摘要：各行业信息化程度不断提高，数据分析能够创造运营改善和新的业务机会。漏斗分析模型既是一种数据分析方法也是一种思维方式，其能够解构和量化业务流程全链路、用指标将抽象的业务数据化，通过漏斗分析模型考量各个关键环节的转化率、流失率，进而找到薄弱环节，定位问题，为全流程的改善提供参考建议，指導决策。

关键词：漏斗分析模型、数据分析、信息系统、实用化、量化、指标

一、漏斗分析模型的概念

漏斗分析是一套流程式数据分析模型，也是一种普遍适用的线性思维方式。它将一个事务或一项工作看做一个链路，把起点到终点的整个过程分解成若干个关键的环节，监控分析关键环节数据转化情况，定位转化或流失的环节与数量，为后续原因分析、改进、优化、决策提供依据。

二、漏斗分析模型的作用

漏斗模型的本质是分解和量化，将完成任务的路径进行分解，再通过指标数据来反映路径上关键环节的表现，常用来做用户行为状态及阶段转化率的分析。其主要作用和价值有以下几个方面：

1、将实际业务过程抽象为行为路径，识别出关键业务环节。

真实的业务过程流程往往比较复杂，而且夹杂着大量的噪音信息，干扰着我们对业务本身的认知理解。通过漏斗分析模型，可以对复杂的业务过程进行抽象提炼，还原真实业务流程并且聚焦关键业务环节，有效提高对业务的认知效率。

2、关键节点用户转化情况纵向监控

通过漏斗模型进行用户数据分析，能够聚焦转化路径上的关键环节上，一方面能够快速定位流失率高的环节，有针对性地进行原因分析，提供业务流程和产品的优化依据，降低用户流失率;另一方面，也能针对用户留存率高的环节，分析其优点，提供运营的优化借鉴。

3、不同用户群体横向对比分析，挖掘用户差异

通过同一个漏斗模型即同一业务流程设置对比不同用户群体在相同环节的转化情况，这些客户的可以根据不同维度来进行分类，比如用户性别、使用系统时间、来源渠道、学历、年龄等来属性来对用户进行分类，观察不同用户群体的转化情况。通过对比可以发掘高转化率的用户群体和低转化率的用户群体，聚焦不同用户群体的关注点，调整运营策略。

