经典的漏斗分析

浪尖聊大数据

共 2513字,需浏览 6分钟

 ·

2023-01-12 15:31


作者:赵壮实      

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。
作者介绍

望京东路@赵壮实,中文系叛徒,数据界信徒。持续写《数据驱动业务增长》的系列文章,欢迎关注。

浏览 30
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报