編輯導(dǎo)語：對用戶路徑的了解可以讓團隊更了解用戶行為與使用習(xí)慣，進而推動產(chǎn)品迭代優(yōu)化，在具體方面有所改進，提升用戶的使用體驗。桑基圖是分析用戶路徑的有效方法之一，本篇文章里，作者對桑基圖進行了介紹，一起來看一下。

本文約4千字，讀完需要20分鐘，后半部分有實操，可以拿出小本本練習(xí)。

一、引言

作為一名產(chǎn)品經(jīng)理，我們經(jīng)常會聽到這樣的描述：“用戶進入xx頁面后，點擊這里，跳轉(zhuǎn)到xx頁面，然后再點擊xxx 跳轉(zhuǎn)到xx頁面?！?/p>

產(chǎn)品是這樣設(shè)計的，但是用戶是否真如你設(shè)計的那樣走？

未必。

那么用戶到底是怎么使用產(chǎn)品的，真實世界中的用戶的旅程是什么樣子，你需要一張?；鶊D。

名字聽起來有些陌生？?沒關(guān)系，本文就帶你走一遭，講講?；鶊D的前世今生，?；鶊D在互聯(lián)網(wǎng)產(chǎn)品分析領(lǐng)域的應(yīng)用，?以及如何用python將一個常見埋點數(shù)據(jù)CSV文件做出漂亮的?；鶊D。

二、桑基圖的前世

提起?；鶊D，要感謝以下這兩個人，可以說是桑基圖的爺爺和爸爸。

左查爾斯．約瑟夫．米納德，法國工程師，數(shù)據(jù)可視化大師；馬修·亨利·菲尼亞斯·里亞爾·?；瑦蹱柼m人，蒸汽機引擎設(shè)計工程師。

1869年，查爾斯·米納德（Charles Minard）繪制了《1812年拿破侖東征圖》。這張圖形象地描繪了拿破侖在1812到1813年進攻俄國時所遭受的災(zāi)難性損失。

圖片來源于網(wǎng)絡(luò)

圖中黃色為進軍路線，黑色為撤退路線，線條的寬度代表拿破侖的軍隊人數(shù)變化。從圖中可以清楚地看到，在深入寒冷的俄國腹地時，拿破侖軍隊的人數(shù)在逐漸地減少，到黑色線條撤退返回時，線條細得都快看不見了（活著返回法國的只有1萬余人）。這張圖也被認為是“數(shù)據(jù)可視化”的經(jīng)典之作。

然而，讓?；鶊D廣泛應(yīng)用于科學(xué)工程領(lǐng)域的，還是要感謝馬修·亨利·菲尼亞斯·里亞爾·?；∕atthew Henry Phineas Riall Sankey）。桑基圖（Sankey chart）也是以此人命名。

1898年，?；谝黄枋瞿芰啃实奈恼轮挟嬃诉@樣一張圖。

圖片來源于網(wǎng)絡(luò)

在文中，他對這張圖是這樣解釋的：當(dāng)能量在蒸汽機的各個部件中傳輸時，都會有能量損失，要提高能量傳遞效率，需要知道哪些步驟中流失比較嚴重。

熱量傳遞如下圖箭頭所示，其中箭頭的寬度代表能量的大小，可以從圖中看到每個步驟中能量損失。

從此以后?；鶊D被應(yīng)用于各個領(lǐng)域，比如農(nóng)業(yè)領(lǐng)域中追溯農(nóng)產(chǎn)品的走向、社會學(xué)領(lǐng)域研究人口的流向、醫(yī)學(xué)領(lǐng)域研究病例發(fā)展的流向。

而在互聯(lián)網(wǎng)產(chǎn)品中，?；鶊D也被廣泛采納，主要用于用戶路徑分析。比如，用戶在首頁開始，分別流向了哪些頁面，之后又流向了哪里。

以下圖為例，非常直觀地表現(xiàn)了用戶從Play song or video開始向其他頁面的流轉(zhuǎn)以及過程中的跳失量（跳失量由黑色表示）。

自然而然，我們不由地要提一個問題，有時候我們也想知道，達到某頁面或者執(zhí)行某行為的用戶都從哪里來，于是就有了?；鶊D的變種，可以理解為“逆向?；鶊D”。即設(shè)定一個終點，看看用戶從哪里來，如下圖所示。