4、逆向使用漏斗模型，反推产品运行的基本数据需求

通过正向使用漏斗模型，推算出转化率/流失率，然后逆向反推要达到最终的目标存留用户或成交量所需的最少用户数量，有利于寻找和引导流量。

5、合理投放精力，优化资源配置

通过对整个业务路径的分析，明确重点工作、重点目标客户、合理定位工作优先级，有的放矢地投放精力、合理配置资源，提升个人工作效率及整体运营效益。

三、构建漏斗分析模型的步骤方法

1、设定分析目标

首先需要确定做数据分析的目标和方向，比如提高用户购买力、拓展新用户、增加用户粘性、产品推广、提高用户交易转化、产品优化等。

2、界定业务场景

一个企业涉及的业务往往错综复杂，难以一蹴而就对所有的业务进行分析，这就需要在开始进行分析之前，对本身的现状进行分析，在众多业务中界定需要进行分析的重点业务场景。

3、梳理过程环节，抽象业务完整路径

针对选定场景进行分析、梳理，初步概括出的粗放、模糊的业务轮廓。然后，基于业务基本轮廓，逐步定明晰务场景的环节、节点，定义业务的完整流程与用户行为路径。

4、定义各环节的考核指标

挖掘用户开展业务过程中的难点、痛点，设计关键环节的关注指标，从数据的角度解构业务流程。

5、设计分析比较方法

根据目标，设计漏斗模型的分析比较方法，如同行业之间对比、时间维度的纵向对比、客户群体之间的对比、企业内部不同部门之间、竞品的对比等等。

6、收集指标数据，量化关键指标

通过爬虫、埋点、日志统计等方式收集指标对应数据，将业务环节、用户行为进行量化。

7、开展数据分析

借助图表、数据可视化工具，进行指标数据分析比较，分析趋势、差距，定位业务的薄弱环节、问题原因、可优化的节点，进一步找出针对解决思路、产品优化方案。

四、漏斗分析模型的应用场景

1、互联网用户增长分析

AARRR用户增长模型是互联网产品运营中比较常见的一个模型，AARRR是用户生命周期的五个环节，即Acquisition（用户获取）Activation（用户激活）Retention（用户留存）Revenue（获得收益）Referral（推荐传播）五个单词的缩写。AARRR漏斗分析模型将抽象的用户增长转化成数据问题的，具体表现为每个环节指标数据的增长。比如Acquisition（用户获取）环节的“新增用户数”指标，Activation（用户激活）环节的“点击率”、“访问量”指标、Retention（用户留存）环节的“复购率”、“留存数”指标，Revenue（获得收益）环节的“订单数”、“下单率”指标，Referral（推荐传播）环节的“转发率”、“分享数”指标等等。将业务流程指标化、数据化以后之后，需要配合各种复杂、具有针对性的方法去分而治之。

2、电商行业客户群体转化对比

电商企业在长期的经营过程中积累的一定的用户数据，依据用户的属性特征和行为特征数据将用户群体进行分类。比如基于客户消费能力这一维度，可将客户分为普通会员、钻卡会员、金卡会员、银卡会员等，通过漏斗分析模型对比统一环节不同客户群体的行为表现，分析差异，并针对不同客户群体制定更精准的转化引导、运营策略，能够切实有效提供转化率，避免浪费。

3、互联网产品优化

从用户角度出发，抽象出用户使用互联网产品的目的、需求、操作流程，将互联网产品的业务路径通过漏斗模型进行抽象，对比两者存在差异与用户未被满足的需求，挖掘产品优化空间，最终提升用户体验与产品价值。

五、漏斗分析模型在信息系统实用化监控中的应用

随着信息技术高速发展，各行业对信息化越来越重视，企业纷纷加大投入力度购买产品或自建系统来提升自身信息化水平。信息系统投入使用后，其有没有真正地被用起来、用好、起作用往往缺乏监管。很容易出现管理部分投入大量财力、人力建成的信息系统被束之高阁、更有甚者给基层业务人员增加额外工作负担的情况。这就需要对信息系统的实用化水平进行有效的监控。

我们可以使用漏斗分析模型来对信息系统的实用化展开监控，首先界定监控的场景，一，可以从用户操作的角度出发，监控用户使用系统的行为路径。二，可以从系统功能的角度出发，监控功能的被使用的情况。

监控用户使用系统的路径可以抽象为企业有多少员工、应该有员工使用系统、实际多少员工注册了账号、有多少员工登录系统、有多少员工使用系统功能完成工作。从最终使用功能的人数可以判定系统使用效率，然后通过相邻环节的数据变化可以定位出导致系统使用率低环节。

从系统功能被使用的角度，监控系统一共有多少个功能，其中有多少功能已经被分配，分配的功能中哪些被使用，那是偶尔（中频）被使用，哪些经常（高频）被使用，从而反映系统功能的使用率。再分析那些未被使用和使用频次比较低的功能及其原因，是功能与实际业务需求不符、还是易用性差、给基层员工造成负担、还是业务人员习惯未扭转等，针对具体的原因定制系统功能优化、流程简化、提升用户体验、改进管理制度等解决方案。以促进信息系统使用率、优化资源配置，达到企业提质增效的最终目标。

六、小结

漏斗分析模型不仅仅只是一个数据分析模型，也是一种思维方式，其本质是拆解流程并量化。这中思维方式已经渗透到各行各业的数据分析活动中，通过漏斗模型，能够抽象出完整的业务链路，指标化、数据化关键业务环节的转化率，科学评估业务效率、活动成效、产品完善程度，并结合其他的分析方法，深度挖掘数据背后的深层原因，提升数据分析与决策的科学性。

作者简介：张冠豫（1988），男，云南昆明人，研究生，主要从事电力信息系统建设和实施工作。