常见用户行为分析模型解析(转)之漏斗分析模型

refer1: https://www.douban.com/group/topic/113056536/

refer2: http://www.woshipm.com/data-analysis/697156.html

现代营销观念认为：“营销管理重在过程，控制了过程就控制了结果。”用户行为分析之漏斗分析模型是企业实现精细化运营、进行用户行为分析的重要数据分析模型，其精细化程度影响着营销管理的成败，以及用户行为分析的精准度。粗陋的漏斗分析模型因为过程管理不透明、数据分析不精细、用户行为分析不科学而造成结果失控。因此，我们经常能够听到一些产品经理的抱怨不绝于耳：从启动 APP 到“支付成功”，用户转化率为何仅仅 0.8 %？

究竟什么是漏斗分析？漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。

漏斗分析模型已经广泛应用于流量监控、产品目标转化等日常数据运营与数据分析的工作中。例如在一款产品服务平台中，直播用户从激活APP开始到花费，一般的用户购物路径为激活APP、注册账号、进入直播间、互动行为、礼物花费五大阶段，漏斗能够展现出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发现和说明问题所在，从而找到优化方向。

对于业务流程相对规范、周期较长、环节较多的流程分析,能够直观地发现和说明问题所在。值得强调的是，漏斗分析模型并非只是简单的转化率的呈现，科学的漏斗分析模型能够实现以下价值：

1.企业可以监控用户在各个层级的转化情况，聚焦用户选购全流程中最有效转化路径；同时找到可优化的短板，提升用户体验。

降低流失是运营人员的重要目标，通过不同层级的转情况，迅速定位流失环节，针对性持续分析找到可优化点，如此提升用户留存率。

2.多维度切分与呈现用户转化情况，成单瓶颈无处遁形。

科学的漏斗分析能够展现转化率趋势的曲线，能帮助企业精细地捕捉用户行为变化。提升了转化分析的精度和效率,对选购流程的异常定位和策略调整效果验证有科学指导意义。

3.不同属性的用户群体漏斗比较，从差异角度窥视优化思路。

漏斗对比分析是科学漏斗分析的重要一环。运营人员可以通过观察不同属性的用户群体（如新注册用户与老客户、不同渠道来源的客户）各环节转化率，各流程步骤转化率的差异对比，了解转化率最高的用户群体，分析漏斗合理性，并针对转化率异常环节进行调整。

先谈归因

在科学的漏斗分析中，需要科学归因设置。每一次转化节点应根据事件功劳差异（事件对转化的功劳大小）而科学设置。企业一直致力定义最佳用户购买路径，并将资源高效集中于此。而在企业真实的漏斗分析中，业务流程转化并非理想中那么简单。

以市场营销为例，市场活动、线上运营、邮件营销都可能触发用户购买。A 欲选购一款化妆品，通过市场活动了解 M 产品，后来在百度贴吧了解更多信息，但是始终没有下定决心购买。后来收到 M 公司的营销邮件，A 被打折信息及详实的客户评价所吸引，直接邮件内跳转至网站购买了该商品。

那么，在漏斗设置时，转化归因应该“归”哪一个渠道呢？在这个案例中，运营人员愿意以实际转化的事件的属性为准。邮件营销的渠道在用户购买决策的全流程中对用户影响的“功劳”最大、权重较大，直接促进用户转化。在科学的漏斗分析模型中，用户群体筛选和分组时，以实际转化事件——邮件营销来源的用户群体的属性为准，则大大增大了漏斗分析的科学性。

再一起看属性关联

在进行漏斗分析时，尤其电商行业的数据分析场景中，运营人员在定义“转化”时，会要求漏斗转化的前后步骤有相同的属性值。比如同一 ID（包括品类 ID、商品 ID）才能作为转化条件——浏览 iphone6，购买同一款 iphone6 才能被定义为一次转化。因此，“属性关联”的设置功能是科学漏斗分析不可或缺的内容。

