漏斗模型基本上是做所有分析時都或多或少會用到的工具，本文結(jié)合一些簡化的虛擬案例，來跟大家說說如何利用漏斗模型輔助數(shù)據(jù)診斷與決策？

先講個例子，來自肖恩埃利斯的《增長黑客》：

一家食品商店App的增長團隊發(fā)現(xiàn)了一個問題：App上線后，通過各種推廣，短時間內(nèi)就獲得了19萬用戶，但是到最終在App內(nèi)完成購買的用戶只有不到7000人。

是App的體驗不好？商品不夠有吸引力？其實很多產(chǎn)品也會有這樣的問題，好不容易吸引來用戶之后，如何讓他們真正開始持續(xù)使用，激活他們？

于是，這個增長團隊梳理出了用戶從下載打開到最終購買的整個體驗路徑，提煉出5個關(guān)鍵步驟，分別是：

1. 下載和打開App；
2. 搜索瀏覽；
3. 將商品放入購物車；
4. 添加信用卡信息；
5. 完成購買結(jié)算。

然后列出這段時間，每個步驟的實際人數(shù)，和對應(yīng)的轉(zhuǎn)化率：

數(shù)據(jù)和對應(yīng)的轉(zhuǎn)化率的結(jié)果很直觀，團隊成員發(fā)現(xiàn)：

• 大量用戶將商品放入購物車后沒有添加信用卡信息就離開頁面了（c到d為20%），但那些成功添加信用卡信息的用戶，在之后完成購買的比例很高（d到e為75%）。
• 此外，許多用戶搜索商品數(shù)量并不多（a到b為30%），相比之下，下載App后特別活躍的用戶第一次打開時就瀏覽了很多商品（活躍用戶a到b的比例很高）。

有了這個數(shù)據(jù)其實就能很清楚的看出：商品本身或者App的體驗沒什么問題，能正常支付的用戶大部分還是完成購買了，但是添加支付工具的和結(jié)算體驗卻存在障礙。團隊需要嘗試讓用戶能更輕松的結(jié)算。同時，考慮新增用戶搜索量不高，還得嘗試鼓勵初訪者搜索和瀏覽更多商品，比如設(shè)置特惠賣場界面、改進引導(dǎo)文案等等。

當然，這是一個很簡化的虛擬案例，但是我們?nèi)匀豢梢詮闹锌闯鏊麄兪侨绾螒?yīng)用數(shù)據(jù)發(fā)現(xiàn)和診斷問題的，在這里面用到的很重要的一個工具就是“漏斗模型”。

漏斗模型及常用應(yīng)用模型

所以，什么是漏斗模型？

漏斗模型，aka漏斗分析、轉(zhuǎn)化率分析，基本上是做所有分析時都或多或少會用到的工具。

我在網(wǎng)上搜漏斗分析時，出來的文章或內(nèi)容大多和互聯(lián)網(wǎng)運營或者數(shù)字營銷有關(guān)。但其實漏斗模型應(yīng)用的地方非常廣泛，包括但不限于：

• 財務(wù)分析（整個利潤表其實就是個漏斗，比率分析）；
• 產(chǎn)品設(shè)計（診斷用戶一系列行為轉(zhuǎn)化率）；
• 廣告（流量監(jiān)控、效果評估），品牌（認知-行為轉(zhuǎn)化）等等。

當然除了開頭舉的那個用戶體驗流程的例子，漏斗模型還有其他很多種應(yīng)用。比如：

品牌認知-行為漏斗

在衡量品牌知名度的時候通常會用三個指標：

• Top of Mind：代表對品牌強定位（或者說占據(jù)用戶心智的深度）的量化。提到XX品類，第一時間想到的品牌。比如“提到短視頻App，你第一個想到的是哪個App”，一個人可能會回答快手，另一個可能會回答抖音，但每個人只會有一個top of mind，最終可以統(tǒng)計各個品牌在用戶群體的心智中占了多少領(lǐng)地。
• Un-Aided：代表對品牌弱定位（進入用戶心智，但還不夠深）的量化。提到XX品類，還能想到哪幾個品牌。比如“提到短視頻App，你還能想到哪幾個App”，一個人可能會回答抖音、快手…等數(shù)個App，但通常不超過5-7個。因為人的記憶/心智也是有限的。
• Awareness：代表廣泛的知名度。XX品類里所有知道的品牌。比如“在短視頻App里，你都知道哪些App？”，一個人可能會回答快手、抖音、微視、視頻號…等很多個App。

關(guān)于這幾個指標基于心理記憶的解釋，也可以參考之前這篇《品牌的生理和心理基礎(chǔ)》中的部分內(nèi)容。

關(guān)于行為漏斗，根據(jù)行業(yè)/品類的不同特性，可以設(shè)置成各種指標，邏輯相關(guān)即可?？梢杂谩耙郧坝眠^-現(xiàn)在在用-最常用”，也可以是“以前買過-最近半年買過-最近1個月買過”，情況目的不同，搭建不同的指標。

可以通過抽樣調(diào)研問卷的方式獲得數(shù)據(jù)（認知這種比較心理層面的指標，主要還是靠問卷。不過行為指標，有監(jiān)測數(shù)據(jù)會比用戶回憶更準一些），并對品牌/產(chǎn)品進行診斷。

比如這個例子：

AB兩個品牌在一波營銷過后，A品牌廣泛意義上雖然知名度高，但是很少有人能主動想起來A，有可能是A品牌雖然廣告到處打，但是宣傳的內(nèi)容太平淡，沒有亮點，人們看完很快就忘了。

