首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >经典的漏斗分析

经典的漏斗分析

作者头像
Spark学习技巧
发布于 2023-03-21 03:50:10
发布于 2023-03-21 03:50:10
8640
举报
文章被收录于专栏:Spark学习技巧Spark学习技巧

01 什么是漏斗分析

漏斗分析是一套流程式的数据分析方法,能够科学地反映各阶段用户转化情况。

漏斗分析模型已经广泛应用于用户行为分析类产品,且功能十分强大:它可以评估总体或各个环节的转化情况、促销活动效果;也可以与其他数据分析模型结合进行深度用户行为分析(如多维下钻分析、用户分群、对比分析等),从而找到用户流失的原因,以提升用户量、活跃度、留存率。

漏斗分析最常用的两个互补型指标是转化率和流失率。举电商的栗子,如上图所示,假如有100人访问某电商网站,有27人支付成功。这个过程共有5步,第一步到第二步的转化率为88%,流失率为12%,第二步到第三步转化率为32%,流失率68%……以此类推。整个过程的转化率为27%,流失率为73%。该模型就是经典的漏斗分析模型。

02 漏斗分析的三个要点

今天,我们还原几个漏斗模型的原貌,让大家对自己产品的漏斗转化有一个更清晰的认识。根据漏斗分析自身特性,我们需要注意三个要点:

1、时间

时间,特指漏斗分析的转化窗口期。窗口期是指用户完成转化的时间,用户在设定的窗口期内完成完整的转化流程才算做转化成功。举个例子,窗口期设为10分钟的话,“点击视频”为起始事件,选择“视频加载”、“视频播放”、“视频播放完成”为漏斗事件。用户“点击视频”后,10分钟内,用户按顺序完成所有的所选事件,才会被算作完成转化的用户。如果在10分钟内,用户仅完成了“视频加载”事件,那么该用户被算作是在“视频加载”->“视频播放”过程中流失的用户。

2、事件

每一层漏斗,就是一个漏斗事件。其中,最核心的指标就是转化率,公式如下:

转化率 = 本层事件转化人数/上层事件转化人数

3、用户

我们可以在相同的转化漏斗下,通过属性对用户进行划分,快速查看不同类型用户的转化情况。

03 主流漏斗应用

比较经典的漏斗分析模型有两种:一种是「用户注册流程」,一种是「平台付费转化」。

「用户注册流程」,壮实给大家粗略地勾勒一个用户行为漏斗:

运营过程中,如果我们发现某一天的注册用户数出现波动,除了去查一下市场渠道及广告投放,产品本身的注册功能也可能是出现这个问题的重要因素。

如「平台付费转化」,转化漏斗大致如下:

以上的转化漏斗都没有一个定论,需要大家根据自身的业务实际情况来制定自己的转化漏斗。

此外,对于产品的非功能界面,比如某个活动页,公司简介页等等,用户可能不会按照我们既定的流程到达,那么就要根据自身目标来确认这类非功能界面的转化流程。

当然,数据只有在比较中才有价值。我们需要对于同行业同类数据的转化情况了如指掌,在不低于行业平均水准的情况下,尽可能降低转化过程中的用户流失。

04 场景:如何提高关键节点转化率

现实的世界,并非是简单的数据逻辑结构,很多结果都是多种原因综合导致的。

站在多种角度去分析同一个问题,往往可以得到一个更全面准确的答案。

下面我们将结合漏斗的三个要点来做一个深度案例分析,通过运用数据分析的经典方法“拆分”与“对比”定位问题,给出解决方案。

1、发现问题节点

举个例子(以下数据均为非真实数据),下图是某电商App的转化漏斗。我们可以看到,「提交订单」的事件之前的转化率都比较高,但从「提交订单」到「支付订单」的流程中,转化率急剧降低至7%,「支付订单」可能就是需要改进的地方。

tip:转化率低的节点,通常就是问题所在

2、问题分析

确定问题节点为「支付订单」后,我们开始分析该界面数据。研究单一界面,可以使用的分析方法包括:

  • 在事件分析中查看「支付订单」事件的各项指标数据,例如停留时长等。
  • 在事件分析中,进一步进行多维分析。 如对「支付订单」总人数这一指标的公共属性进行对比分析,如新老用户、App版本型号、手机品牌等,看是否有明显的异常。

我们发现:用户在点击「支付订单」的停留时间长达105秒,这与所需经验时长不符。

3、问题拆分

因为用户在「支付订单」阶段停留的时间过长,我们开始排查问题。

随后我们发现,我们在分析时漏掉了转化漏斗的一个层级,“提交订单->支付订单”应该更正为“提交订单->选择付款方式->支付订单”。重新审视转化漏斗后我们发现,「选择付款方式」到「支付订单」的转化率较低,为9%。

通过对问题拆分,我们重新定位问题节点为「选择付款方式」到「支付订单」。

tip:对问题进行拆分,可以帮助我们深入理解问题。

4、数据对比

问题聚焦到「选择付款方式」到「支付订单」这一环节后,我们开始分析「付款成功」和「付款失败」的用户有什么不同。观察不同手机品牌用户的付款情况时,我们发现:

如上图所示,使用1、2两种品牌手机的用户,“付款失败”的比例较高。将品牌1、2的手机与其他品牌手机对比后,我们发现,这两个品牌的手机相对小众、低端。

而后,我们测试了品牌1和品牌2的几个机型,针对「选择付款方式」界面进行体验,发现存在以下问题:

  • App适配存在问题:App主要适配了主流机型,没有考虑到小众机型兼容性差的问题;
  • 界面卡顿严重:长达15秒以上的空白界面,严重消耗用户耐心。

于是我们做出以下改善:

  • 紧急上线针对小众品牌手机的修复版本;
  • 优化界面加载速度。 包括切割、压缩、删减图片,优化框架,增加预加载策略等,让「选择付款方式」这一界面的加载速度提升至5秒以内;
  • 优化等待界面。用户选择完付款方式,等待付款成功的过程中,在页面上增加等待动画,给用户卖个萌,降低用户等待时的焦虑感。

5、效果验证

界面优化后,我们的漏斗转化流程有明显改善:

通过我们的改善动作,「选择付款方式」到「支付订单」的转化率,从之前的9%上升到了63% ,这是一个非常大的收益。

PS:在转化漏斗的改进中,还可以对界面之间的流转效果进行分析,删去一些不必要的环节,从而提升漏斗转化率。

漏斗分析是用来分析问题的方法,更重要的是,案例背后进行数据分析的思考方式:

  • 通过对比分析,找出数据的差异,定位异常数据;
  • 通过拆分问题,把复杂事件拆分,精准找到原因。
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2023-01-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 浪尖聊大数据 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
数据运营实战(二):细分漏斗画像,改善关键节点
本文讲述了通过数据运营、用户分群、漏斗分析、页面分析等方法和工具,对提升电商App的转化率所做的分析和实践。通过细致的数据拆分、交叉对比、以及页面体验优化,找到了影响转化率的主要因素,并进行了针对性的优化,最终提升了电商App的转化率。
腾讯大数据
2017/09/13
1.6K0
数据运营实战(二):细分漏斗画像,改善关键节点
数据驱动运营案例
作者:腾讯大数据 全文共 6212 字,阅读需要 12 分钟 —— BEGIN —— 数据分析对于运营来说是一个数据抽象的过程。 现实情况是连续的、复杂的、互相影响的,而数据抽象的过程,就是将这些复杂多变的现实情况简化为数字量,搭建数据模型,计算相关因子,推断事件归因,并推进自身改进优化。 由于现实的复杂性,我们作为产品、运营或者数据分析师,在实际问题处理时,就需要做归因分析,需要屏蔽其他因子的干扰,因此我们常常使用用户分群。 分群后,我们的用户群可能简化为: 在每一个分群下,我们可以简化地对比某个
陆勤_数据人网
2018/02/28
2K0
数据驱动运营案例
用户画像有什么用?怎样用?6个场景案例给你讲明白
在大数据分析中,对用户行为进行分析挖掘又是一个重要的方向,通过对用户行为进行分析,企业可以了解用户从哪里来,进入平台后进行了哪些操作,什么情况下进行了下单付款,用户的留存、分布情况是怎样的等。
IT阅读排行榜
2020/05/17
1.3K0
带你走进网站分析的世界!
来源:书籍《网站分析实战》读书笔记 第42篇 ▼ (本文框架) 网站分析基本概念 网站分析的目的: 首先明确网站的目的是什么?大部分网站的目的是盈利,而网站分析的目的就是为了更好的完成网站的目的。 网站分析流程: 网站分析也是数据分析的一种,所以其分析流程也是发现问题、分析问题和解决问题的过程。点击查看:关于数据分析:你想知道的都在这里! 网站分析主要指标: ● 浏览量PV——页面被加载的总次数。 ● 唯一身份浏览量Unique PV——同一用户在同一个会话期间的综合访问次数,主要是避免页面的
张俊红
2018/04/11
1.3K0
带你走进网站分析的世界!
八大数据分析模型之——漏斗分析模型(三)
比如:教育培训类产品的用户,从首页进入到最终完成支付的行为,大多需要经过搜索课程,查看课程详情、点击购买、立即支付、支付成功,我们需要将按照流程操作的用户进行各个转化层级上的监控,寻找每个层级的可优化点;对没有按照流程操作的用户绘制他们的转化路径,找到可提升用户体验,缩短路径的空间。
双面人
2019/07/15
3.7K0
八大数据分析模型之——漏斗分析模型(三)
漏斗分析:开环漏斗和闭环漏斗有什么区别?
在用户行为分析或产品流量分析工作中,漏斗分析是一种非常常见的分析方法。通过漏斗分析发现用户流失的关键环境,从而针对性地进行产品功能或运营策略地优化。在进行漏斗分析产品功能的设计时,需要搞清楚漏斗步骤的数据统计逻辑,这样才能更强契合实际的应用场景。根据漏斗各个步骤之间的数据处理逻辑不同,可将漏斗分为开环漏斗和闭环漏斗。
数据干饭人
2022/12/05
1K0
漏斗分析:开环漏斗和闭环漏斗有什么区别?
DAU是啥,数据指标是啥?必知必会的数据分析常识
在刚迈入数据的大门时,我经常对一些数据指标或者数据本身的概念很模糊,尤其是当跟运营、数据分析师扯需求的时候,会被这些密密麻麻的指标给弄糊涂。为了更好的在行业里面摸打滚爬,花了很多时间阅读一些指标相关的文章、书籍,总算解决了这个问题。
Datawhale
2021/01/07
8.2K0
DAU是啥,数据指标是啥?必知必会的数据分析常识
数据分析:浅谈漏斗分析
说起数据分析,很多人把精力放在了各种高大上的数据模型上。事实上,比较常见的一些数据分析方法,往往都不是什么非常高深的学问,在实践中,涉及到的方法论或者复杂性,其实是远低于学校里学习的专业知识。而我们非常看重数据分析,本质是看重“数据”,以及利用数据来做的“分析”,好的结论不一定有多么高大上的模型,但它一定有数据作为支持。
Python数据科学
2021/08/10
9560
数据分析:浅谈漏斗分析
