1. 视频版讲解

2. 概述

漏斗模型 主要用于分析一个多步骤过程中每一步的转化与流失情况。

举例来说,用户购买商品的完整流程可能包含以下步骤:

  • 浏览商品
  • 将商品添加进购物车
  • 结算购物车中的商品
  • 选择送货地址和支付方式
  • 点击付款
  • 完成付款

可以将如上流程设置为一个漏斗,分析整体的转化情况,以及每一步具体的转化率和转化中位时间。同时也可以借助神策强大的筛选和分组功能进行深度分析。

了解漏斗分析的更多示例,可参考 漏斗分析应用示例

3. 创建漏斗

在进行漏斗分析之前,需要先创建漏斗。

在创建漏斗之前,先介绍几个基本概念:

  • 步骤:由一个 元事件/虚拟事件 加一个或者多个 筛选条件 组成,表示一个转化流程中的一个关键性的步骤。
  • 时间范围:指漏斗的 第一个步骤 发生的时间范围。
  • 窗口期:用户完成漏斗的时间限制,即只有在这个时间范围内,用户从第一个步骤,行进到最后一个步骤,才能被视为一次成功的转化。

选择 分析 > 漏斗分析 > + 创建漏斗,即可创建漏斗。

  1. 填写 漏斗名称:必填项,同一项目内漏斗不可重名,你创建的漏斗对同一项目中的其他用户也可见。
  2. 选择 窗口期:根据漏斗的性质选择合理的有效期。你也可以在下拉列表中选择 自定义 窗口期,最短 1 分钟,最长 10 年。
  3. 配置 漏斗步骤:一个漏斗至少要包含 2 个步骤,每个步骤对应一个事件(可附带一个或多个筛选条件)。
    1. 拖动步骤前的序号可以改变 步骤顺序
    2. 点击 可以给步骤设置 别名
    3. 点击 增加步骤 按钮添加更多的步骤。
  4. 设置 关联属性
    1. 支持设置漏斗任意几步的属性进行关联,假设需要精确了解用户浏览了某个商品,并完成此商品购买的情况,创建的漏斗为 浏览商品详情页 -> 提交订单 -> 支付订单,并且在每个事件中设置了商品 ID 的属性,此时就可以将该属性作为关联 ID,以保证用户浏览商品详细页到支付订单的商品都是同一个。如果不设置商品 ID 为关联属性,则用户浏览商品详细页与支付订单的商品不是同一个,也会被算作转化成功。
    2. 漏斗不同步骤关联的属性可以是相同属性,也可以是不同属性,但是要求属性的类型必须一致。例如在浏览商品详情页事件中用商品 ID 标识某个商品,但在支付订单事件中用产品 ID 标识某个商品,此时就可以分别使用商品 ID 与产品 ID 来设置关联属性。
  5. 点击 保存漏斗 按钮。

4. 漏斗分析

选择 分析 > 漏斗分析,即可进行漏斗分析。

  1. 选择 漏斗
  2. 选择 分组:支持使用每一步的事件属性和用户属性。如果选择的属性是数值类型,可以自定义分组区间。如果没有设置分组区间,查询引擎会动态计算分组区间,此设置仅在当前查询生效,将查询保存为书签后在书签中也生效。
  3. 添加 筛选条件:支持使用每一步的事件属性和用户属性。
  4. 点击 查询 按钮。

按人数/次数计算,属于高级功能,若有需要,请联系神策工作人员。

  • 按人数计算:代表转化/流失的独立用户数,而非触发的事件次数。在该时间范围内,即使一个用户多次完成漏斗,也仅计数一次。
  • 按次数计算:数字代表代表每次转化,一个用户在所选时间范围内触发一次起始事件,就会开始统计一次转化。

分组规则:

  • X 步骤的 Y 属性
    • 按人数计算:按照每个用户首次最长转化状态中的第 X 步骤的 Y 属性值进行分组 ,一个用户只会出现在一个分组中,如果用户没有转化到该步骤则分到未知组。
    • 按次数计算:按照每次转化第 X 步骤的 Y 属性 进行分组,如果没有转化到该步骤则分到未知组。
  • 用户属性:按照用户属性筛选。

筛选规则:

  • X 步骤的 Y 属性
    • 按人数计算:以每个用户首次最长转化状态中的第 X 步骤的 Y 属性值进行筛选。
    • 按次数计算:以每次转化第 X 步骤的 Y 属性进行筛选。

