漏斗分析
|
收藏
1. 视频版讲解
在介绍漏斗分析之前，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，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：
- 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
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
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
| 权限点\角色 | 系统角色 | 自定义角色 | |||
|---|---|---|---|---|---|
| 允许使用漏斗分析模型 | 管理员 | 分析师 | 开发者 | 普通用户 | 自定义角色名称 |
| 默认开通 | 默认开通 | 默认开通 | 默认不开通 | 自定义配置 | |
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：
- 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：
- 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
- 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
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
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
分组的计算规则可参考本文 4.4 分组的含义
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
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：
- 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。
- 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。
- 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：
- 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；
- 指定步骤的属性的筛选：
- 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。
- 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：
- 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；
- 指定步骤的属性的分组：
- 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。
- 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
例 ： 漏斗内设置的筛选条件是根据设置的条件得到漏斗，漏斗外设置的筛选条件是根据得到的漏斗筛选出满足筛选条件的漏斗。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。 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->A2->A1->A1->B->C->A1->B，事件 A 包含了一个操作系统的属性，其中 A1 的操作系统为 Android， A2 的操作系统为 iOS。如果在漏斗内添加筛选条件操作系统为 iOS ，那么系统筛选到的序列为 A2->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；如果在漏斗外添加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，该用户正常的漏斗转化为 A1->B->C,其中 A1 为第二个 A1 ，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%。
注：本文档内容为神策产品使用和技术细节说明文档，不包含适销类条款；具体企业采购产品和技术服务内容，以商业采购合同为准。
