編輯導(dǎo)語：漏斗分析可以讓我們更清楚地得到用戶轉(zhuǎn)化情況，了解用戶的真實流失率。那么，在不同觸發(fā)機(jī)制下，漏斗分析應(yīng)該如何進(jìn)行？漏斗中涉及的流失人群又是否真的流失了？本篇文章里，作者就這些問題進(jìn)行了解答，一起來看一下。

在上篇，我們介紹了目前主流的兩類用戶行為軌跡、不同觸發(fā)機(jī)制下的業(yè)務(wù)側(cè)重點(diǎn)和漏斗構(gòu)建思路，下篇我們將對不同的觸發(fā)機(jī)制下漏斗將如何進(jìn)行分析、漏斗中的流失人群是否真正流失等進(jìn)行介紹。

對于主動性觸發(fā)行為，漏斗分析應(yīng)利用分組查看功能，通過對商品的種類、價格、是否參與活動，配合用戶的相關(guān)屬性如性別、年齡段、所在區(qū)域進(jìn)行分組查看，找出轉(zhuǎn)化率低的分組，進(jìn)行產(chǎn)品內(nèi)容上的策略改進(jìn)。同時，提升漏斗轉(zhuǎn)化的方法還有查看流失人群的用戶路徑，及時進(jìn)行引流動作，提醒用戶回到購物車進(jìn)行購買。

對于被動性觸發(fā)的行為，漏斗分析應(yīng)分析被動觸發(fā)事件的失敗原因，檢查是否有產(chǎn)品性的問題，其次檢查被動觸發(fā)事件與前項事件的觸發(fā)次數(shù)，核查產(chǎn)品可用性問題。

而漏斗中的流失人群是否真正流失，答案是否定的。由于漏斗建立時諸多的限制條件如前項觸發(fā)動作必須在后一項觸發(fā)動作之前，從第一步至最后一步的時間范圍必須在給定范圍內(nèi)等。最終漏斗呈現(xiàn)出的轉(zhuǎn)化率其實是基于建立漏斗者本人的視角下的轉(zhuǎn)化率，而非真實的行為軌跡，其名義的流失也并非真正流失。下面將對上面的結(jié)論一一進(jìn)行說明。

一、漏斗分析思路

在一個漏斗流程中，若存在多種觸發(fā)行為，則不同觸發(fā)機(jī)制下的漏斗轉(zhuǎn)化分析思路與技巧是完全不同的。主動性的觸發(fā)機(jī)制應(yīng)更多地利用產(chǎn)品本身的一些屬性進(jìn)行細(xì)化分析，同時應(yīng)對流失人群的用戶行為進(jìn)行回顧性總結(jié)，而被動型的觸發(fā)機(jī)制應(yīng)圍繞在系統(tǒng)穩(wěn)定性上進(jìn)行分析。

1. 主動性觸發(fā)機(jī)制下的分析思路

使用用戶 2 的行為軌跡作為分析的樣本：

用戶涉及的主動性觸發(fā)行為主要包括“點(diǎn)擊加入購物車”、“立即購買”、“點(diǎn)擊立即支付”，對于點(diǎn)擊加入購物車處的漏斗轉(zhuǎn)化，我們應(yīng)利用分組查看功能，通過對商品的種類、價格、是否參與活動，配合用戶的相關(guān)屬性如性別、年齡段、所在區(qū)域進(jìn)行分組查看，找出轉(zhuǎn)化率低的分組，進(jìn)行產(chǎn)品內(nèi)容上的策略改進(jìn)，其他主動性觸發(fā)行為同理。

運(yùn)營小王在分析時發(fā)現(xiàn)整體的轉(zhuǎn)化率很低，于是決定分析提升子流程的轉(zhuǎn)化率，并對加入購物車→立即購買這一步進(jìn)行分組查看。在按照商品的二級分類進(jìn)行查看后，小王發(fā)現(xiàn)相機(jī)類別下的轉(zhuǎn)化率是高于整體水平的，而運(yùn)動鞋類別下的轉(zhuǎn)化率則與平均水平持平，則計劃對運(yùn)動鞋類別下的商品采取相應(yīng)的購物車提醒策略，以提升整體轉(zhuǎn)化率。

除對漏斗進(jìn)行商品維度、用戶維度的分組查看外，提升漏斗轉(zhuǎn)化的方法還有查看流失人群的用戶路徑，及時進(jìn)行引流動作，提醒用戶回到購物車進(jìn)行購買。

