用戶行為分析模型

漏斗分析

匯報工作的方式：

問題 解決方案（）需要什么支持， 原因 表達技術： 技術是什么？ 解決什么問題？ 什么時候用？ 怎么用？ 為什么這么用？ 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數據分析，

它能夠科學反映用戶行為狀態以及從起點到終點各階段用戶轉化率情況的重要分析模型。

轉化率是在一個周期內，期望行為目標用戶占總目標用戶的比例， 包含注冊轉化率、購買轉化率、活動轉化率等， 可以衡量一個產品用戶需求強弱、評價產品設計好壞、對比流程和渠道權重。轉化率=期望行為人數 / 總人數

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

• 解決什么問題？

漏斗分析模型已經廣泛應用于流量監控、產品目標轉化等日常數據運營與數據分析的工作中。

漏斗能夠展現出流程中各個階段的轉化率，通過漏斗各環節相關數據的比較,能夠直觀地發現和說明問題所在，從而找到優化方向。

• 用來干什么？

用以評估總體轉化率、各個環節的轉化率，以科學評估促銷專題活動效果等，

通過與其他數據分析模型結合進行深度用戶行為分析，從而找到用戶流失的原因，以提升用戶量、活躍度、留存率，并提升數據分析與決策的科學性

2.特點與價值

• 企業可以監控用戶在各個層級的轉化情況，聚焦用戶選購全流程中最有效轉化路徑；同時找到可優化的短板，提升用戶體驗。

降低流失是運營人員的重要目標，

通過不同層級的轉情況，迅速定位流失環節，針對性持續分析找到可優化點，如此提升用戶留存率。

• 多維度切分與呈現用戶轉化情況，成單瓶頸無處遁形。

科學的漏斗分析能夠展現轉化率趨勢的曲線，能幫助企業精細地捕捉用戶行為變化。

提升了轉化分析的精度和效率,對選購流程的異常定位和策略調整效果驗證有科學指導意義。

• 不同屬性的用戶群體漏斗比較，從差異角度窺視優化思路。

漏斗對比分析是科學漏斗分析的重要一環。

運營人員可以通過觀察不同屬性的用戶群體（如新注冊用戶與老客戶、不同渠道來源的客戶）各環節轉化率，各流程步驟轉化率的差異對比，了解轉化率最高的用戶群體，分析漏斗合理性，并針對轉化率異常環節進行調整。

3.在漏斗分析模型中，科學歸因、屬性關聯的重要性

• 歸因：在科學的漏斗分析中，需要科學歸因設置。

  每一次轉化節點應根據事件功勞差異（事件對轉化的功勞大小）
  而科學設置。

? 以市場營銷為例，市場活動、線上運營、郵件營銷都可能觸發用戶購買。

? A 欲選購一款化妝品，通過市場活動了解 M 產品，后來在百度貼吧了解更多信息，但是始終沒有下定決心購買。后來收到 M 公司的營銷郵件，A 被打折信息及詳實的客戶評價所吸引，直接郵件內跳轉至網站購買了該商品。

? 那么，在漏斗設置時，轉化歸因應該“歸”哪一個渠道呢？

? 在這個案例中，運營人員愿意以實際轉化的事件的屬性為準。

? 郵件營銷的渠道在用戶購買決策的全流程中對用戶影響的“功勞”最大、權重較大，直接促進用戶轉化。

? 在科學的漏斗分析模型中，用戶群體篩選和分組時，以實際轉化事件——郵件營銷來源的用戶群體的屬性為準，則大大增大了漏斗分析的科學性。

• 屬性關聯：定義“轉化”時，要求漏斗轉化的前后步驟有相同的屬性值。

  比如同一 ID（包括品類 ID、商品 ID）才能作為轉化條件——瀏覽 iphone6，購買同一款 iphone6 才能被定義為一次轉化。

4.案例分析

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

場景一：電商行業不同客戶群體的轉化情況

某電商企業客戶根據客戶的消費能力，將客戶劃分為普通會員、黃金會員、鉆石會員。為加強對用戶的轉化引導，F 欲針對不同用戶群體采用不同的運營方式。

場景二：零售行業——中商惠民科學評估站內推廣位的效果

首頁推廣位的效果監控是站內運營重要一環，數據的監測與分析是重要工作，它為站內優化、頁面體驗提升作出指導。運營人員可以通過用戶的點擊轉化率與購買轉化率可以判斷頁面不同推廣位置效果。下圖是中商惠民首頁推廣位“一元促銷”、“清潔專場”兩個Banner轉化率情況對比。

5.如何構建漏斗模型

• 怎么用？

  https://www.sensorsdata.cn/manual/funnel.html
  太陽圖 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

用戶行為分析
行為事件分析

用戶留存分析

用戶行為路徑分析

用戶分群

點擊分析

總結

以上是生活随笔為你收集整理的漏斗分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。