1. 基本概念介绍

在介绍漏斗分析之前，需要有一些基本概念进行介绍：

1. 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
2. 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
3. 窗口期：用户完成漏斗的时间限制，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

2. 漏斗分析概述

2.1. 概述

漏斗模型主要用于分析一个多步骤过程中每一步的转化与流失情况，通过分析漏斗模型中每一步的指标，对业务的转化一目了然

举例来说，用户购买商品的完整流程可能包含以下步骤：

1. 浏览商品
2. 将商品添加进购物车
3. 结算购物车中的商品
4. 选择送货地址、支付方式
5. 点击付款
6. 完成付款

可以将如上特定目标过程中的行为设置为一个漏斗，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；同时可以借助神策强大的筛选和分组功能进行深度分析，帮助您发现潜在的问题点，优化用户体验，提高转化率

本文档将提供详细的指导，帮助您理解和使用漏斗分析，结合产品功能以及应用场景，您将理解并掌握：

-如何运用神策漏斗分析

-漏斗分析应用场景

查看漏斗分析功能应用示例

2.2. 常用分析场景

• 营销活动效果评估：评估不同营销活动对用户转化率的影响，确定哪些营销活动最有效，以及在营销漏斗的哪个阶段用户流失最多
• 销售转化优化：分析潜在客户从了解产品到最终购买的转化过程，识别销售过程中的瓶颈，优化销售策略，提高转化率
• 用户注册流程优化：跟踪用户从访问网站到完成注册的整个流程，简化注册流程，减少潜在用户的流失
• 产品购买流程分析：监测用户从浏览商品到加入购物车，再到完成购买的每一步，优化产品展示和购买流程，减少购物车放弃率
• 应用下载和激活：分析用户从看到应用广告到下载、安装并激活应用的转化过程，提高应用的下载量和用户激活率
• 客户服务和支持：比较不同营销渠道（如社交媒体、搜索引擎、电子邮件营销）的用户转化效率，改善客户服务流程，提升客户满意度

这些场景展示了漏斗分析在不同行业中的多样性和灵活性，它可以帮助企业在多个层面上优化用户体验和业务流程

2.3. 适用角色

3. 漏斗分析功能简介

3.1. 漏斗分析基础功能

漏斗分析的模块组成为：

• 漏斗类型
• 漏斗分析条件配置区
• 漏斗模版
• 漏斗图表展示区

3.1.1. 漏斗类型

漏斗分析提供两种漏斗的统计方式，帮助您衡量不同的用户行为指标

1、按人数分析

• 漏斗分析的默认统计方式
• 定义：关注的是独立用户的数量，清晰的展示每个关键节点的用户数，便于监控用户的流失点
• 漏斗中的数字意义：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
• 应用场景：
  1. 会员获取：分析新用户从了解产品到成为付费客户的转化过程

2、按次数分析

• 本功能为高级功能，默认不开启，如有需要，请联系客户成功开启本功能
• 定义：用户开始一次有序的漏斗行为中，各步骤行为可能发生多次，通过建立次数漏斗，可以更详细地分析各步骤的转化效率
• 漏斗中的数字意义：数字代表代表每次转化，一个用户在所选时间范围内触发一次起始事件，就会开始统计一次转化
• 应用场景：
  1. 计算商品推荐准确度，业务流程：浏览推荐商品列表➞点击商品
  2. 发现产品体验问题，业务流程：APP激活➞登录成功

3.1.2. 漏斗分析条件配置区

• 窗口期
• 漏斗配置
• 添加筛选条件
• 分组选择
• 时间选择

漏斗分析条件配置区共分为以上几个模块，将在接下来的内容中，详细讲解各部分的业务含义和配置方式

3.1.2.1. 窗口期

漏斗窗口期是用户完成漏斗的时间限制，用户发生第一个步骤后，在这个时间范围内，进行到最后一个步骤，才能被视为一次成功的转化。例如：设置的窗口期为7天，用户从下载软件试用版到购买完整版的过程在7天内，那么视作该用户被成功转化；如果超过7天，用户没有购买完整版，则视作流失

• 必填项，需要在这里根据业务和漏斗的性质选择合理的窗口期，默认漏斗窗口期为 7 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