同樣是運(yùn)營小王還希望進(jìn)一步提升漏斗轉(zhuǎn)化率，于是對加入購物車→立即購買處流失的用戶群體進(jìn)行用戶路徑分析，小王發(fā)現(xiàn)該用戶群體加入購物車后，大多數(shù)用戶都不再有任何動作（退出 App），還有其他一部分人群回到了首頁，點(diǎn)擊運(yùn)營位的商品，再次瀏覽商品。

于是，小王增加對退出 App 的人群的運(yùn)營提醒策略，如?Push、彈窗等，而點(diǎn)擊運(yùn)營位商品進(jìn)行瀏覽的人群，增加用戶進(jìn)入新的商品詳情頁后，在廣告位上提醒用戶加入的購物車商品。

小結(jié)

對于主動性觸發(fā)行為，漏斗分析應(yīng)利用分組查看功能，通過對商品的種類、價格、是否參與活動，配合用戶的相關(guān)屬性如性別、年齡段、所在區(qū)域進(jìn)行分組查看，找出轉(zhuǎn)化率低的分組，進(jìn)行產(chǎn)品內(nèi)容上的策略改進(jìn)。

同時，提升漏斗轉(zhuǎn)化的方法還有查看流失人群的用戶路徑，及時進(jìn)行召回動作，提醒用戶回到產(chǎn)品進(jìn)行購買。

2. 被動性觸發(fā)機(jī)制下的分析思路

對于被動性觸發(fā)機(jī)制下的漏斗轉(zhuǎn)化，使用用戶 1 的路徑進(jìn)行舉例分析：

被動性觸發(fā)的行為，更多的看中系統(tǒng)的穩(wěn)定性，因而對于點(diǎn)擊獲取驗證碼按鈕→成功獲取驗證碼這樣的轉(zhuǎn)化一定要求接近 100% 的轉(zhuǎn)化，若該步驟出現(xiàn)問題，往往產(chǎn)品的可用性將會極低。

對于被動性行為，分析失敗原因應(yīng)是首要思考的。

某運(yùn)營通過事件分析發(fā)現(xiàn)，獲取驗證碼失敗的主要原因是收集輸入錯誤，其次是網(wǎng)絡(luò)原因，這都是用戶側(cè)的原因，不可避免，此時應(yīng)核查點(diǎn)擊獲取驗證碼按鈕→獲取驗證碼結(jié)果這兩個事件的觸發(fā)次數(shù)，若相差較大，則會出現(xiàn)產(chǎn)品可用性風(fēng)險。

小結(jié)

對于被動性觸發(fā)的行為，漏斗分析應(yīng)分析被動觸發(fā)事件的失敗原因，檢查是否有產(chǎn)品性的問題，其次檢查被動觸發(fā)事件與前項事件的觸發(fā)次數(shù)，核查產(chǎn)品可用性問題。

3. 漏斗中涉及的流失人群是否“真正”流失

答案是否定的，由于漏斗建立時諸多的限制條件如前項觸發(fā)動作必須在后一項觸發(fā)動作之前，從第一步至最后一步的時間范圍必須在給定范圍內(nèi)等，最終漏斗呈現(xiàn)出的轉(zhuǎn)化率其實是基于建立漏斗者本人的視角下的轉(zhuǎn)化率，而非真實的行為軌跡，其名義的流失也并非真正流失，下面舉例說明：

• 用戶 3 的行為路徑：瀏覽商品詳情頁→點(diǎn)擊試看→點(diǎn)擊立即購買→點(diǎn)擊支付按鈕→支付成功
• 用戶 4 的行為路徑：點(diǎn)擊分享的內(nèi)容→點(diǎn)擊立即購買→點(diǎn)擊支付按鈕→支付成功→回到首頁→瀏覽商品詳情頁→點(diǎn)擊試看

若此時建立的漏斗為用戶 3 路徑下的漏斗，用戶 4 自然而然就被流失了，但是用戶 4 是通過他人分享的內(nèi)容立即購買的商品，只不過后面又自主地去試看了商品，從業(yè)務(wù)意義上并不能算做流失。

二、總結(jié)

本文通過分析主動性觸發(fā)行為和被動性觸發(fā)行為的用戶行為路徑，構(gòu)建出各自類型下的漏斗步驟與應(yīng)附帶的屬性，并針對性地介紹了問題排查和業(yè)務(wù)分析思路，最終提出相應(yīng)的建議，在文章的最后，還說明了漏斗流失人群并不能說是完全意義上的人群流失。

只有想明白用戶行為是什么類型的，漏斗應(yīng)該附帶的屬性有哪些，各自漏斗的分析思路，以及漏斗流失人群背后的含義，漏斗分析模型才能真正幫助到大家。

本文由 @雅人 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash ，基于 CC0 協(xié)議