APM(应用性能管理)漏斗分析使用
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。
小爷毛毛_卓寿杰
2019/02/13
1.5K0
APM(应用性能管理)漏斗分析使用
网易数据分析业务面试笔试题
用户分析是电商数据分析中重要的模块,在对用户特征深度理解和用户需求充分挖掘基础上,进行全生命周期的运营管理(拉新—>活跃—>留存—>价值提升—>忠诚),请尝试回答以下3个问题:
数据STUDIO
2023/02/24
8960
网易数据分析业务面试笔试题
一文讲透如何做数据分析和指标体系
本文内容基于自己从事支付领域从0到1搭建支付业务数据分析实战经验。如果你对写代码念念不忘,可以看我的历史文章,有很多代码相关的内容。
Spark学习技巧
2023/12/01
9700
一文讲透如何做数据分析和指标体系
产品数据分析模型之漏斗分析
“ 在产品、运营及营销的日常业务运营过程中,常常需要我们快速了解业务或活动的运转健康状况,分析找出瓶颈或问题,并制定相应的解决方案。如我们会遇到在各个渠道投放广告进行用户增长,但用户增长率很低;策划精彩的文案进行push推送,发现用户点击寥寥无几;商品浏览用户很多,下订单的用户没有几个。等等一系列问题都可以通过漏斗分析帮助我们分析进行改善。
产品言语
2022/06/02
1.5K0
产品数据分析模型之漏斗分析
用户行为分析模型实践(二)—— 漏斗分析模型
在《用户行为分析模型实践(一)—— 路径分析模型》中,讲述了基于平台化查询中查询时间短、需要可视化的要求,并结合现有的存储计算资源以及具体需求,我们在实现中将路径数据进行枚举后分为两次进行合并。
2020labs小助手
2022/05/06
1.8K0
用户路径的分析结果_用户账号文件的路径
用户行为分析是数据分析中非常重要的一项内容,在统计活跃用户,分析留存和转化率,改进产品体验、推动用户增长等领域有重要作用。单体洞察、用户分群、行为路径分析是用户行为数据分析的三大利器。
全栈程序员站长
2022/09/23
1.2K0
用户路径的分析结果_用户账号文件的路径
营销数据分析助力科学决策,实现精准营销
数字营销浪潮下,广告主漫天撒网式的广告投放已然失效,因此,我们听到了很多有关于精准营销、精准传播的概念。
盈鱼MA
2020/08/11
2.2K0
营销数据分析助力科学决策,实现精准营销
九种常见的数据分析模型
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。
大数据学习与分享
2020/11/03
2.1K0
九种常见的数据分析模型
精细化用户增长案例:事件、留存、漏斗分析方法是什么?
事件分析法的应用领域非常广泛,不同学者从本领域视角对其进行了阐述。事件研究是根据某一事件发生前后的资料统计,采用特定技术测量该事件影响性的一种定量分析方法。
1480
2020/02/19
1.1K0
基于用户行为明细数据的画像分析
行为明细数据包含五个要素:WHO、WHEN、WHERE、HOW、WHAT,明细数据记录了用户在什么时间点通过哪个功能模块以何种方式操作了什么内容。行为明细数据大部分来自用户操作日志,经过大数据实时处理后存储到合适的数据存储引擎中,本节所有行为明细数据都存储到ClickHouse表中。
张叔叔讲互联网
2023/10/26
6920
基于用户行为明细数据的画像分析
数据分析必读干货:简单而实用的3大分析方法
在一家年销售不到10亿的电商公司(行业中大部分电商企业年销售可能都不到1个亿),你只要掌握一些基础的数据分析方法,再配合Excel表格,就足够你完成各种数据化运营工作了。
IT阅读排行榜
2020/10/09
1.4K0
数据分析必读干货:简单而实用的3大分析方法
想要“延长产品生命周期”?看这里~看这里~看这里!
对于产品汪和市场喵们,在平时的产品决策和推广中,难免经常听到“产品生命周期“这么个理论。今天我们就来普及一下,作为一款移动互联网的产品,如何定位自己的所处周期,如何判断产品发布效果、市场推广效果,同时洞察互联网行业的发展趋势,来延长产品生命周期,获得更大的价值和效益。 1首先普及概念: ‍ ”产品生命周期(product life cycle),简称PLC,是产品的市场寿命,即一种新产品从开始进入市场到被市场淘汰的整个过程。产品和人的生命一样,要经历形成、成长、成熟、衰退这样的周期。就产品而言,也就是要经
腾讯大数据
2018/01/26
2K2
推荐阅读
相关推荐
数据运营实战(二):细分漏斗画像,改善关键节点
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档