  • 用户属性:按照用户属性值筛选。

4.1. 查询时间范围

设置的时间区间默认为漏斗首事件发生的时间范围。如果选中 限制后续事件在时间区间内,漏斗中各步骤的发生时间在满足窗口期的同时,均被限定在所选时间区间内。

以电商的限时抢购为例:

在 9 月 1 日至 7 日设置的限时抢购,用户该时段内完成交易享受特价优惠,超过限定时间商品恢复原价。该场景下需要精确了解用户在限订时段完成交易的情况,则需要设置该选项。如果漏斗设置窗口期为 4 天,用户在 9 月 6 日发生了浏览, 9 月 8 日完成了交易,未设定该选择的漏斗则会把该交易也算为一次该漏斗的转化,设定该选择后,则不会被计算在内。

4.2. 查看漏斗总体,或每个步骤的转化详情

选择 趋势,点击某个具体步骤,可以详细查看两个步骤之间的流失用户数、转化用户数、转化时间中位数和转化率;点击 总转化率 时,可以查看总体以及单步的转化率变化趋势。

选择 对比,可以在 显示设置 中设置对比的两个指标,在下方的漏斗图中直观地对比两个分组的转化情况,表格中会展示全部的分组,展示漏斗的每一步事件的转化率和总体转化率。

4.3. 漏斗图展示

选择 趋势,漏斗图每个步骤可以点击,下方表格中可以详细查看当前步骤的事件用户数、转化率、流失用户、转化时间中位数。点击分组值前一单元格的箭头可以对当前分组值展开,详细按天查看当前步骤的事件用户数、转化率、流失用户、转化时间中位数。

选择 对比,漏斗图为不可点击,当存在分组时,可以在设置两个分组进行对比。下方表格中可以详细按照当前对比分组查看当前漏斗的每个事件的用户数和转化率。点击分组值前一单元格中的箭头可以对当前分组值展开,详细按天查看漏斗中每个事件的用户数和转化率。

4.4. 浏览用户详情

漏斗图和单元格内显示的用户数相关指标,都可以点击,点击可浏览用户列表,并可 浏览某个特定用户的用户行为序列。

4.5. 显示设置

选择 趋势,点击 显示设置 可以设置当前折线图的显示指标,点击左侧 总转化率,可以设置总转化率以及漏斗的每一步的转化率,点击左侧单个步骤节点,可以设置当前步骤的转化率、两个事件流失用户数和转化时间中位数。

当选择 对比,点击 显示设置 可以设置显示分组,用来对比两个分组值下的漏斗转化情况。

4.6. 编辑漏斗

点击漏斗列表中的 图标,可以编辑该漏斗。

4.7. 删除漏斗

编辑漏斗 页面,点击左下角的 删除漏斗 按钮,可删除当前漏斗。

4.8. 另存为新漏斗

编辑漏斗 页面,点击右下角的 另存为新漏斗 按钮,可以将该漏斗保存为一个新的漏斗。

5. 漏斗计算规则

下面会详细描述漏斗分析的计算规则,特别是在有筛选和分组情况下的计算规则,以便你更好地解读漏斗分析的结果。同时,我们也会针对一些常见的分析场景,给出漏斗分析的使用案例,帮助使用者更好地使用这一功能。

5.1. 按人数计算的基本计算规则

漏斗中展示的数字,代表转化/流失的独立用户数,而非触发的事件次数。在该时间范围内,即使一个用户多次完成漏斗,也仅计数一次。

假设一个漏斗中包含了 A、B、C、D、E 五个步骤,选择的时间范围是 2015 年 1 月 1 日到 2015 年 1 月 3 日,窗口期是 1 天。如果用户在 2015 年 1 月 1 日到 2015 年 1 月 3 日触发了步骤 A,并且在步骤 A 发生的 1 天内,依顺序依次触发了 B、C、D、E,则视作该用户完成了一次 成功的漏斗转化

在这个过程中,如果穿插了一些其它的步骤或者行为,例如在满足时间限制的情况下,用户的行为顺序是 A > X > B > X > C > D > X > E,X 代表任意一个事件,则该用户依然视作完成了一次 成功的漏斗转化

