什么是漏斗分析
????????漏斗模型是一套流程式數(shù)據(jù)分析，它能夠科學(xué)反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況，是一種重要的分析模型。
漏斗分析模型已經(jīng)廣泛應(yīng)用于網(wǎng)站和APP用戶行為分析的流量監(jiān)控、電商行業(yè)、零售的購(gòu)買轉(zhuǎn)化率、產(chǎn)品營(yíng)銷和銷售等日常數(shù)據(jù)運(yùn)營(yíng)與數(shù)據(jù)分析的工作中。
????????例如：漏斗模型在電商網(wǎng)站中的應(yīng)用，用戶從首頁(yè)進(jìn)入最終完成支付的行為，大多需要經(jīng)過(guò)幾個(gè)環(huán)節(jié)，從商品/瀏覽分類——查看商品詳情——加入購(gòu)物車——生成訂單——開(kāi)始支付——完成支付——回購(gòu)商品。這其中的每個(gè)環(huán)節(jié)都有一定的轉(zhuǎn)化率，我們需要做的是監(jiān)控用戶在流程上各個(gè)層次的行為路徑，尋找每個(gè)層級(jí)的可優(yōu)化點(diǎn)，提高用戶在每個(gè)層級(jí)之間的轉(zhuǎn)化率，最終來(lái)提高GMV。
漏斗分析的作用
對(duì)于業(yè)務(wù)流程相對(duì)規(guī)范，周期較長(zhǎng)、環(huán)節(jié)較多的流程進(jìn)行分析，能夠直觀地發(fā)現(xiàn)和說(shuō)明問(wèn)題所在，可以更快地找出某個(gè)環(huán)節(jié)的轉(zhuǎn)化率出現(xiàn)問(wèn)題。
1、企業(yè)可以監(jiān)控用戶在各個(gè)層級(jí)的轉(zhuǎn)化情況。
降低流失是運(yùn)營(yíng)人群的重要目標(biāo)，通過(guò)不同層級(jí)的情況，迅速定位流失環(huán)節(jié)，針對(duì)性持續(xù)分析找到可優(yōu)化點(diǎn)，如此提升用戶留存率
科學(xué)的漏斗分析能夠展現(xiàn)轉(zhuǎn)化率趨勢(shì)的曲線，能幫助企業(yè)精細(xì)地捕捉用戶行為變化，提升了轉(zhuǎn)化分析的精度和效率，對(duì)選購(gòu)流程的異常定位和策略調(diào)整效果驗(yàn)證有科學(xué)指導(dǎo)意義。
3、不同屬性的用戶群體漏斗比較
漏斗對(duì)比分析是科學(xué)漏斗分析的重要一環(huán)，運(yùn)營(yíng)人員可以通過(guò)不同屬性的用戶群體（如新注冊(cè)用戶與老客戶）各環(huán)節(jié)轉(zhuǎn)化率，各流程步驟轉(zhuǎn)化率的差異對(duì)比，了解轉(zhuǎn)化率最高的用戶群體，分析漏斗合理性，并針對(duì)轉(zhuǎn)化率異常環(huán)節(jié)進(jìn)行調(diào)整。
漏斗分析的應(yīng)用場(chǎng)景
漏斗模型大致可分為以下幾種：
1、AARRR模型：
????????從用戶增長(zhǎng)各階段入手，包括Acquisition用戶獲取，Activation用戶激活，Retention用戶留存，Revenue用戶產(chǎn)生收入，Refer自傳播。改模型主要應(yīng)用于互聯(lián)網(wǎng)行業(yè)
2，消費(fèi)漏斗模型：
????????一般用于頁(yè)面結(jié)構(gòu)和內(nèi)容較為復(fù)雜的業(yè)務(wù)，從用戶內(nèi)容消費(fèi)和流量走向的角度，宏觀層面用于回答用戶消費(fèi)什么內(nèi)容，微觀層面則用于分析影響用戶消費(fèi)的問(wèn)題是什么。主要流程是從廣告引流—商品介紹—場(chǎng)景打造—下單購(gòu)買
3，電商漏斗模型：
典型的用戶購(gòu)買行為由以下連續(xù)的行為構(gòu)成：瀏覽首頁(yè)—瀏覽商品—提交訂單—支付訂單。
當(dāng)我們期望觀察各步驟間及總體轉(zhuǎn)化率，可按以下步驟進(jìn)行：
4、AIDMA模型：
主要的流程是注意 → 興趣 → 欲望 → 記憶 → 行動(dòng)（購(gòu)買），適用于品牌營(yíng)銷。
5、AISAS模型：
主要的流程是注意-興趣-搜索-行動(dòng)-分享，在AIDMA模型的基礎(chǔ)上增加了用戶反饋的環(huán)節(jié)
操作網(wǎng)站：神策數(shù)據(jù)：https://manual.sensorsdata.cn/sa/latest/%E6%BC%8F%E6%96%97%E5%88%86%E6%9E%90-7540780.html