展现到点击环节

1、展现量

这个指标反应了关键词的数量是否够多，是否符合网民的搜索习惯。以长时间为单位（比如一年），可以反应行业的走势。

2、点击率

考核广告质量如何，是否符合当下网民需求热点，是否与关键词语义相关。点击率直接影响了质量度。理论上来说，点击率越高越好。

但是当点击率过高，比如超过20%，那么就要考虑创意是否有歧义，造成了大量的不相关点击。注意，不相关点击并不是恶意点击，而是由于创意误导性较大，

例如，“国家公务员”这个关键词，在国考前夕，若创意写成{国家公务员}报名时间，那么排在第一点击率能够高达50%，而这样的点击，大量都是低效。

3、点击量

广告最根本的流量，是否获得足够多的点击量，直接决定了下一步是否能获得足够多的访问量，最终是否能够获得足够多的转化量。

影响点击量的因素有：关键词加的是否符合网民搜索需求，数量是否够多，点击率是否够好。

点击到访问环节

1、抵达率

等于访问量/点击量。网民点击广告后没有等网页完全打开就关闭了，会造成抵达率小于100%。

造成这一行为有两个原因：关键词、创意与网页相关度低，网民点开网页后悔了，这一行为在投放展示广告时尤其明显；

另一原因是网页加载速度过慢。两个原因具体是哪个，还要结合其他现象来判断。通常抵达率为90%~95%。

(1)关键词、创意与网页相关度低。通常会表现出某一个广告抵达率异常，并且此广告，跳出率明显高于其它广告。

(2)网页加载速度过慢。通常会表现出所有广告抵达率低。

2、跳出率

等于只打开一个网页就离开网站的访问次数/总访问次数。这个指标反应了：关键词、创意与网页的相关度，网页的建设质量。

一样的，两个原因具体是哪个，还要结合其他现象来判断。由于行业差异大，这里不给出跳出率参考值。

(1)关键词、创意与网页的相关度。通常会表现出某一个广告跳出率明显高于其它广告。

(2)网页的建设质量。通常会表现出所有广告跳出率特别高。由此带来的后果是，注册/咨询差。当然也有可能是代码安装不正确，导致数据不正确。这个属于基础问题，在文章就不讲了。

访问到转化环节

这个环节没有明确的指标，要依据各个公司的实际业务来定。也会由于各行业的不同，导致可监测的指标也不一样。这里说几个常见的。

1、注册率和注册成本

注册率=注册量/访问量；注册成本=消费/注册量。看到这里，同学可能会有疑问，只看注册率或者只看注册成本就可以了，为什么要两个都看。

原因是：注册率不牵涉广告，不会受到平均点击价格、抵达率的影响，反应的网站的转化效率。而注册成本，牵涉到广告，会受到平均点击价格、抵达率的影响。

所以可能某个关键词，注册率很高，但由于平均点击价格很高，且抵达率较差，造成这个关键词实际上的注册成本很高，再后期优化时，要考虑优化，甚至舍弃。

要注意的是，通常不会出现一个关键词抵达率差，但是注册率很高的现象。

2、在线咨询量

这个指标与注册量类似，但还要更细化的去细分不同类型的咨询。这个在第三篇，如何制定衡量目标时会讲到。

3、电话量

这个指标看似与在线咨询量类似，但由于电话的产生已经离开了网站，你很难将电话具体归属到来源于哪个关键词。

数据分析。

漏斗数据是漏斗分析，是一种可以直观地呈现用户行为步骤以及各步骤之间的转化率，分析各个步骤之间的转化率的分析方法。

营销漏斗模型指的是营销过程中，将非潜在客户逐步变为客户的转化量化模型。营销漏斗模型的价值在于量化了营销过程各个环节的效率，帮助找到薄弱环节。所以整个漏斗模型其实就是将了解到购买这整个流程拆分成一个个可以量化的步骤，用转化率来体现。

---