如果该用户在这个时间限制范围内,依次触发了 A > B > C > E,则该用户 没有完成该漏斗的转化,并且会被记作 步骤 C 的流失用户

考虑一个更复杂的情况,如果一个用户在所选时段内有多个事件都符合某个转化步骤的定义,那么会优先选择更靠近最终转化目标的事件作为转化事件,并在第一次达到最终转化目标时停止转化的计算。假设一个漏斗的步骤定义是:访问首页选择支付方式支付成功,那么不同用户的行为序列及实际转化步骤见如下例子:

  • 例 1:访问首页 -> 选择支付方式(支付宝) -> 选择支付方式(微信)-> 支付成功。
  • 例 2:访问首页 -> 选择支付方式(支付宝) -> 访问首页 -> 选择支付方式(微信)-> 支付成功。
  • 例 3:访问首页 -> 选择支付方式(支付宝) -> 访问首页 -> 选择支付方式(微信)-> 支付成功 -> 选择支付方式(微信)-> 支付成功。

5.2. 按次数计算的基本计算规则

次数代表每次转化,一个用户在所选时间范围内触发一次漏斗的起始事件,就会开始统计一次转化。

假设一个漏斗中包含了 A、B、C 三个步骤;在满足时间范围和窗口期的情况下,某用户的行为顺序是 A >B> A > B > C。最终,对该用户的统计结果是: A 2 次、B 2 次、C 1 次。

将不同用户的 A B C 次数分别聚合,就得到次数漏斗的最终数据结果。

考虑一个稍复杂的情况:

一个用户在一次有序漏斗行为中(从起始事件开始、到终止事件结束),每个步骤的行为事件至多发生一次,多余事件会被丢弃,不计入有效触发事件次数中。

例如用户的行为序列为 A B A B B C,最终对其统计结果是:A 2 次、B 2 次、C 1次 。

5.3. 筛选条件的含义

和其它分析功能一样,漏斗分析也提供了筛选功能,需要特别强调的是,漏斗分析的筛选,都是对 完成转化/确认流失 的用户,再进行二次挑选。

漏斗分析的筛选,包括三种不同的筛选类型:

  • 用户属性的筛选:这个筛选类型比较好理解,是在 完成转化/确认流失 的用户的基础上,根据这个用户的属性,再来进行更进一步的筛选。例如,我们添加的筛选条件是 性别,则只有用户属性中 性别 的用户,才满足这个筛选条件,并且出现在筛选后的漏斗分析结果中。
  • 指定步骤的属性的筛选
    • 按人数计算:如果我们选择了一个筛选条件是步骤  2  的属性 支付方式 支付宝,这个筛选表示,在 完成转化/确认流失 的用户中,转化到步骤 2 时的 支付方式 的值为 支付宝 的那些用户;如果有多次可能的转化,请参考基本计算规则中的说明。
    • 按次数计算:对每次转化,以对应步骤的实际事件的属性值进行筛选。

5.4. 分组的含义

和其它分析功能一样,漏斗分析也提供了分组功能,需要特别强调的是,漏斗分析的分组,都是对 完成转化/确认流失 的用户的集合上进行分组。

漏斗分析的分组,包括三种不同的分组类型:

  • 用户属性的分组:这个分组比较好理解,是在 完成转化/确认流失 的用户的集合,根据这个用户的属性,在来进行更进一步的分组。例如,我们添加的分组条件是 性别”,就会分别对漏斗分析的结果按照 来进行分组。
  • 指定步骤的属性的分组
    • 按人数计算:如果我们选择了一个分组属性是步骤 2 的属性 支付方式,这个筛选表示,在 完成转化/确认流失 的用户中,按照转化到步骤 2 时的 支付方式 的值来进行分组;如果有多次可能的转化,请参考基本计算规则中的说明;如果用户没有转化到步骤 2,则分到 未知 组。
    • 按次数计算:对每次转化,按照对应步骤的实际事件的属性值进行分组,如果没有转化到该步骤则分到未知组。