3.1.2.2. 漏斗配置

1、漏斗步骤

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

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

增加步骤：可以给漏斗增加更多步骤，漏斗分析最多支持64步

2、漏斗属性关联

支持设置漏斗任意几步的属性进行关联，假设需要精确了解用户浏览了某个商品，并完成此商品购买的情况，创建的漏斗为 浏览商品详情页 -> 提交订单 -> 支付订单，并且在每个事件中设置了商品 ID 的属性，此时就可以将该属性作为关联 ID，以保证用户浏览商品详细页到支付订单的商品都是同一个。如果不设置商品 ID 为关联属性，则用户浏览商品详细页与支付订单的商品不是同一个，也会被算作转化成功。

漏斗不同步骤关联的属性可以是相同属性，也可以是不同属性，但是要求属性的类型必须一致。例如在浏览商品详情页事件中用商品 ID 标识某个商品，但在支付订单事件中用产品 ID 标识某个商品，此时就可以分别使用商品 ID 与产品 ID 来设置关联属性。

3、同时显示

支持在漏斗分析的过程中，分析转化人数的同时可以分析其他指标，可以更好的评估转化情况，例如：在购买转化漏斗中，看支付转化情况的同时需要看：详情页的浏览时长 或 支付订单的支付金额 等指标

• 漏斗的每个步骤仅支持添加一个同时显示指标，并且仅支持针对当前步骤的事件配置指标

3.1.2.3. 添加筛选条件

点击 全局筛选 处的 + 添加筛选 按钮，可以添加筛选条件。通过 + 并且满足 可以实现组合条件。通过切换条件之间的 且 和 或 可以设置条件之间的逻辑关系

筛选条件为2类字段，包括每一步的事件属性以及用户属性

筛选规则：

• XX 步骤的 YY 属性：
  • 按人数计算：以每个用户首次最长转化状态中的第 XX 步骤的 YY 属性值进行筛选。

  • 按次数计算：以每次转化第 XX 步骤的YY 属性进行筛选。

• 用户属性：按照用户属性值筛选。

筛选基础概念及逻辑可参考：属性筛选条件说明

筛选的计算规则可参考本文  4.3 筛选条件的含义

3.1.2.4. 按不同的分组查看

分组选择处支持切换不同的统计方式

按不同分组查看漏斗步骤时，支持两种不同的统计方式，您可以根据业务需要自行选择

• 单分组统计
• 多分组统计

点击 分组选择 处的 +添加分组 按钮，可以添加更多分组，需要注意的是：在时间粒度为 按小时/天/周/月 时，「事件发生时间」为必选，不可删除

分组为2类字段，包括每一步的事件属性以及用户属性

单分组统计-分组规则：

• XX 步骤的 YY 属性：
  • 按人数计算：按照每个用户首次最长转化状态中的第 XX 步骤的 YY 属性值进行分组 ，一个用户只会出现在一个分组中，如果用户没有转化到该步骤则分到未知组。
  • 按次数计算：按照每次转化第XX 步骤的YY 属性 进行分组，如果没有转化到该步骤则分到未知组。
• 用户属性：按照用户属性筛选。

如果这里选择的属性是数值类型，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

多分组统计-分组规则

• 本功能为高级功能，默认不开启，如有需要，请联系客户成功
• XX 步骤的 YY 属性
  • 按人数计算：用户所触发的每个分组，均会被统计进入转化中
  • 按次数计算不支持多分组
• 本功能查询较为耗时，故有以下功能限制
  • 默认最多可配置 10 个分组（可运维调整配置），不包括事件发生时间
  • 事件属性（string）需要配置具体分组值，默认最多 5 个（可运维调整配置）
  • 事件属性（number）需要配置自定义区间，默认最多 5 个（可运维调整配置）
  • 事件属性不支持 datetime、list 类型 

3.1.2.5. 选择查询的时间范围

3.1.2.5.1. 查询时间粒度

时间粒度支持如下时间单位（以选择的时间范围是 2020-09-10 至 2020-09-10 为例）：

• 按天：按天聚合，即查看 2020-09-10 这一天的数据
• 按周：按周聚合，即查看 2020-09-10 这一天所在一整周的数据
• 按月：按月聚合，即查看 2020-09-10 这一天所在一整月的数据
• 按小时：按小时聚合，即查看 2020-09-10 这一天每一小时的数据，最多可展示 30 天的数据