三、桑基圖的價值

可以看到，桑基圖能非常直觀地展現(xiàn)用戶旅程，尤其是用戶旅程紛繁復(fù)雜的時候，?；鶊D能很直觀地表現(xiàn)出用戶的使用習(xí)慣，幫助我們了解用戶行為，從而進一步提高產(chǎn)品體驗。

根據(jù)個人經(jīng)驗，桑基圖可以在以下幾個方面提高產(chǎn)品和用戶的契合度：

• 找到主流流程，幫助確定轉(zhuǎn)化漏斗中的關(guān)鍵步驟。
• 看用戶主要流向了哪里，發(fā)現(xiàn)用戶的興趣點，尋找新的機會。
• 發(fā)現(xiàn)被用戶忽略的產(chǎn)品價值點，修正價值點曝光方式。
• 發(fā)現(xiàn)用戶的流失點。
• 找到有價值的用戶群體。

1. 找到主流流程，幫助確定轉(zhuǎn)化漏斗中的關(guān)鍵步驟

比如下圖（仔細看圖）中，我們將每一步占比最高的流程摘出來，得到最最主流的步驟，即Play Song or Video → Favorite Song or Video → Share Song or Video → Search Song or Video → Select Song or Video。

2. 發(fā)現(xiàn)被用戶忽略的產(chǎn)品價值點，修正價值點曝光方式

在上圖中，我們發(fā)現(xiàn)執(zhí)行了Seach song 的用戶持續(xù)走到下一步的可能性會更大，然而在第二步并沒有search song 操作，在第三步，也只有9.48%的用戶選擇了search song，是不是可以考慮加強Search song功能的曝光。

3. 看用戶主要流向了哪里，發(fā)現(xiàn)用戶的興趣點，尋找新的機會

比如上圖中，我們發(fā)現(xiàn)Concert landing Screen中執(zhí)行Purchase ticket動作的比例高達75.13%， 可以看出用戶是對Concert landing Screen到Purchase ticket的轉(zhuǎn)化率是極高的，可以發(fā)現(xiàn)用戶對Purchase Concert ticket的興趣是很高的，后續(xù)產(chǎn)品可以考慮增強這一塊的投入。

4. 發(fā)現(xiàn)用戶的流失點

上圖可以看出，每一步用戶的累計跳失率是：15.82%， 29.61%， 41.64%， 52.19%，每一步的凈跳失率就是：

15.82%，13.79%（29.61%-15.82%），12.03%（41.64%-29.61%），10.55%（52.19%-41.64%）。

第一步的的跳失率是最高的，結(jié)合之前的分析，產(chǎn)品側(cè)可以考慮通過search song來降低跳失率。

5. 尋找新的價值潛力點

share song是app實現(xiàn)裂變拉新的一個渠道。

我們可以看到share song之后的群體一大部分去了Search song，但是search song之后，卻沒有share song，到底是因為search song 沒有快捷分享通道，還是因為用戶不愿意分享，就要結(jié)合具體情況分析了。是不是可以在search song后鼓勵用戶分享，達到拉新的目的。

當(dāng)然，?；鶊D主要適用于用戶路徑相對復(fù)雜的應(yīng)用，如果只是簡單路徑的分析，則有點大炮打蒼蠅的感覺了。

四、怎么做?；鶊D

桑基圖這么好，那么桑基圖怎么做呢？

首先來剖析一下?；鶊D的組成，桑基圖想要表達的是流向問題，那么就需要知道從哪里（起點）到哪里（終點），流了多少（流量）。

這句話中有三個要素，我個人稱之為點、線、面：

1. 點：即流向的起點和終點。
2. 線：即哪些起點和終點間有流量。
3. 面：這些的量有多大（用面寬表示）。

以我的知乎文章頁面為例，我想知道進入到文章頁面的人都流向了哪里，?這里我把知乎頁面做了簡化，假設(shè)該頁面只有以下三個鏈接。

那么這里點就是：

• 起點：知乎個人主頁文章；
• 終點：是A文章， B 文章， C文章。

線就是：

• 主頁 → A文章；
• 主頁 → A文章；
• 主頁 → A文章。

假設(shè)到A、B、C文章的人數(shù)分別是100、200、300，那么面（寬）就是100、200、300。所以要做出桑基圖，就是尋找點、線、面的問題。

目前市面上有很成熟的工具做出?；鶊D，比如神策數(shù)據(jù)的用戶路徑分析就可以完成。

但如果沒有成熟的工具支持，我們只能自己動手、豐衣足食了，不過前提是需要有完備的埋點數(shù)據(jù)，如果連埋點都沒有，只能是巧婦難為無米之炊，快快把自己項目的埋點體系建立起來【參考文章：數(shù)據(jù)人該知道的埋點體系】。

