南京建设工程信息网|0x00 什么是漏⽃分析
2010浙江高考语文说起数据分析，很多⼈把精⼒放在了各种⾼⼤上的数据模型上。事实上，⽐较常见的⼀些数据分析⽅法，往往都不是什么⾮常⾼深的学问，在实践中，涉及到的⽅法论或者复杂性，其实是远低于学校⾥学习的专业知识。⽽我们⾮常看重数据分析，本质是看重“数据”，以及利⽤数据来做
的“分析”，好的结论不⼀定有多么⾼⼤上的模型，但它⼀定有数据作为⽀持。
现如今我们所做的各种决策，都在强调数据的重要性，不论是市场调研的数据，还是产品上线后的⽤户数据，都贯穿了产品研发的整个⽣命周期。
今天我们来讲⼀个原理⾮常简单，但却⾮常实⽤的分析⽅法：漏⽃分析。
说起漏⽃分析，这是数据领域最常见的⼀种“程式化”数据分析⽅法，它能够科学的评估⼀种业务过程，从起点到终点，各个阶段的转化情况。通过可以量化的数据分析，帮助业务到有问题的业务环节，并进⾏针对性的优化。 在电商模式中，提到“转化率”，就往往配有⼀张“漏⽃分析图”作为辅助的说明。这是因为在电商模式下，
我们所做的每⼀项活动，都与⽤户有着直接或者间接的联系，⽽我们活动的本质也都是⼀样的：为了让⽤户成为持久的消费者。
因此，当我们分析⽤户从进⼊产品到完成消费的过程时，可以⼤体分为如下⼏个关键步骤：进⼊⾸页、查看商品页、加⼊购物车、进⼊⽀付页⾯、成功⽀付。通过分析每个阶段的转化率和流失率，能够直观地发现很多问题，进⽽到提升KPI的⽅法。
|0x01 漏⽃分析的作⽤
漏⽃分析，是⼀个⾮常经典的模型，⾃问世以来，衍⽣出了诸如AARRR⽤户增长模型、SICAS⽤户⾏为消费模型等衍⽣版本，基本上是各类分析报表的标配。⼤多数据互联⽹产品，其本⾝的商业逻辑就是⼀个虚拟的漏⽃，⽽我们的⽬的就在于如何让⽤户顺利的到达我们所设定的“⽬标⾏为”，如⽀付、注册。
例如，在⽤户运营领域，漏⽃对于⽤户⾏为的分析⽽⾔，是⾮常有必要的。在产品上线后，关键的业务路径，都要进⾏漏⽃分析，判断每个环节的设计是否存在缺陷。典型的如⽤户注册场景，从引导 - 注册 - 分享 - 进⼊⾸页，往往在分享这个环节，转化率⾮常低，那么我们就要考虑是否放弃这个环节，或者有什么其他的优化动作。
器官克隆
例如，在⾃媒体运营⽅向，假设⼀个⾃媒体账号有10W粉丝，发送⼀篇⽂章获得1W阅读，⼤约有1K⽤户收藏了⽂章，最后由100⽤户进⾏了付费打赏。那么这个10W - 1W - 1K - 100也是典型的漏⽃环节，⽤户付费转化率就是0.1%。如果需要提升付费转化率，需要以这个数据作为依据，来判断到底是应该打⼴告来增加阅读量，还是引导⽤户多收藏⽂章。
以上是两个⾮常简单的例⼦，在具备⼀定规模的公司中，通常都有⾮常多类似的问题，是迫切需要进⾏分析解答的，包括但不限于：
1. 为什么注册步骤转化率⾮常低？
2. 为什么很多⼈下单了却没有⽀付？
与时尚同居下载3. 为什么某个渠道量很⼤，但点击率却⾮常低？
4. 如果不做浏览器的适配，那么会损失多⼤的⽤户规模？
5. 进⼊⾸页却没有下单的⽤户，接下来都去了哪⾥？
...