3.1.2.5.2. 限制后续事件在时间区间内

设置的时间区间默认为漏斗首事件发生的时间范围。如果选中”限制窗口期在时间区间内”，漏斗中各步骤的发生时间在满足窗口期的同时，均被限定在所选时间区间内。

以电商的限时抢购为例，在 9 月 1 日至 7 日设置的限时抢购，用户该时段内完成交易享受特价优惠，超过限定时间商品恢复原价。该场景下需要精确了解用户在限订时段完成交易的情况，则需要设置该选项。例如，漏斗设置窗口期为 4 天，用户在 9 月 6 日发生了浏览， 9 月 8 日完成了交易，未设定该选择的漏斗则会把该交易也算为一次该漏斗的转化。设定该选择后，则不会被计算在内。

3.1.2.5.3. 对比时间

点击 时间选择 右侧的 + 对比时间 按钮，可以设置时间对比

时间对比 支持选择 上一段时间、去年同期、自定义 做为对比日期

不同的时间粒度下，对比时间的精度如下：

• 按小时：精度到 59 分 59 秒 999 毫秒
• 按天、周、月：精度到 23 时 59 分 59 秒 999 毫秒

3.1.3. 漏斗模版

可以根据业务常用的漏斗步骤，创建漏斗模版，在应用过程中，可以快速选取创建好的模版进行分析，提升了漏斗分析的使用效率和便捷度

3.1.3.1. 应用漏斗模版

方式1：

在漏斗页面的分析条件配置区，可以快速应用漏斗模版

-点击页面右侧的「选择模版」，弹出模版选择卡片

-选择您需要应用的模版

-点击「确定应用」后，模版在分析条件配置区被复用

方式2：

在「模版管理」的漏斗列表面板内

-选择您需要应用的模版

-点击操作区的「应用」即可应用成功

方式3：

在模版管理的「创建漏斗」或「编辑漏斗」完成编辑后

-鼠标悬停置「保存」按钮上，会出现「保存并应用」的二级选择按钮

-点击「保存并应用」即可快速应用您所选的漏斗模版

3.1.3.2. 创建一个新的漏斗模版

方式1：

在页面的分析配置区，将已经配置好的漏斗步骤存为一个漏斗模版

-点击「保存为模版」

-弹出卡片，输入必填项

-点击确认后，就存为了一个新模版

方式2：

在「模版管理」的漏斗列表面板内

-点击右上角「创建模版」

-根据您需要的漏斗条件依次在面板内配置

-点击页面右上角「保存」即可完成一个新漏斗模版的创建

3.1.3.3. 对已有漏斗模版进行管理

点击页面右侧的「模版管理」，会滑出漏斗列表面板，该面板会展示已创建的漏斗列表，并展示漏斗的关键信息

• 支持在模版管理页面创建一个新的漏斗模版，配置过程同漏斗基础配置
• 支持批量删除漏斗
• 支持对已创建的漏斗模版进行增/删/改/查的操作，并支持快速应用模版

3.2. 数据结果

3.2.1. 汇总配置

页面右上方可调整「汇总配置」，「汇总配置」是分组汇总中指标的聚合计算方式，即，影响下图中的小计、合计数据。详细计算方式见上图，悬停在去重转化、加权转化上也可进行查看

管理员可在项目设置 - 基本设置 - 分析模型设置中调整其默认选中项，每次分析时也支持临时修改

3.2.2. 漏斗结果图表展示区

漏斗结果的展示分为两种

1、利用图形展示数据：漏斗图、折线图、对比图

2、利用表格展示数据

3.2.2.1. 图形展示区

3.2.2.1.1. 漏斗图

漏斗图体现的是在业务上完成一个目标（如购买、注册、下载等）的过程中，在每一个步骤中的转化率和流失率，可以帮助您理解转化过程中的关键环节，从而制定相应的策略来优化用户体验和业务流程

