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
|
1月前
|
搜索推荐 数据挖掘
ChatGPT数据分析应用——漏斗分析
ChatGPT数据分析应用——漏斗分析
|
1月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
|
1月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
|
1月前
|
数据挖掘 数据处理
ChatGPT在常用的数据分析方法中的应用(交叉分析)
ChatGPT在常用的数据分析方法中的应用(交叉分析)
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
49 0
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
38 3
|
2月前
|
SQL 数据采集 数据可视化
数据分析的方法
数据分析的方法
95 3
|
3月前
|
前端开发 Java JSON
Struts 2携手AngularJS与React:探索企业级后端与现代前端框架的完美融合之道
【8月更文挑战第31天】随着Web应用复杂性的提升,前端技术日新月异。AngularJS和React作为主流前端框架,凭借强大的数据绑定和组件化能力,显著提升了开发动态及交互式Web应用的效率。同时,Struts 2 以其出色的性能和丰富的功能,成为众多Java开发者构建企业级应用的首选后端框架。本文探讨了如何将 Struts 2 与 AngularJS 和 React 整合,以充分发挥前后端各自优势,构建更强大、灵活的 Web 应用。
58 0