什么是漏斗分析
說(shuō)起數(shù)據(jù)分析灯帮,很多人把精力放在了各種高大上的數(shù)據(jù)模型上昧港。事實(shí)上擎椰,比較常見(jiàn)的一些數(shù)據(jù)分析方法,往往都不是什么非常高深的學(xué)問(wèn)创肥,在實(shí)踐中达舒,涉及到的方法論或者復(fù)雜性值朋,其實(shí)是遠(yuǎn)低于學(xué)校里學(xué)習(xí)的專業(yè)知識(shí)。而我們非承萜看重?cái)?shù)據(jù)分析吞歼,本質(zhì)是看重“數(shù)據(jù)”,以及利用數(shù)據(jù)來(lái)做的“分析”塔猾,好的結(jié)論不一定有多么高大上的模型篙骡,但它一定有數(shù)據(jù)作為支持。
現(xiàn)如今我們所做的各種決策丈甸,都在強(qiáng)調(diào)數(shù)據(jù)的重要性糯俗,不論是市場(chǎng)調(diào)研的數(shù)據(jù),還是產(chǎn)品上線后的用戶數(shù)據(jù)睦擂,都貫穿了產(chǎn)品研發(fā)的整個(gè)生命周期得湘。
今天我們來(lái)講一個(gè)原理非常簡(jiǎn)單,但卻非常實(shí)用的分析方法:漏斗分析顿仇。
說(shuō)起漏斗分析淘正,這是數(shù)據(jù)領(lǐng)域最常見(jiàn)的一種“程式化”數(shù)據(jù)分析方法,它能夠科學(xué)的評(píng)估一種業(yè)務(wù)過(guò)程臼闻,從起點(diǎn)到終點(diǎn)鸿吆,各個(gè)階段的轉(zhuǎn)化情況。通過(guò)可以量化的數(shù)據(jù)分析述呐,幫助業(yè)務(wù)找到有問(wèn)題的業(yè)務(wù)環(huán)節(jié)惩淳,并進(jìn)行針對(duì)性的優(yōu)化。
在電商模式中乓搬,提到“轉(zhuǎn)化率”思犁,就往往配有一張“漏斗分析圖”作為輔助的說(shuō)明。這是因?yàn)樵陔娚棠J较陆希覀兯龅拿恳豁?xiàng)活動(dòng)激蹲,都與用戶有著直接或者間接的聯(lián)系,而我們活動(dòng)的本質(zhì)也都是一樣的:為了讓用戶成為持久的消費(fèi)者江掩。
因此托呕,當(dāng)我們分析用戶從進(jìn)入產(chǎn)品到完成消費(fèi)的過(guò)程時(shí),可以大體分為如下幾個(gè)關(guān)鍵步驟:進(jìn)入首頁(yè)频敛、查看商品頁(yè)项郊、加入購(gòu)物車(chē)、進(jìn)入支付頁(yè)面斟赚、成功支付着降。通過(guò)分析每個(gè)階段的轉(zhuǎn)化率和流失率,能夠直觀地發(fā)現(xiàn)很多問(wèn)題拗军,進(jìn)而找到提升KPI的方法任洞。
如何用數(shù)據(jù)分析做漏斗分析呢蓄喇?其實(shí)我個(gè)人理解為AARRR模型。
漏斗分析的作用
漏斗分析交掏,是一個(gè)非常經(jīng)典的模型妆偏,自問(wèn)世以來(lái),衍生出了諸如AARRR用戶增長(zhǎng)模型盅弛、SICAS用戶行為消費(fèi)模型等衍生版本钱骂,基本上是各類(lèi)分析報(bào)表的標(biāo)配。
大多數(shù)據(jù)互聯(lián)網(wǎng)產(chǎn)品挪鹏,其本身的商業(yè)邏輯就是一個(gè)虛擬的漏斗见秽,而我們的目的就在于如何讓用戶順利的到達(dá)我們所設(shè)定的“目標(biāo)行為”,如支付讨盒、注冊(cè)解取。
