漏斗分析:你可能低估了它的复杂度(逻辑细节及产品化)

2024-03-04 19:30

本文主要是介绍漏斗分析:你可能低估了它的复杂度(逻辑细节及产品化),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

5f02c307613419ceb548e28874e4539b.png

来源:首席数据科学家

 “ 漏斗分析应该是互联网中的最基础的分析了。

与《RFM分析》《留存分析》《归因分析》《用户路径分析》不同的是,大部分互联网从业者,都听过漏斗分析。但对于漏斗分析的细节,你确定了解吗?漏斗分析可不只是简单的几个递减、转化率哦~下面,和大家一起聊聊具体的逻辑。

01

什么是漏斗分析

提到漏斗分析,大家都能想到下图:

22264415ed0268c72fc8e3803cded27b.png

从图中我们可以了解到漏斗分析的基础特征:(1)是分多层、多环节的(2)各环节是有转化率(或者流失)效应的(3)环节之间有先后顺序

总结一下,漏斗分析是分析用户从起始到终点环节,过程当中每一步环节的转化(或者流失)情况。通过漏斗,可以找出全链路业务的问题环节所在,从而进行针对性优化。

说到这里,大家可能也都是了解的。但是,如果谈到细节逻辑呢?比如,用户从漏斗中间环节进入,是否要计算?在给定的范围内如果发生了其他未定义的行为,该如何处理?等等。下面咱们来具体聊聊。

02


漏斗分析的计算逻辑

这里介绍一下漏斗分析的详细逻辑。

(1)明确时间范围等筛选条件

这是计算漏斗的第一步。

常用的筛选条件主要是时间范围及用户类型。当然,其他的筛选维度(比如设备类别等)理论上也是可以支持的,但时间范围的筛选是漏斗计算必不可少的。是统计近7天的漏斗转化,还是近30天的转化?等等。

确定好时间范围,将时间范围内的数据搂出来,是计算漏斗的首要前提。

(2)确定漏斗的划分阶段及条件

确定好了时间范围,接下来需要确定漏斗的整体阶段划分。

每个漏斗,至少需要包含两个阶段(不然称不上漏斗)。每个阶段,基本设定就是【事件类型】+【筛选条件】。

关于筛选条件,通常来讲都是针对当前阶段进行的限制。但有时多个阶段之间需要进行打通。拿电商的环节举例。有时分析师想看的是浏览、加购且下单了同一个sku的数据(因为有可能有用户浏览了A商品,但是加购下单了B商品,这种情况不是我们想统计的漏斗转化),那这时,在筛选条件这需进行特殊处理,即打通多个阶段之间的关联。

在神策中,是用【属性关联】的概念实现了多个阶段的筛选逻辑处理。

2a29c3832182453ecbc39a0d42c4aad7.png

这一个步骤,相当于把用户全量行为中,符合本次漏斗的行为数据筛选出来,以备后续的计算。

(3)关于漏斗的类型

接下来,进入到漏斗流程的计算环节。

假设我们想看的转化流程是A→B→C→D→E。那么如果经过上面几个数据处理之后,有以下几个路径,我们该怎么处理呢?

  • 路径1:A→B→C

  • 路径2:C→D→E

  • 路径3:A→B→D→E

  • 路径4:A→B→X→C→D

在聊上面路径之前,先聊一下漏斗的分类:【封闭式漏斗】和【开放式漏斗】。

所谓封闭式漏斗,就是只有从整体漏斗的第一个阶段进入的路径,才统计在漏斗当中。因此在这种逻辑下,路径2就不会统计在我们漏斗分析中了,因为没有从第一阶段发起。通常情况下,我们进行漏斗分析,都是基于封闭式进行的,这样可以确保看到每个环节的真实转化。

所谓开放式漏斗,就是从整体漏斗中的任意一个环节进入的路径,均计入整体漏斗的统计。这种逻辑下,路径2是会统计到漏斗中的,哪怕是单独的发生一个环节(例如C)也会计入整体。这其实是广义的漏斗概念。但是很多场景下是有这个需求的(回头分享我正在做的针对大促场景项目,正是基于开放式的逻辑)。

因此,在封闭式漏斗下,路径3会处理为在B环节发生了流失;而在开放式漏斗中,路径3 其实是处理成了两个环节:A→B,D→E,然后分别计入到漏斗中。

路径1就不用赘述了,无论是啥类别,都是记为C环节的流失。那路径4呢?请继续看。

(4)两个相邻阶段之间的逻辑

到这里,我们还要关注一下两个相邻阶段之间的逻辑。主要包括其他环节干扰的处理,以及窗口期逻辑。

路径4的关键是两个阶段中间发生了其他的行为环节X。这个需要定义是否纳入计算。在神策中,这种环节是直接剔除的,因此认为路径4完成了漏斗;但是在GA中,进行了更灵活的处理,支持用户决定是否通过。

