如何制作網站數據分析漏斗圖？

時間：2022-07-30 02:30:01 | 來源：網站運營

時間：2022-07-30 02:30:01 來源：網站運營

前戲別太多~

對于題主的三個問題，我們針對性回答~

1、以哪種口徑統計，是人數、還是次數？答案是人數。因為按次數會有很多問題，比如從A到B到C到D，如果一個人從A到B再到B再到B（A是用戶進入商品詳情頁的次數，B是添加到購物車的次數，也就是這個人重復添加到購物車）那漏斗的第二步統計的次數可能會大于第一步統計的次數，這也違背的漏斗這一分析模型的意義。其實漏斗中有很多約束條件，題主之所以困惑，就是因為對這個模型的細節(jié)沒有了解可能。為什么用人數，人數，就是次數去重以后基于時間序列的統計。一個用戶只要做過從A到B，無論做了多少次，都是一個A到B的轉化，當然，這里邊有個非常關鍵的限定，就是轉化周期限定，一天，兩天，一個會話，還是。。。也就是用戶從A到B發(fā)生的時間周期，只要他1天內干了從A到B就是一個轉化，給他一天時間，如果一天都只干了A沒干B，那就是沒有轉化，或者嚴格點必須在一次app使用過程中，這些都是可以自定義的。

快速查看這一漏斗（不用注冊就可以玩兒demo）：漏斗轉化|諸葛IO-精細化數據分析工具

補充，次數用在什么時候呢？不要脫離分析場景，我們可能會分析，一個新品上線，有多少人看了，又有多少人加入購物車，又有多少人買了。你可能也會看，這個商品一共被看了多少次，平均一個人看了幾次，然后再評估你的漏斗轉化率；你可能還會去看購買成功的這些人，一共看了多少次，平均一個人看多少次。

綜上，漏斗以人數為統計口徑，并包含了很多限定條件。次數用在我們特定場景的分析。

2、如果用戶有多個使用路徑都能到達終點，那是可以多建漏斗去監(jiān)測的。甚至通過全行為路徑分析模型，你可能會發(fā)現一些你意想不到的行為路徑。比如下圖這種：




他是一種全局視野，整體把用戶的所有行為串起來展示，每一環(huán)都是一個漏斗~ 事件分析|諸葛IO-精細化數據分析工具

3、一個產品中其實漏斗很多。產品經理其實更清楚，因為在產品設計的時候就是在設計用戶行為路徑。對于既定的，比如登錄注冊流程、購買流程（題主說的訂單生成流程），有訂單生成是不是還有退款流程、還有什么密碼召回，對于理財產品可能還有綁卡、實名認證流程。在這些流程中，大概分兩類，一種是產品基礎層面的轉化，一種是用戶主觀意識比較強的轉化，前者比如提到的注冊、綁卡、找回密碼，用戶進入這些頁面，或有相關動機判斷他就是要注冊，那流程體驗是否順暢就是產品設計本身的東西了。但對于訂單轉化這種，可能用戶會頻繁進入商品詳情頁，頻繁添加購物車，并不會購買，這樣看的話從商品詳情到支付成功的轉化率一定是低的。但是當用戶提交訂單到購買成功，也就是當用戶有支付意愿，產品能否保證用戶100%的成功就是產品基礎設計層面的評估了。

不管哪種類型的行為路徑，本質上在產品基礎層面都要能保證一個較高的轉化率。這個時候就需要產品經理明白，當用戶有轉化意愿、當流量平穩(wěn)，我設計的產品各個漏斗轉化率一般在多少。當轉化低了、高了知道是運營的原因還是市場推廣的原因了，避免背鍋。

以上~