例如,在用戶運(yùn)營(yíng)領(lǐng)域返顺,漏斗對(duì)于用戶行為的分析而言禀苦,是非常有必要的。在產(chǎn)品上線后遂鹊,關(guān)鍵的業(yè)務(wù)路徑振乏,都要進(jìn)行漏斗分析,判斷每個(gè)環(huán)節(jié)的設(shè)計(jì)是否存在缺陷稿辙。典型的如用戶注冊(cè)場(chǎng)景,從引導(dǎo) - 注冊(cè) - 分享 - 進(jìn)入首頁(yè)气忠,往往在分享這個(gè)環(huán)節(jié)邻储,轉(zhuǎn)化率非常低,那么我們就要考慮是否放棄這個(gè)環(huán)節(jié)旧噪,或者有什么其他的優(yōu)化動(dòng)作吨娜。
例如,在自媒體運(yùn)營(yíng)方向淘钟,假設(shè)一個(gè)自媒體賬號(hào)有10W粉絲宦赠,發(fā)送一篇文章獲得1W閱讀,大約有1K用戶收藏了文章米母,最后由100用戶進(jìn)行了付費(fèi)打賞勾扭。那么這個(gè)10W - 1W - 1K - 100也是典型的漏斗環(huán)節(jié),用戶付費(fèi)轉(zhuǎn)化率就是0.1%铁瞒。如果需要提升付費(fèi)轉(zhuǎn)化率妙色,需要以這個(gè)數(shù)據(jù)作為依據(jù),來(lái)判斷到底是應(yīng)該打廣告來(lái)增加閱讀量慧耍,還是引導(dǎo)用戶多收藏文章身辨。
以上是兩個(gè)非常簡(jiǎn)單的例子丐谋,在具備一定規(guī)模的公司中,通常都有非常多類(lèi)似的問(wèn)題煌珊,是迫切需要進(jìn)行分析解答的号俐,包括但不限于:
為什么注冊(cè)步驟轉(zhuǎn)化率非常低?
為什么很多人下單了卻沒(méi)有支付定庵?
為什么某個(gè)渠道量很大吏饿,但點(diǎn)擊率卻非常低?
如果不做瀏覽器的適配洗贰,那么會(huì)損失多大的用戶規(guī)模找岖?
進(jìn)入首頁(yè)卻沒(méi)有下單的用戶,接下來(lái)都去了哪里敛滋?...
一個(gè)設(shè)計(jì)科學(xué)的漏斗分析體系许布,能夠快速解答和分析這些問(wèn)題,是可以實(shí)實(shí)在在的改善業(yè)務(wù)绎晃、提升業(yè)務(wù)收入的蜜唾。
漏斗分析的作用,有兩個(gè)大的特點(diǎn):
其一庶艾,漏斗分析袁余,能夠梳理業(yè)務(wù)的關(guān)鍵流程環(huán)節(jié),監(jiān)控用戶咱揍、流量在各個(gè)業(yè)務(wù)階段的轉(zhuǎn)化情況颖榜,及時(shí)對(duì)低轉(zhuǎn)化率環(huán)節(jié)進(jìn)行分析,定位流失的關(guān)鍵環(huán)節(jié)煤裙,進(jìn)行持續(xù)的優(yōu)化掩完。
其二,漏斗分析硼砰,往往配合多維度之間的對(duì)比且蓬,針對(duì)不同的人群、渠道做差異化的分析题翰,如新用戶恶阴、老客戶,如新渠道豹障、老渠道冯事,分析轉(zhuǎn)化率最好和最差的維度,從而提升運(yùn)營(yíng)精度和效率血公。
接下來(lái)我們講解一下如何進(jìn)行“漏斗分析”桅咆。
如何進(jìn)行漏斗分析
按照慣例,我們通過(guò)“分解”的形式坞笙,來(lái)一步一步的闡述這個(gè)分析過(guò)程岩饼。
第一步荚虚,還原業(yè)務(wù)關(guān)鍵過(guò)程
