数据分析漏斗模型浅谈
学习数据分析的朋友应该都听过漏斗模型,但真正了解的可能并不多。因为它不仅仅是一个模型,更是一种可以普遍适用的方法论,或者说是一种思维方式。
今天主要谈谈漏斗模型的本质、漏斗模型案例分析以及如何绘制漏斗模型,希望对正在学习数据分析的同学有些帮助。
(一)漏斗模型
关于漏斗模型,认为本质是分解和量化。为什么这么说,这里以营销漏斗模型举例。
名词解释: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。
也就是说营销的环节指的是从获取用户到最终转化成购买这整个流程中的一个个子环节,相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。所以整个漏斗模型就是先将整个购买流程拆分成一个个步骤,然后用转化率来衡量每一个步骤的表现,最后通过异常的数据指标找出有问题的环节,从而解决问题,优化该步骤,最终达到提升整体购买转化率的目的,整体漏斗模型的核心思想其实可以归为分解和量化。
无独有偶,OKR的核心思想也是这个,即分解和量化。OKR(Objectives and Key Results)全称为“目标和主要成果”, OKR首先是设定一个“目标”(Objective),即大O,然后将该目标拆分为若干个子目标,即小O,最后将小O设定为若干个可以量化的“关键结果”(Key Results),用来帮助自己实现目标,即KRS。通过达成量化的KRS来实现小O,最终达成大O,可以看到整个过程中的核心关键也在于分解和量化。
这就是文章开头部分提到的,我觉得漏斗模型不仅仅只是一个模型,更是一种方法论,一种思维方式的原因。可以通过这种分解和量化的形式,将问题进行不断的拆解,最后通过量化的形式来辅助达成目标,或者针对异常的步骤进行调优,最终达到总目标。它可以广泛应用于流量监控、产品目标转化等日常数据运营工作中,称之为转化漏斗;也可以用于产品、服务销售,称之为销售漏斗。
(二)漏斗模型案例
(1)电商购物流程
分析电商的转化,我们要做的就是监控每个层级上的用户转化,寻找每个层级的可优化点。对于没有按照流程操作的用户,专门绘制他们的转化模型,缩短路径提升用户体验。
(2)AARRR模型
AARRR模型是指Acquisition、Activation、Retention、Revenue、Referral,即用户获取、用户激活、用户留存、用户收益以及用户传播。这是产品运营中比较常见的一个模型,结合产品本身的特点以及产品的生命周期位置,来关注不同的数据指标,最终制定不同的运营策略。
从下面这幅AARRR模型图中,能够比较明显的看出来整个用户的生命周期是呈现逐渐递减趋势的。通过拆解和量化整个用户生命周期各环节,可以进行数据的横向和纵向对比,从而发现对应的问题,最终进行不断的优化迭代。
(三)如何绘制漏斗模型?
漏斗模型的绘制其实很简单,做数据报表的时候可能会用到,数据量不是很大的话,用Excel几分钟就能搞定。
1、 Excel
比如以上图电商的转化漏斗为例
整体的步骤大致可分为计算整体转化率→计算占位数据→插入图表→设置坐标轴格式→调整数据顺序。
1) . 计算整体转化率
计算出单个步骤的转化率,然后快速填充即可。
2) . 计算占位数据
计算单步骤与初始转化率的差值(即100%),差值除以2后获得占位数据。因为最终的柱状图是轴对称的,故取差值的一半进行占位即可。
3) . 插入图表
4) . 设置坐标轴格式
选中坐标轴后,设置坐标轴格式,选中逆序类别,调整顺序后获得如下图表。
将占位的数据填充调整为无填充,占位数据的颜色就会消失。
5) . 调整数据顺序
将占位数据的顺序调整至第一位后,这样看起来就会比较像漏斗了。
最后,在此图表的基础上进行一些美化,再贴到PPT里面加一些描述或者PS处理一下……
如果数据量很大的话,需要长期监测运维,一般是需要连接数据库的。可以用专业的数据分析软件或者BI软件搭建一个dashboard,这里我用的是finebi,把之前那张excel表导入了进去(这里就不做数据库连接演示了)。
1) . 拖拽“漏斗图” -> 选定分类和指标 -> 美化样式
2) . 直接展示
这里的漏斗数据模型是软件本身自配好的,你要做的就是选择字段,和Tableau的操作一样,好处就是方便。漏斗每个层级的大小都反映了当前层级数据的大小,如果数据差距较大,比如像我这样的,会不那么美观。
像互联网电商行业,交易的数据量很大且是实时的,这个技术excel是做不来的,所以像BI类的工具就是有这样的优势。
最后,当然有很多工具可以画出漏斗图,就不一一介绍了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“最近复购率一直在下降,我们的营销力度不小啊,为什么用户还是走了?” “是不是广告投放的用户质量不高?还是我们的产品问题 ...
2025-02-21以下文章来源于数有道 ,作者数据星爷 SQL查询是数据分析工作的基础,也是CDA数据分析师一级的核心考点,人工智能时代,AI能为 ...
2025-02-19在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31