漏斗分析
1. 简介
漏斗模型主要用于分析多步骤过程中每一步的转化与流失情况。您可以使用漏斗分析工具来分析网站中某些关键路径的转化率，以确定整个流程的设计是否合理，是否存在优化空间等。同时，您可以在关键路径中找出流失人群进再分析、再挽回、再投放。另外，通过用户对比，或者按某个维度分组，能够精确定位问题，针对性地改善产品策略。
2. 使用说明
2.1 新建漏斗
点击【分析云】左侧导航栏的【漏斗分析】，点击“新建漏斗”按钮，打开“新建漏斗”全屏对话框。
- 漏斗名称，必填，最长20个字，不可重复。
- 漏斗步骤，最少2步，最多支持8步，每个步骤可以指定事件，以及事件满足的过滤条件。
2.2 选择分析条件
- 用户分群：该处可进行用户分群条件的选择/新建；
- 路径周期：用户必须在选定的路径周期内完成漏斗，如果超过路径周期，则只看他在路径周期内已经完成的步骤；
对比，支持“用户对比”/“分析维度”：
- 如上方已选择用户分群条件，此处默认选择「用户对比」，且选定上述用户分群条件项，至多可进行2项条件对比；
- 当选择分析维度时，可选择漏斗事件中所有属性的并集作为维度进行分组，查看各个维度值下的漏斗完成情况；
- 时间：默认为“过去7天”，漏斗中第一步的发生时间必须在所选的时间段内，剩余步骤需要在第一步发生时间+路径周期内完成；
2.3 漏斗转化/流失人群的创建
点击漏斗图中每一步的柱条，可进行该步转化/流失人群的圈选。
2.4 查看趋势
您也可将图标切换至「趋势」选项，查看该漏斗下转化率随时间变化的趋势。
3. 指标说明
| 指标 | 说明 |
|---|---|
| 平均转化时长 | 访客平均每次完成转化的时长 |
| 路径完成次数 | 路径完成次数为完成该漏斗全部路径的总次数（不去重） |
| 漏斗路径周期 | 以漏斗第一步步骤为起始时间点，完成整个漏斗路径的最大时间范围。 |
| 总转化率 | 为完成该漏斗全部路径的总转化率 |
4. 漏斗的计算方法
4.1 指标的计算方法
- 如果一个用户行为序列能满足漏斗描述的所有步骤，则记完成用户数+1；
- 如果一个用户行为序列能满足漏斗分析的前N个步骤，则从第N个到第1个步骤的每个步骤，完成次数+1，第N个步骤到第1个步骤的的每个步骤，完成用户数+1；
- 如果一个用户的行为序列可以多次匹配漏斗描述的路径，则首先要求多次匹配的路径没有重叠，然后对于每个步骤，累计上该用户完成的次数，且每个步骤的完成用户数+1。
4.2 漏斗切分的原则
- 对于一个用户的行为序列，我们可以通过一个规则，将这个行为序列切分为一个一个的子序列，我们称作“漏斗路径”。每个漏斗路径没有重叠，可能达成了整个漏斗，也可能只达成了前N步；
- 我们在观察用户行为时，按照时间顺序一个一个看，一旦有满足第一步的行为，则算用户进入了一个漏斗中，因此一个用户在某个时刻可能在多个未确定的漏斗中，之所以说未确定，是因为某些路径可能会因为重叠而被抛弃；
如果一个用户行为，既满足第一步的条件，又满足第二步的条件，则
- 如果用户已经有进入的漏斗路径且在第一步，则认为该行为是漏斗路径的第二步；
- 如果用户没有进入任何漏斗路径，或者已经入的漏斗路径已经不在第一步了，则认为用户进入了一个新的漏斗路径。
如果一个用户行为使得某个已进入的路径“前进”了一步，则：
- 比该路径晚进入的所有路径，因与该路径重叠，则均抛弃；
- 比该路径早进入的路径，如果到达的步骤不大于该路径已到达的步骤，则进行切割。
4.3 举例说明
假设我们的漏斗步骤定义为A-B-C，表示第一步要满足条件A，第二步要满足条件B，第三步要满足条件C，路径周期为1天。
用户行为如下：
| day1 16:00 | day1 17:00 | day1 18:00 | day2 9:00 | day2 12:00 | day2 13:00 |
|---|---|---|---|---|---|
| A | A | B | A | C | C |
则达成的漏斗路径为
| day1 16:00 | day1 17:00 | day1 18:00 | day2 9:00 | day2 12:00 | day2 13:00 |
|---|---|---|---|---|---|
| A | A | B | A | C | C |
蓝色的A表示day1的时候，达成过第一步的漏斗路径，红色的ABC表示day1还达成过完整的漏斗路径。
另一个用户行为如下：
| day1 9:00 | day1 10:00 | day1 18:00 | day2 9:00 | day2 12:00 | day2 13:00 |
|---|---|---|---|---|---|
| A | B | B | A | C | C |
因为漏斗周期只有一天，所以第一天的A-B，无法拼上第二天的C，所以最终结果为day1最多达成了第二步，day2最多达成了第一步
还有一个用户行为如下：
| day1 15:00 | day1 16:00 | day1 18:00 | day2 8:00 | day2 12:00 | day2 13:00 |
|---|---|---|---|---|---|
| A | B | A | A/B | C | C |
其中A/B表示该行为既满足第一步又满足第二步。
则根据我们的规则，这个A/B行为是将其当作满足第二步的条件，给了day1 18:00进入的A
| day1 15:00 | day1 16:00 | day1 18:00 | day2 8:00 | day2 12:00 | day2 13:00 |
|---|---|---|---|---|---|
| A | B | A | A/B | C | C |
4.4 漏斗的按维度分组
在事件分析中，我们在选择按维度分组查看时，可选的属性是所有指标中的事件的属性的交集。例如我们在事件分析中选择“Web浏览页面事件的总次数”和“下单的总次数”两个指标，那么对于Web浏览页面事件，它没有“商品名称”这个属性，就会导致我们无法在这种情况下按照商品名称进行分组。
而在漏斗分析中，涉及到不同的事件作为每个步骤满足的条件，我们在按维度分组时，可以选择所有事件属性的并集作为维度进行分组。例如一个漏斗为：浏览页面->立即购买->下单，那么我们可以按照“商品名称”分组查看，即使“商品名称”这个属性在浏览页面事件中并不存在。
我们在切分漏斗路径时，会选择第一个非空属性值，作为这个漏斗路径的属性值，然后按照该属性值进行分组查看。
例如一个漏斗路径如下：
| 事件 | 商品名称属性值 |
|---|---|
| 浏览页面 | （无） |
| 立即购买 | iPhone |
| 下单 | iPhone |
那么就意味着iPhone这个分组下，完成了一次漏斗。
再例如一个漏斗路径如下：
| 事件 | 商品名称属性值 |
|---|---|
| 浏览页面 | （无） |
| 立即购买 | iPhone |
| 下单 | 华为荣耀 |
因为我们是取的第一个非空属性值作为漏斗路径的属性值，所以这里还是iPhone这个分组下完成了一次漏斗，即使最后下单的是华为荣耀。