什么是数据分析的漏斗模型?

作者:李启方

很早之前就知道漏斗模型,但没有做更多的了解和运用,后来对漏斗模型的了解稍加深入之后,觉得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。

本文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。

漏斗模型

关于漏斗模型,我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栗。

百科给出的解释: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。

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。

(图片源自网络)

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

选择数据源,插入>图表>条形图>堆积条形图。

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,按照个人要求酌情处理,这里我的就献丑了……

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,这里就不一一介绍了。

上就是本文的主要内容,以漏斗模型为基础,稍微进行了一些展开,最终讲述了如何利用Excel制作漏斗模型,欢迎斧正、指点、拍砖…

原文发布于微信公众号 - Spark学习技巧(bigdatatip)

原文发表时间:2017-11-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

业界 | Facebook联合微软推出神经网络交换格式ONNX:实现不同框架间模型迁移

选自Facebook 作者:Joaquin Quinonero Candela 机器之心编译 近日,Facebook 与微软联合推出了开放式神经网络交换(ONN...

29990
来自专栏PPV课数据科学社区

英伟达深度学习专家路川详解“如何升级GPU深度学习系统”

GPU 成为在构建深度学习系统时必不可少的需要关注的方向,但是诸如如何选择一款 GPU 来搭建深度学习平台,如何升级自己的 GPU 之类的问题一直困扰着开发者。...

43660
来自专栏大数据文摘

5类系统推荐算法,告诉你用户需要什么

41670
来自专栏新智元

大脑确实像计算机一样思考,类脑计算完全有望实现人类智能

【新智元导读】大多数神经学家认为,大脑通过改变脑细胞或神经元之间的连接及其强度学习。但有实验结果表明,大脑的学习方式更类似计算机:将信息编码到神经元内的分子中,...

29370
来自专栏ATYUN订阅号

【业界】MIT新研发的芯片将神经网络功耗降低95%

近日,麻省理工学院(MIT)的工程师们设计了一种芯片,这种芯片能将神经网络计算的速度提高3到7倍,同时还能将耗电量降低94-95%。这大大减少了在芯片存储器和处...

29360
来自专栏顾宇的研习笔记

《如何高效学习》读书笔记

《如何高效学习》是斯科特·杨 总结自己学习经验和方法的一本手册。他用一年的时间自学完成了 MIT 公开课上正常情况下需要四年才能修完的计算机科学的 33 门课程...

25320
来自专栏华章科技

5类系统推荐算法,告诉你用户需要什么

最近因为PAC平台自动化的需求,开始探坑推荐系统。这个乍一听去乐趣无穷的课题,对于算法大神们来说是这样的:

15530
来自专栏新智元

【支撑20亿人的机器学习】Jeff Dean、贾扬清等ScaledML大会演讲

20660
来自专栏腾讯大数据的专栏

推荐系统算法初探

0. 序言 最近因为PAC平台自动化的需求,开始探坑推荐系统。这个乍一听去乐趣无穷的课题,对于算法大神们来说是这样的: ? 而对于刚接触这个领域的我来说,是这样...

456100
来自专栏PPV课数据科学社区

推荐系统算法初探

1. 序言 最近因为PAC平台自动化的需求,开始探坑推荐系统。这个乍一听去乐趣无穷的课题,对于算法大神们来说是这样的: ? 而对于刚接触这个领域的我来说,是这...

49270

扫码关注云+社区

领取腾讯云代金券