接下來我們就看一下如何從最原始的埋點數(shù)據(jù)中自己動手造出桑基圖。

以下內(nèi)容比較枯燥，需要大家仔細看圖，也可以準備好小本本寫一寫、畫一畫。

如下圖，我們的PV（Page visits）埋點原始數(shù)據(jù)(已做脫敏處理)有三列（其他不相關(guān)的列已隱藏）：

表格中的幾列分別是：

• 當(dāng)前頁面的URL: 即有哪些起點或者終點。
• session_id: 用于確認屬于同一會話的PV頁面訪問。關(guān)于session（會話）的定義自行百度。
• 訪問順序：即同一會話中頁面訪問的順序。

舉個例子，表格前兩行的意思是某次會話中（16094237690031612632975|64）用戶第一次訪問的頁面是xxx.com/home，第二次訪問的頁面是：xxx.com/company/home。

我們來從這個表中找到點、線、面。

1）點

以起點為例，我們需要找到用戶第一次訪問的頁面都有哪些？，那么用excel過濾出訪問順序==1的頁面，去重，就得到第一次被訪問的頁面的集合。

同理得出第二次被訪問的頁面的集合。這樣就得到了頭兩次被訪問的頁面節(jié)點：

2）線&面

接下來我們需要知道兩個步驟節(jié)點之間是否有聯(lián)系。

以第一個頁面xxx.com/home為例，需要知道第一次訪問頁面xxx.com/home，并且第二次訪問xxx.com/company/home有幾個session。

這其實就是一個數(shù)學(xué)集合問題， 先找到以xxx.com/home為第一次訪問頁面的sessionID集合A， 再找到以xxx.com/company/home為第二次訪問頁面的sessionID集合B， 取集合A和集合B的交集中元素的個數(shù)，就得到這個“面”的寬度，即流量。

照此，我們可以得出第一次訪問頁面xxx.com/home，并且第二次訪問xxx.com/company/home有3個session， 如下圖：

那么這兩個頁面之間的連接就是3。

以此類推，得到以xxx.com/home為起點的session，對這些session中，第二次被訪問的頁面進行計數(shù)，就可以得到對應(yīng)的訪問流量分布，如下圖：

同理，再分別計算出以xxx.com/order/manage/list, xxx.com/traffic/serving, xxx.com/fund/fund-withdraw 為起點的流量分布，從而得出一張不怎么好看的桑基圖：

而這張圖的背后就是如下的數(shù)據(jù)：其中traffic就是對應(yīng)的流量大小，也就是桑基圖中線的寬度。

這樣，意味著我們要實現(xiàn)源數(shù)據(jù)到桑基圖數(shù)據(jù)的轉(zhuǎn)化：

接下來我們就用python 代碼實現(xiàn)這一轉(zhuǎn)變。

五、用Python實現(xiàn)桑基圖

1. 點

#讀取PV數(shù)據(jù)

filepath = ‘/Users/jigege/Desktop/sankey/PV_data.csv’

pvData = pd.read_csv(filepath)

#獲取前兩步?；鶊D的節(jié)點，首先定義一個數(shù)組，數(shù)組元素是每一步對應(yīng)的節(jié)點數(shù)組

SankeyNodes = []

#作為示意，我們僅考慮訪問順序==1和2的數(shù)據(jù)

for i in range(2):

#過濾出訪問順序為i的頁面，用drop_duplicates()去重得到節(jié)點

SankeyNodes.append(pvData[pvData[‘Sequence’] == i+1][‘CurrentPage’].drop_duplicates().values)

SankeyNodes

得到?；鶊D點的數(shù)組如下：

[array([‘xxx.com/home’, ‘xxx.com/order/manage/list’,

‘xxx.com/traffic/serving’, ‘xxx.com/fund/fund-withdraw’],

dtype=object),

array([‘xxx.com/company/home’, ‘xxx.com/product/manage/list’,

‘xxx.com/traffic/serving’, ‘xxx.com/order/manage/list’,

‘xxx.com/fund/account-statement’, ‘xxx.com/home’,

‘xxx.com/fund/fund-home’], dtype=object)]