6. 常见问题

6.1. 漏斗内的筛选条件和漏斗外的筛选条件的区别

漏斗内设置的筛选条件是根据设置的条件得到漏斗,漏斗外设置的筛选条件是根据得到的漏斗筛选出满足筛选条件的漏斗。一般业务上的使用场景是在漏斗内设置筛选条件,建议直接在漏斗内设置条件得到满足条件的漏斗。 比如漏斗选取的漏斗步骤为 A->B->C->D ,某用户甲的序列是 F->A2->A1->A1->B->C->A1->B,事件 A 包含了一个操作系统的属性,其中 A1 的操作系统为 Android, A2 的操作系统为 iOS。如果在漏斗内添加筛选条件操作系统为 iOS ,那么系统筛选到的序列为 A2->B->C,筛选的原则是沿着该用户的行为序列顺序查找,直到找到属性为 iOS 的 A 事件;如果在漏斗外添加筛选条件操作系统为 iOS ,因为漏斗外筛选是在用户漏斗成功转换后的二次筛选,不加任何筛选条件时,该用户正常的漏斗转化为 A1->B->C,其中 A1 为第二个 A1 ,因此在漏斗外添加筛选条件时该用户筛选不出来。

6.2. 漏斗强制刷新人数会变化

  • 若仅第一次刷新时,数据有变化,多次刷新后人数不再变化,则是因为神策查询的缓存机制导致,以刷新后的数据为准。
  • 若多次刷新人数都会变化,通常是因为漏斗相邻事件时间一样,导致的排序不稳定。可以让对应事件的埋点同学调整下事件上报时机,保证两个事件时间不同即可。如果非上述原因导致可联系神策值班同学。

6.3. 按人数计算,漏斗内某事件的人数和事件分析的触发用户数不一致

  • 漏斗内第一步对应的人数与事件分析查询的触发用户数不一致:可能是漏斗查询时,在漏斗外添加了筛选条件,导致和事件分析中对应筛选条件下人数不一样。可以将筛选条件添加在漏斗内,再对比下查询的数据。如果筛选条件放在漏斗内之后,查询的结果和事件分析一致,则说明查询结果正常。具体原因可参考问题 1 的漏斗内和漏斗外筛选条件的区别。
  • 漏斗内非第一步事件与事件分析的触发用户数不一致:属于正常数据,因为漏斗内的某事件人数是满足漏斗规则后筛选出的人数,比如漏斗规则为 A->B->C,事件分析中 B 事件用户数为 100,漏斗分析中先触发 A 事件再触发 B 事件的用户数为 20。

6.4. 按次数计算,漏斗内某事件的次数和事件分析的触发次数不一致

  • 漏斗内第一步对应的次数与事件分析查询的触发次数不一致:
  • 漏斗内非第一步事件与事件分析的触发用户数不一致:属于正常数据。
    • 漏斗内的某事件次数是满足漏斗规则后筛选出的事件次数:例如漏斗规则为 A->B->C,事件分析中 B 事件次数为 100,漏斗分析中先触发 A 事件再触发 B 事件的次数为 20。
    • 一个用户在一次有序漏斗行为中(从起始事件开始、到终止事件结束),每个步骤的行为事件至多发生一次,多余事件会被丢弃,不计入有效触发事件次数:例如用户的行为序列为 A B A B B C,最终对其统计结果是A 2次、B 2次、C 1次。

6.5. 漏斗按天转化率没有总体转化率高

例如:比如 11 月 1 日 ~ 11 月 3 日这 3 天里有 3 个人,漏斗规则为 A→B→C。11 月 1 日三个人都触发事件 A ,但只有第一个人在窗口期内完成 B->C 转化;11 月 2 日三个人都触发事件 A,但只有第二个人在窗口期内完成 B->C 转化 ; 11 月 3日三个人都触发事件 A,但只有第三个人在窗口期内完成 B->C 转化。按天分布的话,11 月 1 日 的转化率为 33%,11 月 2 日 的转化率为 33%,11 月 3 日 的转化率为 33%。按总体看,11 月 1 日 ~ 11 月 10 日 这 10 天的转化率为 100%。

6.6. 总体转化率没有漏斗按天转化率高

例如:比如 11 月 1 日 ~ 11 月 2 日这 2 天,漏斗规则为 A->B→C。第一天:a、b、c 三个人触发了事件 A ,b 和 c 两个人在规定窗口期内完成 B->C 转化,转化率 66.6%。第二天:b、c、d、e 四个人触发了事件 A,b 和 c 两个人在规定窗口期内完成 B->C 转化,转化率 50%。总体,a、b、c、d、e 五个人访问,b 和 c 下单,转化率 40%。