前文提到過(guò),漏斗分析是針對(duì)業(yè)務(wù)的關(guān)鍵流程環(huán)節(jié)籍茧,做洞察和分析版述。因此在進(jìn)行分析前,我們首先需要還原這個(gè)業(yè)務(wù)過(guò)程的關(guān)鍵步驟寞冯,并驗(yàn)證其是否是可以通過(guò)漏斗進(jìn)行分析渴析。
例如,在電商廣告場(chǎng)景下吮龄,廣告主可以通過(guò)各種方法俭茧,向用戶宣傳自己的產(chǎn)品。這時(shí)候漓帚,用戶會(huì)根據(jù)宣傳的曝光詞母债,點(diǎn)擊搜索框進(jìn)入到搜索頁(yè)面,這時(shí)候會(huì)根據(jù)平臺(tái)提示的關(guān)鍵詞進(jìn)行搜索尝抖,或者是主動(dòng)發(fā)起搜索毡们,到達(dá)搜索呈現(xiàn)的結(jié)果頁(yè)之后,再進(jìn)行相應(yīng)的點(diǎn)擊行為昧辽,并完成最終下單衙熔。
這個(gè)時(shí)候我們可以確定一條從搜索到展示的關(guān)鍵路徑:廣告投放展示 - 搜索關(guān)鍵詞 - 點(diǎn)擊搜索結(jié)果 - 完成下單。
進(jìn)一步進(jìn)行思考搅荞,我們可以把每一步賦予業(yè)務(wù)上的涵義红氯,即:廣告投放展示(引起用戶興趣) - 搜索關(guān)鍵詞(用戶產(chǎn)生興趣) - 點(diǎn)擊搜索結(jié)果(用戶主動(dòng)發(fā)起動(dòng)作) - 完成下單(達(dá)成預(yù)期目的)。
第二步咕痛,確定漏斗環(huán)節(jié)與數(shù)據(jù)采集來(lái)源
能夠?qū)⒂脩舻男袨檫M(jìn)行還原后痢甘,我們便可以定下漏斗的環(huán)節(jié),確定可以分析的數(shù)據(jù)暇检,并標(biāo)記數(shù)據(jù)的來(lái)源产阱。
以上述例子為模型婉称,我們可以作如下的區(qū)分:
廣告投放展示(引起用戶興趣):在不同渠道廣告展示的曝光量块仆、點(diǎn)擊量、點(diǎn)擊用戶數(shù)王暗;
搜索關(guān)鍵詞(用戶產(chǎn)生興趣):在電商平臺(tái)中悔据,不同關(guān)鍵詞所產(chǎn)生的搜索量、搜索用戶數(shù)俗壹;
點(diǎn)擊搜索結(jié)果(用戶主動(dòng)發(fā)起動(dòng)作):在電商平臺(tái)中科汗,相應(yīng)關(guān)鍵詞所產(chǎn)生的點(diǎn)擊量、點(diǎn)擊用戶數(shù)绷雏;
完成下單(達(dá)成預(yù)期目的):產(chǎn)生下單行為的用戶數(shù)头滔。
第三步怖亭,制作漏斗分析模型
從上一步的結(jié)果中,我們?cè)u(píng)估進(jìn)行可以進(jìn)行分析的數(shù)據(jù)維度坤检,并通過(guò)報(bào)表平臺(tái)搭建對(duì)應(yīng)的漏斗圖兴猩,展示可以分析的數(shù)據(jù)。
例如我們可以將渠道作為分析維度早歇,將展示倾芝、搜索、點(diǎn)擊過(guò)程中產(chǎn)生的曝光量箭跳、點(diǎn)擊量作為分析的一個(gè)過(guò)程晨另,也可以通過(guò)點(diǎn)擊/搜索/下單產(chǎn)生的用戶數(shù),作為分析的一個(gè)過(guò)程谱姓,也可以將用戶進(jìn)行分組借尿,查看分組的結(jié)果。
第四步逝段,進(jìn)行漏斗分析
雖然現(xiàn)在可以進(jìn)行數(shù)據(jù)分析了垛玻,但在實(shí)際的業(yè)務(wù)場(chǎng)景中,一種現(xiàn)象并不是單一的數(shù)據(jù)結(jié)果所能夠解釋的奶躯,往往需要通過(guò)多個(gè)角度的分析帚桩,來(lái)還原一個(gè)更準(zhǔn)確和全面的答案。