2. 獲取線&面

#獲取?；鶊D的線&面

#初始化桑基圖數(shù)據(jù)，列名分別為’source’：流量起點,’target’：流量終點,’traffic’：流量大小

sankeyTraffic =pd.DataFrame(columns = [‘source’,’target’,’traffic’])

#遍歷第一步的節(jié)點

for i in range(len(SankeyNodes[0])):

#得出第一步中各個節(jié)點對應(yīng)的session_id列表

sourceSessionList = pvData[(pvData[‘CurrentPage’]==SankeyNodes[0][i])&(pvData[‘Sequence’]==1)][‘session_id’]

#遍歷第二步的節(jié)點

for j in range(len(SankeyNodes[1])):

#得出第二步中各個節(jié)點對應(yīng)的session_id列表

targetSessionList = pvData[(pvData[‘CurrentPage’]==SankeyNodes[1][j])&(pvData[‘Sequence’]==2)][‘session_id’]

#算出同時訪問過第一個頁面和第二個頁面的session個數(shù)，即為流量；用isin函數(shù)判斷第二個頁面的session列表是否在第一個頁面的session列表中

Traffic = targetSessionList.isin(sourceSessionList)[lambda x: x==True].count()

#用append函數(shù)將算出的’source’：流量起點,’target’：流量終點,’traffic’：流量大小添加到?；鶊D數(shù)據(jù)中

sankeyTraffic=sankeyTraffic.append({‘source’:SankeyNodes[0][i],’target’:SankeyNodes[1][j],’traffic’:Traffic}, ignore_index=True)

3. 繪制?；鶊D

#繪制?；鶊D有兩個包，一個是pyecharts.charts， 另外一個是holoviews，我們選擇了holoviews。

#但holoviews不允許source 和target當(dāng)中有重復(fù)項，所以將source和target分別加上后綴，避免兩列中的重復(fù)項

sankeyTraffic[‘source’] = sankeyTraffic[‘source’].apply(lambda x: x+’_source’)

sankeyTraffic[‘target’] = sankeyTraffic[‘target’].apply(lambda x: x+’_target’)

#引入相關(guān)的python 包，需要預(yù)先安裝holoviews，plotly等package

import holoviews as hv

import plotly.graph_objects as go

import plotly.express as pex

#導(dǎo)入對應(yīng)的擴展組件hv.extension(‘bokeh’)

#繪制?；鶊D，一步完成！

hv.Sankey(sankeyTraffic,kdims=[“source”, “target”], vdims=[“traffic”] )

當(dāng)然，如果你有興趣，在一個最簡單的只描述的一步的?；鶊D完成之后，可以探尋更加完整復(fù)雜的多步桑基圖。其實原理都是一樣的，本文就不再贅述。

大家也可以參考文章：

How to Plot Sankey Diagram in Python Jupyter Notebook [holoviews & plotly]? by Sunny Solanki

（https://coderzcolumn.com/tutorials/data-science/how-to-plot-sankey-diagram-in-python-jupyter-notebook-holoviews-and-plotly）

六、總結(jié)

今天我們從桑基圖的前世今生講起，聊了聊?；鶊D在互聯(lián)網(wǎng)中研究用戶路徑的應(yīng)用，以及業(yè)務(wù)價值，最后講了?；鶊D的繪制原理和python實操。

在桑基圖的繪制原理和python實操部分，是有點枯燥的，甚至需要大家拿出小本本在紙上畫一畫、寫一寫，仔細看看所附的圖片，然后上手練習(xí)一下。

如果你們的工作中有現(xiàn)成的?；鶊D工具，本文可以幫你知道?；鶊D是怎么來的，如果沒有，試試今天的方法，做出一個酷酷的桑基圖來擴大你的影響力吧！

參考文章

1. 維基百科：http://en.wikipedia.org/wiki/Sankey_diagram

2.google?charts:?https://developers.google.com/chart/interactive/docs/gallery/sankey

3.?How to Plot Sankey Diagram in Python Jupyter Notebook [holoviews & plotly]

4.?利用Python繪制誘人的桑基圖_數(shù)據(jù)森麟-CSDN博客

5. Amplitude help center：Get the most out of Amplitude’s Funnel Analysis chart

6.?the art of consequences

作者：Simba，IBM資深商業(yè)分析師；IT老兵，終生學(xué)習(xí)者；“一個數(shù)據(jù)人的自留地”創(chuàng)作者聯(lián)盟成員

本文由@一個數(shù)據(jù)人的自留地 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