⼀个设计科学的漏⽃分析体系，能够快速解答和分析这些问题，是可以实实在在的改善业务、提升业务收⼊的。
漏⽃分析的作⽤，有两个⼤的特点：
其⼀，漏⽃分析，能够梳理业务的关键流程环节，监控⽤户、流量在各个业务阶段的转化情况，及时对低转化率环节进⾏分析，定位流失的关键环节，进⾏持续的优化。
其⼆，漏⽃分析，往往配合多维度之间的对⽐，针对不同的⼈、渠道做差异化的分析，如新⽤户、⽼客户，如新渠道、⽼渠道，分析转化率最好和最差的维度，从⽽提升运营精度和效率。
接下来我们讲解⼀下如何进⾏“漏⽃分析”。
|0x02 如何进⾏漏⽃分析
按照惯例，我们通过“分解”的形式，来⼀步⼀步的阐述这个分析过程。
第⼀步，还原业务关键过程
前⽂提到过，漏⽃分析是针对业务的关键流程环节，做洞察和分析。因此在进⾏分析前，我们⾸先需要还原这个业务过程的关键步骤，并验证其是否是可以通过漏⽃进⾏分析。
例如，在电商⼴告场景下，⼴告主可以通过各种⽅法，向⽤户宣传⾃⼰的产品。这时候，⽤户会根据宣传的曝光词，点击搜索框进⼊到搜索页⾯，这时候会根据平台提⽰的关键词进⾏搜索，或者是主动发起搜索，到达搜索呈现的结果页之后，再进⾏相应的点击⾏为，并完成最终下单。
这个时候我们可以确定⼀条从搜索到展⽰的关键路径：⼴告投放展⽰ - 搜索关键词 - 点击搜索结果 - 完成下单。
进⼀步进⾏思考，我们可以把每⼀步赋予业务上的涵义，即：⼴告投放展⽰（引起⽤户兴趣） - 搜索关键词（⽤户产⽣兴趣） - 点击搜索结果（⽤户主动发起动作） - 完成下单（达成预期⽬的）。
第⼆步，确定漏⽃环节与数据采集来源
能够将⽤户的⾏为进⾏还原后，我们便可以定下漏⽃的环节，确定可以分析的数据，并标记数据的来源。
以上述例⼦为模型，我们可以作如下的区分：
⼴告投放展⽰（引起⽤户兴趣）： 在不同渠道⼴告展⽰的曝光量、点击量、点击⽤户数；
二甘醇搜索关键词（⽤户产⽣兴趣）：在电商平台中，不同关键词所产⽣的搜索量、搜索⽤户数；
点击搜索结果（⽤户主动发起动作）：在电商平台中，相应关键词所产⽣的点击量、点击⽤户数；
完成下单（达成预期⽬的）：产⽣下单⾏为的⽤户数。
第三步，制作漏⽃分析模型
从上⼀步的结果中，我们评估进⾏可以进⾏分析的数据维度，并通过报表平台搭建对应的漏⽃图，展⽰可以分析的数据。张之香
例如我们可以将渠道作为分析维度，将展⽰、搜索、点击过程中产⽣的曝光量、点击量作为分析的⼀个过程，也可以通过点击/搜索/下单产⽣的⽤户数，作为分析的⼀个过程，也可以将⽤户进⾏分组，查看分组的结果。
第四步，进⾏漏⽃分析
虽然现在可以进⾏数据分析了，但在实际的业务场景中，⼀种现象并不是单⼀的数据结果所能够解释的，往往需要通过多个⾓度的分析，来还原⼀个更准确和全⾯的答案。
常见的分析过程如下：
其⼀，查看漏⽃转化率，将结果按照渠道、⽤户分组进⾏查看，出转化率明显偏低的环节；
其⼆，分析数据变化的趋势，按照时间，分析当前阶段，在不同⽇、周、⽉、季、年下的变化趋势，出转化波动率最⼤/最⼩的时间点；
其三，不同维度对⽐，筛选不同的渠道、⽤户分组，将转化率和变化趋势进⾏对⽐。如果不同渠道数据相差较⼤，那么原因可能是某些渠道存在作弊情况；如果是不同⼿机型号存在差异，那么可能是⼿机的适配性、⽹速等存在差异；如果是不同的⽤户组存在差异，那么根据⽤户分组⽅法的不同，如购买能⼒、新⽼⽤户，也可以分析出⼀部分原因。
