九大数据分析方法:漏斗分析法

简介: 今天继续跟大家分享的是九大数据分析方法系列。今天介绍的是漏斗分析法,漏斗分析法是一种基础的,处理多个指标分析问题的方法,有很多应用场景。

一、为什么叫“漏斗”


漏斗是对一个连续的操作步骤的形象称呼。举个简单的例子,当你打开电商APP想买东西的时候,你至少会经历以下几步:


  • 打开APP进入首页
  • 点击首页上某个商品广告页
  • 进去商品详情页,看了觉得还不错,点购物车
  • 进入购物车页面,填快递信息,点支付
  • 进入支付页面,完成支付,商家发货


全部做完,一共经历了:首页→广告页→详情页→购物车→支付,五个步骤。这五个步骤缺一不可,因此存在前后关系。即必须完成前一步,才能继续完成后一步。


但并非所有人都能一帆风顺走完这四个步骤。有的人不喜欢商品的广告,连广告页都不进去。


有的人发现实物不咋好看,在详情页就走掉了。有的人觉得价格实在太贵,在购物车页走掉了。总之,很多人最后没有完成支付。


反应在数据上,参与这四个步骤的人,是越来越少的。此时可以用一个漏斗,形象的表示这种关系(如下图)



image.png


这就是漏斗的直观体验。


二、如何制作“漏斗”


制作漏斗需要三个基本条件


件一:流程上,有前后关联的N个步


比如前边例子中首页→广告页→详情页→购物车→支付就是一个前后关联的流程。在做漏斗分析前,要认真梳理自己分析的流程,看清楚到底有几步组成。
条件二:数据上,每个步骤得有数据记录。这一点很重要,决定了到底漏斗分析能不能做。很多人误以为漏斗分析法是互联网专用方法,其实是因为传统企业的流程很少有数据记录而已。


比如传统门店的:进店→选货→试穿→谈价→成交;比如传统会议的:签到→听讲→互动→谈价→成交;其实也有几个前后关联的步骤,但是很多情况下没有数据记录,就无法做漏斗了。


互联网企业也是类似,如果没有做好埋点的话,也会缺失过程数据,所以千万小心哦。


条件三:统计上,从完成第一个环节开始统计


这一点也很重要,涉及统计准确性。还以电商APP举例,实际上用户行为不会首页→广告页→详情页→购物车→支付一竿子捅到底,而是相当随性的。比如先点击广告页以后退出去看看别的,回头想想还是这个商品好,于是又搜索了商品名称,转回来商品详情页……中间发生很多操作。


此时统计漏斗数据的时候,需要按照指定好的步骤进行统计,完成上一个步骤,才统计下一个步骤行为(如下图)


image.png


当然,这样会漏掉一些中间加入流程的人。漏斗分析法不解决这种中间加入的问题,需要另一个方法:用户行为地图来解决。


有了以上三个保证,就能正确的统计出漏斗数据了。漏斗数据包含漏斗中每个环节的人数以及转化率(如下图所示)


image.png


三、“漏斗”如何进行分析


有了漏斗以后,可以从多个角度进行观察,发现问题。


比如,和相似的商品比较,发现可改善的环节(如下图)


image.png



自身与自身相比,观察自己经营的走势(如下图)


image.png


总之,通过优化做的不好的环节,提升整体转化率,是最终目标。


四、“漏斗”分析的不足之处


从本质上看,漏斗分析是一种:知其然,不知其所以然的方法。通过漏斗图,可以很轻松的看到问题发生在哪里,但是无法解释:为什么问题发生在这里。特别是问题发生在漏斗的末端的时候。


举个简单的例子,看下边两组数据(如下图)


image.png


很明显,商品A是因为广告页转化低,那换个广告即可解决问题。


但商品B呢?每一步看起来都很正常,但是用户就是不买单,为什么?用户在等优惠活动?


用户跑去别的平台比价去了?如果用户不喜欢商品的图片、价格、设计,为啥不早跳出?


总之,种种问题,不是单靠漏斗分析能回答清楚的。所以,世界上没有完美的分析方法,每种方法都有自己的适用范围,小伙伴们在做分析的时候,一定要选择合适的方法哦。

相关文章
|
2月前
|
数据可视化 数据挖掘
R语言生存分析数据分析可视化案例(下)
R语言生存分析数据分析可视化案例
|
10天前
|
JavaScript Java 测试技术
基于springboot+vue.js+uniapp小程序的数据分析岗位招聘信息与分析附带文章源码部署视频讲解等
基于springboot+vue.js+uniapp小程序的数据分析岗位招聘信息与分析附带文章源码部署视频讲解等
7 0
|
1月前
|
JSON 数据挖掘 API
数据分析实战丨基于pygal与requests分析GitHub最受欢迎的Python库
数据分析实战丨基于pygal与requests分析GitHub最受欢迎的Python库
27 2
|
1月前
|
算法 数据挖掘 数据处理
数据分析之可重复与独立样本的T-Test分析
数据分析之可重复与独立样本的T-Test分析
22 2
|
20天前
|
数据采集 Web App开发 数据可视化
程序员必知:对厦门二手房的数据分析与可视化分析
程序员必知:对厦门二手房的数据分析与可视化分析
26 0
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
python每日可视化分析:从过去到现代数据分析的演进
python每日可视化分析:从过去到现代数据分析的演进
|
2月前
|
数据可视化 数据挖掘 C++
数据分析综合案例讲解,一文搞懂Numpy,pandas,matplotlib,seaborn技巧方法
数据分析综合案例讲解,一文搞懂Numpy,pandas,matplotlib,seaborn技巧方法
|
2月前
|
数据采集 人工智能 数据挖掘
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
「一行分析」利用12000条招聘数据分析Python学习方向和就业方向
|
2月前
|
数据可视化 数据挖掘
R语言生存分析数据分析可视化案例(上)
R语言生存分析数据分析可视化案例