常見(jiàn)的分析過(guò)程如下:
其一嘹黔,查看漏斗轉(zhuǎn)化率账嚎,將結(jié)果按照渠道、用戶分組進(jìn)行查看儡蔓,找出轉(zhuǎn)化率明顯偏低的環(huán)節(jié)郭蕉;
其二,分析數(shù)據(jù)變化的趨勢(shì)喂江,按照時(shí)間召锈,分析當(dāng)前階段,在不同日获询、周涨岁、月、季吉嚣、年下的變化趨勢(shì)梢薪,找出轉(zhuǎn)化波動(dòng)率最大/最小的時(shí)間點(diǎn);
其三尝哆,不同維度對(duì)比秉撇,篩選不同的渠道、用戶分組,將轉(zhuǎn)化率和變化趨勢(shì)進(jìn)行對(duì)比琐馆。如果不同渠道數(shù)據(jù)相差較大规阀,那么原因可能是某些渠道存在作弊情況;如果是不同手機(jī)型號(hào)存在差異瘦麸,那么可能是手機(jī)的適配性姥敛、網(wǎng)速等存在差異;如果是不同的用戶組存在差異瞎暑,那么根據(jù)用戶分組方法的不同彤敛,如購(gòu)買(mǎi)能力、新老用戶了赌,也可以分析出一部分原因墨榄。
其次,如果不能夠得出明確的結(jié)論勿她,需要再返回之前的步驟袄秩,思考是按照關(guān)鍵詞進(jìn)行分類(lèi),或者是新增某個(gè)環(huán)節(jié)的分析逢并,或者是向其他部門(mén)尋求類(lèi)似場(chǎng)景的分析思路之剧,然后再對(duì)剛才的過(guò)程進(jìn)行復(fù)盤(pán)和優(yōu)化,直到找到最可靠的原因砍聊。
根據(jù)前文的闡述背稼,我們可以看出,從分析人員的角度出發(fā)玻蝌,當(dāng)然是工具越自動(dòng)化越好蟹肘,能夠更快的重復(fù)步驟,找到原因俯树。但是從數(shù)倉(cāng)或者工程人員的角度出發(fā)帘腹,其實(shí)這些分析訴求具有高度的不確定性,因此這種高度自動(dòng)化的平臺(tái)很難實(shí)現(xiàn)许饿,更傾向于通過(guò)“提需求”的方式來(lái)人肉完成部分的工作阳欲。
從業(yè)務(wù)發(fā)展的角度上看,在公司快速發(fā)展的時(shí)候陋率,分析師與數(shù)倉(cāng)一體化的配合球化,走部分人肉的方式是無(wú)可厚非的,但當(dāng)規(guī)模增加到一定程度時(shí)翘贮,對(duì)于成熟穩(wěn)定業(yè)務(wù)的支持赊窥,就需要有工具做配合了爆惧,因?yàn)楹芏嗌钊氲姆治黾?xì)節(jié)狸页,人肉的“效費(fèi)比”太低,人力成本上無(wú)法負(fù)擔(dān)。
漏斗分析的進(jìn)階學(xué)習(xí)
在學(xué)習(xí)了一些基本的知識(shí)之后芍耘,我們還需要將問(wèn)題進(jìn)行思考址遇,探討那些更加“自動(dòng)化”和“科學(xué)化”的做事方法。
自動(dòng)化斋竞,是提升做事情的效率倔约、降低人力成本的最有效途徑,在業(yè)務(wù)發(fā)展平緩的公司中坝初,漲薪的根源浸剩,便是節(jié)約“技術(shù)支持”所省下來(lái)的成本。
因此鳄袍,在漏斗分析這件事情上绢要,我們可以把關(guān)鍵要素抽象出來(lái),從而為設(shè)計(jì)自動(dòng)化的平臺(tái)作參考拗小。漏斗分析重罪,可以抽象出三要素:
第一,是時(shí)間哀九,指漏斗的轉(zhuǎn)化周期剿配,是從某一環(huán)節(jié)到其他環(huán)節(jié)所消耗的時(shí)長(zhǎng)。在實(shí)際的業(yè)務(wù)過(guò)程中阅束,一般需要根據(jù)業(yè)務(wù)的特定呼胚,設(shè)定一個(gè)合理的轉(zhuǎn)化周期,如最近30天息裸,超過(guò)該周期的就不再認(rèn)為是一個(gè)合理的轉(zhuǎn)化砸讳。這是設(shè)計(jì)自動(dòng)化產(chǎn)品首要考慮的因素。
第二界牡,是節(jié)點(diǎn)簿寂,指漏斗的每一環(huán)節(jié)的配置方法,在業(yè)務(wù)上具備可操作性宿亡,同時(shí)也是產(chǎn)品的關(guān)鍵路徑常遂,方便分析人員自由的搭配查看。
第三挽荠,是流量克胳,指人群/用戶的點(diǎn)擊、搜索或某個(gè)具體的業(yè)務(wù)動(dòng)作圈匆,由于不同人群/用戶在相同漏斗下的轉(zhuǎn)化是不一樣的漠另,因此需要對(duì)人群/用戶進(jìn)行合理的分組,更清晰定位產(chǎn)品特點(diǎn)跃赚,得出合理的解釋笆搓。
下一步討論“科學(xué)化”的做事性湿,主要指科學(xué)歸因的重要性。
漏斗分析满败,往往與“歸因分析”相關(guān)肤频,因?yàn)槟軌虻竭_(dá)關(guān)鍵環(huán)節(jié)的動(dòng)作有很多實(shí)際上,業(yè)務(wù)流程轉(zhuǎn)化并非理想中那么簡(jiǎn)單算墨。例如用戶下單某一件商品宵荒,可能是因?yàn)榭戳穗娨晱V告、可能是因?yàn)殡S手點(diǎn)擊某個(gè)直播鏈接净嘀、也可能是因?yàn)榭戳伺笥逊窒淼呐笥讶χ苯舆M(jìn)行下單报咳。在市場(chǎng)營(yíng)銷(xiāo)的視角里,市場(chǎng)活動(dòng)挖藏、線上運(yùn)營(yíng)少孝、郵件營(yíng)銷(xiāo)、電商廣告等熬苍,都可能觸發(fā)用戶購(gòu)買(mǎi)稍走。因此需要科學(xué)的判斷,這一次的結(jié)果柴底,是與哪些“原因”相關(guān)婿脸,每一次轉(zhuǎn)化節(jié)點(diǎn)應(yīng)根據(jù)事件功勞差異(事件對(duì)轉(zhuǎn)化的功勞大小)而科學(xué)設(shè)置柄驻。
因此我們往往需要算法的配合狐树,來(lái)正確的識(shí)別,不同的營(yíng)銷(xiāo)渠道在用戶購(gòu)買(mǎi)決策的全流程中鸿脓,對(duì)用戶影響的“功勞”最大抑钟、權(quán)重較大,能夠直接促進(jìn)用戶轉(zhuǎn)化野哭。在進(jìn)行科學(xué)的漏斗分析時(shí)在塔,通過(guò)歸因權(quán)重作為漏斗轉(zhuǎn)化的依據(jù),能夠大大增大了漏斗分析的科學(xué)性拨黔。
通過(guò)上面兩個(gè)例子可以看出蛔溃,一件事情本身的概念可以是非常簡(jiǎn)單的,但簡(jiǎn)單不代表其好做篱蝇,因?yàn)閷?shí)際的業(yè)務(wù)是非常復(fù)雜的贺待,需要根據(jù)不同的情況做各種抽象、匯總和升華零截,這才是分析真正難做的地方麸塞。
在當(dāng)下,各個(gè)工種有相互“卷”的趨勢(shì)涧衙,比如前端搞后端哪工,后端搞數(shù)據(jù)奥此,數(shù)據(jù)搞分析,分析做業(yè)務(wù)正勒,但其實(shí)只有抓住業(yè)務(wù)的本質(zhì),才知道這么“卷”下去有沒(méi)有前途傻铣,而不僅僅是“為了智能化而智能化”章贞。