B品牌則可能是宣傳內(nèi)容很不一樣，大家看到B的宣傳后印象深刻，但是由于媒體渠道選的不好，覆蓋的人群不夠，所以整體知名度要更弱一些。

AARRR漏斗

除了前面提到的食品商店App的具體例子，其實包括黑客增長本身的核心模型AARRR其實也是一個漏斗：

AIDA漏斗

營銷中經(jīng)典的AIDA（或者AIDAS等等變種）也可以通過收集對應(yīng)的數(shù)據(jù)，套用漏斗模型進行分析，廣泛應(yīng)用于快消品、耐消品：

利潤漏斗

財務(wù)分析三張表中的利潤表其實也是一個漏斗，凈利潤率告訴我們漏斗是比較直（中間損耗少，收入更多轉(zhuǎn)化為盈利，效益好）、還是比較斜，所以凈利潤率表示效益。

應(yīng)用基礎(chǔ)與個體“私域”數(shù)據(jù)漏斗

應(yīng)用漏斗模型做分析的基礎(chǔ)有兩個：

• 基于目的抽象出流程；
• 數(shù)字化，有能力收集每個流程或步驟的數(shù)據(jù)。

基于目的抽象出流程：比如想解決用戶從打開到下單的轉(zhuǎn)化問題，或者想讓用戶更順暢的體驗到產(chǎn)品的Aha時刻（即用戶體驗到產(chǎn)品最大價值的那個時刻），可以基于用戶實際體驗，抽象為“打開-瀏覽-詳情-加入購物車-下單-支付-反饋”這一系列流程。再比如從認知到購買的流程，被提煉為AIDA。

這一步聽起來簡單，好像只要按已有的模型或者實際用戶行為/認知的路徑梳理出來就行。但實際上有很多難點，比如產(chǎn)品/app的元素功能很多、用戶的行為其實很復(fù)雜，像例子中的電商App，實際上頁面層級會很多、用戶也可能會在各種頁面上“逛”。要如何梳理出關(guān)鍵步驟，構(gòu)建有效的用戶路徑圖，并衡量其間轉(zhuǎn)化，其實是個難點。

還有像AARRR或者AIDA這種“大”模型，可以提供宏觀策略上的參考，但在精細分析，比如復(fù)雜媒體環(huán)境下不同渠道帶來的認知或者獲客時，如何取舍、如何處理不同漏斗間的交集或者嵌套，其實都會有些難度。

數(shù)字化：抽象出流程后，就得拿到每個流程的數(shù)據(jù)，才好真正開始分析。對于企業(yè)而言，最好當然是建立自己的數(shù)字化體系、數(shù)據(jù)倉庫，監(jiān)測自己的用戶/客戶全部行為數(shù)據(jù)?；蛘咭部梢越柚獠抗?yīng)商的SaaS/Paas之類的數(shù)據(jù)平臺做部分業(yè)務(wù)的數(shù)字化。除了行為數(shù)據(jù)之外，也可以用問卷調(diào)研的方式獲得用戶態(tài)度或心理數(shù)據(jù)。

不過，其實數(shù)據(jù)存在于生活中的各個角落。對于小規(guī)模的活動，甚至個人，都可以靈活地應(yīng)用這兩步。

比如個人在社群做文字或者直播分享，最大覆蓋多少人或多少微信群，有多少人觀看直播，有多少人評論，多少人轉(zhuǎn)發(fā)，直播后有多少人添加微信，有多人截圖分享，其實都可以量化，并且計算轉(zhuǎn)化率，還可以在不同場次/不同社群間對比。

哪怕是小賣部，其實也可以統(tǒng)計每天多少人流路過，多少人進店，多少人購買……并不一定非得是大公司才用得到。

局限和深入分析

漏斗模型雖然很常用，但也不是萬能的。最大的局限在于，漏斗分析是一個純診斷工具，也就是說它可以告訴你哪里出了問題，但是即沒有辦法回答為什么出現(xiàn)這樣的問題，也不能回答如何解決這樣的問題。通常還要結(jié)合消費者調(diào)研和更多的數(shù)據(jù)分析，來挖掘問題背后的原因以及探尋改進的方向。

而且，單獨做一個漏斗其實往往看不出太多東西，很多時候要對比才有意義。

• 對外：和競爭對手比、和行業(yè)平均值對比。
• 對內(nèi)：自己的細分用戶在漏斗各環(huán)節(jié)的不同表現(xiàn)；不同時段的漏斗數(shù)據(jù)表現(xiàn)等等

比如還是肖恩埃利斯，在問卷調(diào)查公司Qualaroo領(lǐng)導(dǎo)增長團隊時，通過深度分析和對比，對比“試用后購買產(chǎn)品的用戶”vs“試用后沒購買產(chǎn)品的用戶”之間的差異，發(fā)現(xiàn)：

購買的用戶在試用調(diào)查問卷系統(tǒng)時收到了至少50條反饋，而產(chǎn)品的Aha時刻（即用戶體驗到產(chǎn)品最大價值的那個時刻）正是用戶發(fā)現(xiàn)自己能回收足量的結(jié)果，并從中得到有指導(dǎo)意義的反饋。所以50條反饋是一個很重要的價值拐點，回收數(shù)據(jù)超過這個數(shù)，用戶就能感知產(chǎn)品價值。

于是他們做了很多試驗，來盡可能幫助用戶提升回收問卷的數(shù)量。比如視頻教程，指導(dǎo)用戶做更簡短且有效的問卷，以及在哪里投放問卷回收概率高，比如推薦模板、推薦NPS等等，以及讓客服人員主動聯(lián)系用戶提供發(fā)布問卷的建議。最終大幅提高了用戶激活率。

作者：Allen，微信公眾號：Allen走走神

本文由 @Allen 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