的三个步骤:
- 第一个步骤,事件是“访问引导页”,筛选条件是“品类”等于“电脑”;
- 第二个步骤,事件是“访问产品列表页”,筛选条件是“品类”等于“电脑”;
- 第三个步骤,事件是“访问商品详情页”,筛选条件是“品类”等于“电脑”。
那么,这个漏斗的分析结果就可以精确地解决客户的这个需求。
需要特别注意的是,下面这个漏斗分析的结果含义是完全不一样的,即创建一个漏斗,三个步骤分别是“访问引导页”、“访问产品列表页”、“访问商品详情页”,然后添加筛选条件是某个事件的“品类”等于“电脑”,关于筛选的具体含义,在上面已有介绍。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。