資料驅動產品之“漏斗分析”
產品迭代中常見的資料方法有 事件分析、漏斗分析、留存分析、使用者路徑等，而這些分析方法也大都整合在資料分析工具中(growingIO,神策, amplitude，interana 等)，熟練掌握資料分析方法已經對應的應用場景，有助於通過資料驅動產品持續優化。本系列文章將向大家系統的介紹以上提到的資料方法、在各資料分析工具中的使用姿勢、應用場景， 今天向大家介紹使用高頻方法“漏斗分析” 。
1.什麼是漏斗分析&能解決什麼問題
漏斗分析是 衡量流量轉化、頁面轉化 的高頻資料分析方法。
在新增使用者部分--經常遇到產品在各個渠道買量很多，但能夠觸發核心行為的使用者卻少之又少：(1)使用者在哪個環節流失了：跳轉下載？下載安裝？安裝使用？以確認哪個環節是使用者放棄最多的；(2)哪個渠道的使用者質量好，能夠有效的觸發核心行為呢？對於電商：在活躍(非新增)使用者部分，(1)電商使用者體驗流程是 瀏覽商品、檢視商品詳情、加入購物車、提交訂單、付款成功,每一個環節的轉化情況是否良好？ (2)如何提高購物車-提交訂單的轉化率？這些問題都可以藉助漏斗來分析，這個優化點。
2.漏斗分析使用姿勢
漏斗分析需要設定 視窗期(轉化週期)、 結合時間範圍、過濾(篩選條件)、分組(維度)來檢視。
視窗期(轉化週期)：使用者完成漏斗的時間限制，也只有在這個時間內，使用者從第一個步驟，進行到最後的一個步驟，才能被視為一次成功轉化。例如，視窗期=7天，一個使用者只要在7天內完成了漏斗中的步驟就會被視為“完成漏斗”。
時間範圍：支援選擇任意時間段。
過濾(篩選條件)：可以精細化檢視符合某些具體條件漏斗。1.使用者屬性的篩選，比如選擇性別=“男”，來檢視男生的轉化過程。2.指定步驟的屬性的篩選，比如在“瀏覽商品詳情 -> 新增購物車 -> 支付 ”電商典型漏斗中，支付的屬性為“支付寶”。
分組(維度)：支援將某指標基於 分組(維度) 進行更為精細化的漏斗分析，如：將“瀏覽商品詳情 -> 新增購物車-> 支付 ”基於“地域資訊”來拆分，看到各地域的漏斗資訊。
以上組合起來： 某個時間段內，特定人群（eg.使用者屬性或者觸發某個事件）的轉化過程(漏斗分析)，並可以按照分組來檢視。
注意：
（1）大多數分析工具中的漏斗分析都是針對“獨立使用者數”，而不是次數。
（2）漏斗沒有強順序，中間可以穿插其他的事件，只要在視窗期內完成即可。視窗期為1天的“A->B->C->D->E”漏斗，在使用者觸發A->B後，又到了A(屬於漏斗流程的其他事件)或者F(屬於漏斗流程的事件)，會記錄A->B一次，由於A->B已經記錄過一次，則A不會被記錄第二次，而F由於不屬於漏斗內事件，則不參與統計。
神策、growingIO、諸葛IO 漏斗分析對比
備註：使用者屬性： 代表使用者自身特質的一些屬性，包括預定義屬性和自定義屬性。事件屬性：事件的通用屬性或者某個事件的自定義屬性。
多組對比時，漏斗展示形式：
(1)諸葛IO可以展示2組及以上；
諸葛IO 漏斗圖
(2)神策、growingIO最多隻能展示展示2組
神策漏斗圖
綜上，對比神策、growingIO、諸葛IO：個人神策的自由度大一些，尤其是體現在視窗期上、篩選方式。(1)視窗期神策能夠自定義分鐘&小時粒度的，而growingIO，諸葛IO只能支援到天粒度。 (2)篩選器，神策支援多個事件之間使用and或or 的邏輯，growingIO事件間僅支援and，則無法得到“訪問頁面=“詳情頁”或者 訪問終端=“PC”的組合”）。
此外，漏斗分析在umeng、騰訊分析、百度分析等統計分析工具中也有體現。
3.應用場景舉例
（1）渠道分析
通過“廣告的曝光->點選->下載” 漏斗分析，找到最佳投放廣告的渠道。如下圖展示可以看到baidu的總體轉化率高於全部 6個點。
廣告的曝光->點選->下載
（2）通過漏斗分析聚焦使用者差異。
新增使用者的關鍵行為轉化過程：啟動app->登入->進入直播間->直播互動->送禮物
對比檢視不同國家的，圖中可以看到中國與總體在後兩個轉化中差異大於1%，尤其是在進入直播間->直播互動，當然差異的背後還需要進一步的洞察，以更好的利用這個差一點。
啟動app->登入->進入直播間->直播互動->送禮物
4.碎碎念
漏斗分析也多整合在各中分析工具、自家平臺 提供給資料、產品同學的是可以提高工作效率的“術”，而達成KPI、優化產品、使用者增長 都不能業務的“道”，希望大家在結合業務優勢 通過資料 驅動產品持續優化。
分析工具的體驗地址，只需要註冊下就可以使用： ofollow,noindex">神策產品體驗地址 、 GrowingIO體驗地址 、 interana體驗地址 、 amplitude體驗地址 、 https://demo.zhugeio.com ，後續也將對比各款資料分析工具。