其次，如果不能够得出明确的结论，需要再返回之前的步骤，思考是按照关键词进⾏分类，或者是新增某个环节的分析，或者是向其他部门寻求类似场景的分析思路，然后再对刚才的过程进⾏复盘和优化，直到到最可靠的原因。
根据前⽂的阐述，我们可以看出，从分析⼈员的⾓度出发，当然是⼯具越⾃动化越好，能够更快的重复步骤，到原因。但是从数仓或者⼯程⼈员
的⾓度出发，其实这些分析诉求具有⾼度的不确定性，因此这种⾼度⾃动化的平台很难实现，更倾向于通过“提需求”的⽅式来⼈⾁完成部分的⼯作。
从业务发展的⾓度上看，在公司快速发展的时候，分析师与数仓⼀体化的配合，⾛部分⼈⾁的⽅式是
⽆可厚⾮的，但当规模增加到⼀定程度时，对于成熟稳定业务的⽀持，就需要有⼯具做配合了，因为很多深⼊的分析细节，⼈⾁的“效费⽐”太低，⼈⼒成本上⽆法负担。
|0xFF 漏⽃分析的进阶学习
在学习了⼀些基本的知识之后，我们还需要将问题进⾏思考，探讨那些更加“⾃动化”和“科学化”的做事⽅法。
⾃动化，是提升做事情的效率、降低⼈⼒成本的最有效途径，在业务发展平缓的公司中，涨薪的根源，便是节约“技术⽀持”所省下来的成本。
因此，在漏⽃分析这件事情上，我们可以把关键要素抽象出来，从⽽为设计⾃动化的平台作参考。漏⽃分析，可以抽象出三要素：
第⼀，是时间，指漏⽃的转化周期，是从某⼀环节到其他环节所消耗的时长。在实际的业务过程中，⼀般需要根据业务的特定，设定⼀个合理的转化周期，如最近30天，超过该周期的就不再认为是⼀个合理的转化。这是设计⾃动化产品⾸要考虑的因素。
第⼆，是节点，指漏⽃的每⼀环节的配置⽅法，在业务上具备可操作性，同时也是产品的关键路径，⽅便分析⼈员⾃由的搭配查看。
第三，是流量，指⼈/⽤户的点击、搜索或某个具体的业务动作，由于不同⼈/⽤户在相同漏⽃下的转化是不⼀样的，因此需要对⼈/⽤户进⾏合理的分组，更清晰定位产品特点，得出合理的解释。
下⼀步讨论“科学化”的做事，主要指科学归因的重要性。
漏⽃分析，往往与“归因分析”相关，因为能够到达关键环节的动作有很多实际上，业务流程转化并⾮理想中那么简单。例如⽤户下单某⼀件商品，可能是因为看了电视⼴告、可能是因为随⼿点击某个直播链接、也可能是因为看了朋友分享的朋友圈直接进⾏下单。在市场营销的视⾓⾥，市场活动、线上运营、邮件营销、电商⼴告等，都可能触发⽤户购买。因此需要科学的判断，这⼀次的结果，是与哪些“原因”相关，每⼀次转化节点应根据事件功劳差异（事件对转化的功劳⼤⼩）⽽科学设置。
因此我们往往需要算法的配合，来正确的识别，不同的营销渠道在⽤户购买决策的全流程中，对⽤户影响的“功劳”最⼤、权重较⼤，能够直接促进⽤户转化。在进⾏科学的漏⽃分析时，通过归因权重作为漏⽃转化的依据，能够⼤⼤增⼤了漏⽃分析的科学性。
通过上⾯两个例⼦可以看出，⼀件事情本⾝的概念可以是⾮常简单的，但简单不代表其好做，因为实际的业务是⾮常复杂的，需要根据不同的情况做各种抽象、汇总和升华，这才是分析真正难做的地⽅。
在当下，各个⼯种有相互“卷”的趋势，⽐如前端搞后端，后端搞数据，数据搞分析，分析做业务，但其实只有抓住业务的本质，才知道这
么“卷”下去有没有前途，⽽不仅仅是“为了智能化⽽智能化”。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议