所有查询场景均支持漏斗图的展示

3.2.2.1.2. 折线图

折线图体现的是随着时间变化，漏斗各个阶段的用户数量或转化率等指标的变化趋势，可以更好的分析转化率趋势，直观体现用户转化过程中的动态变化

分组中「事件发生时间」位于首/尾位置时，支持折线图展示

3.2.2.1.3. 对比图

分组中「事件发生时间」位于首/尾位置时，支持对比图展示，并且最多支持配置4个对比漏斗

3.2.2.2. 表格展示区

1、展示分组汇总

漏斗分析的表格支持两种样式：透视表&二维表

• 透视表：勾选「展示分组汇总」后，表格展示为透视表的样式
  • 「小计」统计的是该分组下的分组汇总值

• 二维表：取消勾选「展示分组汇总」后，表格展示为二维表的样式

2、显示设置

「显示设置」支持自定义配置表格展示的指标

4. 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。

4.1. 按人数计算的基本计算规则

1、转化事件优先归功于离他近的前序事件（假设漏斗步骤为 a、b、c，行为序列 a →b1 →b2 →c ，漏斗选择 a →b2 →c）
2、如果某个人完整完成漏斗所有步骤的转化，则选取首次最长转化序列（假设漏斗步骤为 a、b、c，行为序列 a →b1 →c →a →b2 →c，漏斗选择 a →b1 →c）
3、如果某个人没有完整的完成漏斗转化，则选取靠后的最长转化序列（假设漏斗步骤为 a、b、c，行为序列 a1 →b1 →a2 →b2，漏斗选择 a2 →b2）

漏斗中展示的数字代表什么：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。

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，依顺序依次触发了 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。

如果该用户在这个时间限制范围内，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。

考虑一个更复杂的情况，如果一个用户在所选时段内有多个事件都符合某个转化步骤的定义，那么会优先选择更靠近最终转化目标的事件作为转化事件，并在第一次达到最终转化目标时停止转化的计算。假设一个漏斗的步骤定义是：访问首页、选择支付方式、支付成功，那么不同用户的行为序列及实际转化步骤见如下例子：

1. 例 1：访问首页 -> 选择支付方式（支付宝） -> 选择支付方式（微信）-> 支付成功。
2. 例 2：访问首页 -> 选择支付方式（支付宝） -> 访问首页 -> 选择支付方式（微信）-> 支付成功。
3. 例 3：访问首页 -> 选择支付方式（支付宝） -> 访问首页 -> 选择支付方式（微信）-> 支付成功 -> 选择支付方式（微信）-> 支付成功。

4.2. 按次数计算的基本计算规则

漏斗中展示的数字代表什么：次数代表每次转化，一个用户在所选时间范围内触发一次漏斗的起始事件，就会开始统计一次转化。

假设一个漏斗中包含了 A、B、C三个步骤；在满足时间范围和窗口期的情况下，某用户的行为顺序是 A >B> A > B > C，最终，对该用户的统计结果是A 2次、B 2次、C 1次。

将不同用户的A B C次数分别聚合，就得到次数漏斗的最终数据结果。

考虑一个稍复杂的情况：

一个用户在一次有序漏斗行为中（从起始事件开始、到终止事件结束），每个步骤的行为事件至多发生一次，多余事件会被丢弃，不计入有效触发事件次数中

例如用户的行为序列为A B A B B C，最终对其统计结果是A 2次、B 2次、C 1次

4.3. 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，都是对完成转化/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：

1. 用户属性的筛选：这个筛选类型比较好理解，是在完成转化/确认流失的用户的基础上，根据这个用户的属性，再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”，则只有用户属性中“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；
2. 指定步骤的属性的筛选：
   1. 按人数计算：假设，我们选择了一个筛选条件是步骤 2 的属性“支付方式”为“支付宝”，这个筛选表示，在完成转化/确认流失的用户中，转化到步骤 2 时的“支付方式”的值为“支付宝”的那些用户；如果有多次可能的转化，请参考基本计算规则中的说明。
   2. 按次数计算：对每次转化，以对应步骤的实际事件的属性值进行筛选。

4.4. 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，都是对完成转化/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：

1. 用户属性的分组：这个分组比较好理解，是在完成转化/确认流失的用户的集合，根据这个用户的属性，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；
2. 指定步骤的属性的分组：
   1. 按人数计算：假设，我们选择了一个分组属性是步骤 2 的属性“支付方式”，这个筛选表示，在完成转化/确认流失的用户中，按照转化到步骤 2 时的“支付方式”的值来进行分组；如果有多次可能的转化，请参考基本计算规则中的说明；如果用户没有转化到步骤 2，则分到未知组。
   2. 按次数计算：对每次转化，按照对应步骤的实际事件的属性值进行分组，如果没有转化到该步骤则分到未知组。