另外一个,就是决定是否要设置窗口期。所谓窗口期,即完成两个阶段之间的时间间隔。若大于某个阈值,即使符合我们上面的各类条件,也不认为是完成了漏斗转化。

(5)漏斗的统计

最后,就是计算各阶段的用户数量、进而计算一下转化率等,是水到渠成的事了,这里就不赘述了。关键还是上面环节的数据计算,比较复杂。

以上是漏斗分析中的主要计算逻辑。

03


产品化实现及行业案例

我们这里主要以Google analysis和神策分析为例,看一下两个典型BI产品中的漏斗分析,是如何设计的。

(1)Google Analysis

GA中的漏斗分析主要有两个:一个是在普通版中的漏斗分析,一个是在GA360(即付费版本)中的自定义漏斗分析。

关于漏斗分析,主要的功能配置项有以下:

e7fde34ae82b4e554c3a0bf0abc6a0f0.png

谷歌分析的截图,实在是没有了,就有以下的参考图了:

86e0ac2269bdf936adfe3ef8abc40fcb.png

(2)神策分析

神策分析,能调研的内容范围多一些。

首先看一下神策漏斗分析的报告页:

34b2ce7a7be180950e988023b142f134.png

上面针对各个主要模块,进行了标注,就不详细展开了。总体来讲,产品设计的是比较合理的,用户既可以看到漏斗情况,又可以针对每个漏斗环节进行详细分析。

这里针对漏斗的计算逻辑,说一下,神策直接使用了【封闭式漏斗】,没有给用户可选的余地。这是个比较强的逻辑,但也比较通用吧。

下面是创建漏斗的过程:

2cc5d54946147eeda782f4ac99598009.png

神策在这里可以设定窗口期,但是针对的是整体漏斗第一步到最后一步的窗口,而不是任意两个阶段之间的。另外,在报告页,时间筛选时,用户可以不使用窗口期。

对于【关联属性】在上文中有截图了,个人觉得这个还是挺好的一个设计。但用户的理解需要一点基础才行。

以上是关于漏斗分析及产品化的一些分享,欢迎大家继续关注~

这篇关于漏斗分析:你可能低估了它的复杂度(逻辑细节及产品化)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/774206

相关文章

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

MOLE 2.5 分析分子通道和孔隙

软件介绍 生物大分子通道和孔隙在生物学中发挥着重要作用,例如在分子识别和酶底物特异性方面。 我们介绍了一种名为 MOLE 2.5 的高级软件工具,该工具旨在分析分子通道和孔隙。 与其他可用软件工具的基准测试表明,MOLE 2.5 相比更快、更强大、功能更丰富。作为一项新功能,MOLE 2.5 可以估算已识别通道的物理化学性质。 软件下载 https://pan.quark.cn/s/57

衡石分析平台使用手册-单机安装及启动

单机安装及启动​ 本文讲述如何在单机环境下进行 HENGSHI SENSE 安装的操作过程。 在安装前请确认网络环境,如果是隔离环境,无法连接互联网时,请先按照 离线环境安装依赖的指导进行依赖包的安装,然后按照本文的指导继续操作。如果网络环境可以连接互联网,请直接按照本文的指导进行安装。 准备工作​ 请参考安装环境文档准备安装环境。 配置用户与安装目录。 在操作前请检查您是否有 sud

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号

【软考】希尔排序算法分析

目录 1. c代码2. 运行截图3. 运行解析 1. c代码 #include <stdio.h>#include <stdlib.h> void shellSort(int data[], int n){// 划分的数组,例如8个数则为[4, 2, 1]int *delta;int k;// i控制delta的轮次int i;// 临时变量,换值int temp;in

三相直流无刷电机(BLDC)控制算法实现:BLDC有感启动算法思路分析

一枚从事路径规划算法、运动控制算法、BLDC/FOC电机控制算法、工控、物联网工程师,爱吃土豆。如有需要技术交流或者需要方案帮助、需求:以下为联系方式—V 方案1:通过霍尔传感器IO中断触发换相 1.1 整体执行思路 霍尔传感器U、V、W三相通过IO+EXIT中断的方式进行霍尔传感器数据的读取。将IO口配置为上升沿+下降沿中断触发的方式。当霍尔传感器信号发生发生信号的变化就会触发中断在中断

kubelet组件的启动流程源码分析

概述 摘要: 本文将总结kubelet的作用以及原理,在有一定基础认识的前提下,通过阅读kubelet源码,对kubelet组件的启动流程进行分析。 正文 kubelet的作用 这里对kubelet的作用做一个简单总结。 节点管理 节点的注册 节点状态更新 容器管理(pod生命周期管理) 监听apiserver的容器事件 容器的创建、删除(CRI) 容器的网络的创建与删除

PostgreSQL核心功能特性与使用领域及场景分析

PostgreSQL有什么优点? 开源和免费 PostgreSQL是一个开源的数据库管理系统,可以免费使用和修改。这降低了企业的成本,并为开发者提供了一个活跃的社区和丰富的资源。 高度兼容 PostgreSQL支持多种操作系统(如Linux、Windows、macOS等)和编程语言(如C、C++、Java、Python、Ruby等),并提供了多种接口(如JDBC、ODBC、ADO.NET等

OpenCV结构分析与形状描述符(11)椭圆拟合函数fitEllipse()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆,该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意,由于数据点靠近包含的 Mat 元素的边界,返回的椭圆/旋转矩形数据