自动化|数据分析：浅谈漏斗分析电子商务

|0x00 什么是漏斗分析说起数据分析，很多人把精力放在了各种高大上的数据模型上。事实上，比较常见的一些数据分析方法，往往都不是什么非常高深的学问，在实践中，涉及到的方法论或者复杂性，其实是远低于学校里学习的专业知识。而我们非常看重数据分析，本质是看重“数据” ，以及利用数据来做的“分析” ，好的结论不一定有多么高大上的模型，但它一定有数据作为支持。现如今我们所做的各种决策，都在强调数据的重要性，不论是市场调研的数据，还是产品上线后的用户数据，都贯穿了产品研发的整个生命周期。今天我们来讲一个原理非常简单，但却非常实用的分析方法：漏斗分析。说起漏斗分析，这是数据领域最常见的一种“程式化”数据分析方法，它能够科学的评估一种业务过程，从起点到终点，各个阶段的转化情况。通过可以量化的数据分析，帮助业务找到有问题的业务环节，并进行针对性的优化。在电商模式中，提到“转化率” ，就往往配有一张“漏斗分析图”作为辅助的说明。这是因为在电商模式下，我们所做的每一项活动，都与用户有着直接或者间接的联系，而我们活动的本质也都是一样的：为了让用户成为持久的消费者。因此，当我们分析用户从进入产品到完成消费的过程时，可以大体分为如下几个关键步骤：进入首页、查看商品页、加入购物车、进入支付页面、成功支付。通过分析每个阶段的转化率和流失率，能够直观地发现很多问题，进而找到提升KPI的方法。

|0x01 漏斗分析的作用漏斗分析，是一个非常经典的模型，自问世以来，衍生出了诸如AARRR用户增长模型、SICAS用户行为消费模型等衍生版本，基本上是各类分析报表的标配。大多数据互联网产品，其本身的商业逻辑就是一个虚拟的漏斗，而我们的目的就在于如何让用户顺利的到达我们所设定的“目标行为” ，如支付、注册。例如，在用户运营领域，漏斗对于用户行为的分析而言，是非常有必要的。在产品上线后，关键的业务路径，都要进行漏斗分析，判断每个环节的设计是否存在缺陷。典型的如用户注册场景，从引导 - 注册 - 分享 - 进入首页，往往在分享这个环节，转化率非常低，那么我们就要考虑是否放弃这个环节，或者有什么其他的优化动作。例如，在自媒体运营方向，假设一个自媒体账号有10W粉丝，发送一篇文章获得1W阅读，大约有1K用户收藏了文章，最后由100用户进行了付费打赏。那么这个10W - 1W - 1K - 100也是典型的漏斗环节，用户付费转化率就是0.1% 。如果需要提升付费转化率，需要以这个数据作为依据，来判断到底是应该打广告来增加阅读量，还是引导用户多收藏文章。以上是两个非常简单的例子，在具备一定规模的公司中，通常都有非常多类似的问题，是迫切需要进行分析解答的，包括但不限于：

为什么注册步骤转化率非常低？
为什么很多人下单了却没有支付？
为什么某个渠道量很大，但点击率却非常低？
如果不做浏览器的适配，那么会损失多大的用户规模？
进入首页却没有下单的用户，接下来都去了哪里？...

一个设计科学的漏斗分析体系，能够快速解答和分析这些问题，是可以实实在在的改善业务、提升业务收入的。漏斗分析的作用，有两个大的特点：其一，漏斗分析，能够梳理业务的关键流程环节，监控用户、流量在各个业务阶段的转化情况，及时对低转化率环节进行分析，定位流失的关键环节，进行持续的优化。其二，漏斗分析，往往配合多维度之间的对比，针对不同的人群、渠道做差异化的分析，如新用户、老客户，如新渠道、老渠道，分析转化率最好和最差的维度，从而提升运营精度和效率。接下来我们讲解一下如何进行“漏斗分析” 。