5. FAQ

5.1. 漏斗内的筛选条件和漏斗外的筛选条件的区别

漏斗内设置的筛选条件是「根据设置的筛选条件」得到漏斗，漏斗外设置的筛选条件是「根据已经筛选出的漏斗」再次筛选出满足筛选条件的漏斗。

使用场景：一般业务上的使用场景是在漏斗内设置筛选条件，建议直接在漏斗内设置条件得到满足条件的漏斗。

举例：比如漏斗选取的漏斗步骤为 A->B->C->D ，某用户甲的序列是 F->A（iOS）->A（Android）->A（Android）->B->C->A（Android）->B，事件 A 包含了一个操作系统的属性，分别为Android、iOS。

• 内筛选：如添加内筛选条件操作系统为 iOS ，那么系统筛选到的序列为 A（iOS）->B->C，筛选的原则是沿着该用户的行为序列顺序查找，直到找到属性为 iOS 的 A 事件；
• 外筛选：如添加外筛选条件操作系统为 iOS ，因为漏斗外筛选是在用户漏斗成功转换后的二次筛选，不加任何筛选条件时，该用户漏斗转化为 A（Android）->B->C，因此在漏斗外添加筛选条件时该用户筛选不出来。

5.2. 漏斗强制刷新人数会变化

答：（1）若仅第一次刷新时，数据有变化，多次刷新后人数不再变化，则是因为神策查询的缓存机制导致，以刷新后的数据为准。
（2）若多次刷新人数都会变化，通常是因为漏斗相邻事件时间一样，导致的排序不稳定。可以让对应事件的埋点同学调整下事件上报时机，保证两个事件时间不同即可。如果非上述原因导致可联系神策值班同学。

5.3. 按人数计算，漏斗内某事件的人数和事件分析的触发用户数不一致

答：（1）漏斗内第一步对应的人数与事件分析查询的触发用户数不一致：可能是漏斗查询时，在漏斗外添加了筛选条件，导致和事件分析中对应筛选条件下人数不一样。可以将筛选条件添加在漏斗内，再对比下查询的数据。如果筛选条件放在漏斗内之后，查询的结果和事件分析一致，则说明查询结果正常。具体原因可参考问题 1 的漏斗内和漏斗外筛选条件的区别。

（2）漏斗内非第一步事件与事件分析的触发用户数不一致：属于正常数据，因为漏斗内的某事件人数是满足漏斗规则后筛选出的人数，比如漏斗规则为 A->B->C，事件分析中 B 事件用户数为 100，漏斗分析中先触发 A 事件再触发 B 事件的用户数为 20。

5.4. 按次数计算，漏斗内某事件的次数和事件分析的触发次数不一致

答：（1）漏斗内第一步对应的次数与事件分析查询的触发次数不一致：同5.3（1）

（2）漏斗内非第一步事件与事件分析的触发用户数不一致：属于正常数据

• 漏斗内的某事件次数是满足漏斗规则后筛选出的事件次数：例如漏斗规则为 A->B->C，事件分析中 B 事件次数为 100，漏斗分析中先触发 A 事件再触发 B 事件的次数为 20。
• 一个用户在一次有序漏斗行为中（从起始事件开始、到终止事件结束），每个步骤的行为事件至多发生一次，多余事件会被丢弃，不计入有效触发事件次数：例如用户的行为序列为A B A B B C，最终对其统计结果是A 2次、B 2次、C 1次（行为序列中的标红部分为实际选取的转化事件）

5.5. 漏斗按天转化率没有总体转化率高

答：举个例子，比如 11.01-11.03 这 3 天里有 3 个人，漏斗规则为 A->B->C， 11.01 三个人都触发事件 A ，但只有第一个人在窗口期内完成 B->C 转化；11.02 三个人都触发事件 A 但只有第二个人在窗口期内完成 B->C 转化 ； 11.03 三个人都触发事件 A 但只有第三个人在窗口期内完成 B->C 转化。按天分布的话，11.01 的转化率为 33%，11.02 的转化率为 33%。11.03 的转化率为 33%。按总体看，11.01-11.10 这 10 天的转化率为 100%。

5.6. 总体转化率没有漏斗按天转化率高

答：举个例子：比如 11.01-11.02 这 2 天，漏斗规则为 A->B->C，第一天，a b c 三个人触发了事件 A ，b c 两个人在规定窗口期内完成 B->C 转化，转化率 66.6%。
第二天，b c d e 四个人触发了事件 A，b c 两个人在规定窗口期内完成 B->C 转化，转化率 50%。
总体，abcde五个人访问，bc下单，转化率 40%。