一.什么是漏斗分析
漏斗分析是一套流程式的数据分析模型，通过将用户行为起始的各个行为节点作为分析模型节点，来衡量每个节点的转化效果，是转化分析的重要工具。
GrowingIO 的漏斗功能够帮助您清晰地了解转化情况，从多角度剖析对比，定位流失原因，提升转化表现。
数据需要传输时间，从您传输数据到在漏斗中可用会有一定的延迟，具体情况如下：
打点事件：您成功发送打点事件 1 小时后，可以在漏斗分析中使用该事件创建漏斗；
圈选事件：
元素浏览：圈选后第 2 天可用来创建漏斗，数据有效期从圈选第 2 天开始；
页面浏览、元素点击、输入框变更等（非元素浏览）：圈选 1 小时后可用来创建漏斗，请注意：圈选事件回溯 7 天，使用新圈选事件创建漏斗时请合理选择漏斗的时间范围。
我们在漏斗分析中提供了一键创建分群的功能，可以快速定位转化和未转化（流失）用户，打通分析到运营环节。请参见一键创建分群。
二.创建漏斗分析
一. 在顶部导航栏选择“产品分析 > 漏斗分析”，进入单图列表的漏斗分析模块。
二. 单击新建漏斗分析，进入新建漏斗分析页面。
三. 单击选择漏斗步骤，至少选择2个步骤，单击确定后展示漏斗视图。
漏斗的步骤可以通过拖拽调整顺序，单击已选行为后的
可对当前行为进行筛选。选择漏斗步骤时，鼠标悬停在某个事件时，可以看到该事件的定义和过去 7 天的数据预览。
图例解读：过去7天（时间）内用户在任意时间完成第一步，并在1天（转化周期）内完成了第二步的占比为0.514%（第一步的转化率）。
参数 | 说明 |
目标用户 | 默认是“全部访问用户”，可以切换至“新访问用户”、“全部登录用户”、“新登录用户”以及用户自主创建的用户分群。比如要分析新用户的注册行为，可以设定目标用户为"新访问用户"。 |
过滤条件 |
|
时间 | 时间是指用户进入漏斗的时间范围，也就是完成漏斗第一步的时间。 默认是“过去 14 天”，可以在此处切换成“今天”或者过去的一段时间。此处时间限定的是漏斗第一步，也就是用户进入转化漏斗的时间范围。 |
转化周期 | 指用户从漏斗第一步到完成之后每一步需要在转化周期时长内完成记作转化，否则记作流失。 默认是“ 1 天”，最长支持 90 天。 比如，转化周期设置为7天，是指用户完成漏斗第一步之后，需要在后续的 7 天内完成漏斗的最后一步才计为转化，否则会记为流失。 |
漏斗图 | 按筛选条件展示每一步骤的整体转化率。 |
趋势图 | 在筛选条件范围内展示每一步骤在每天的转化率。 |
维度对比 | 针对某个维度，对比不同维度值的漏斗表现。 例如：我们可以对比『浏览器』维度，Chrome 和 Safari 的注册流表现是否有明显差异。Chrome 和 Safari 是『浏览器』维度的 2 个不同的值。可以看到两个浏览器在注册每一步的不同表现和整体转化率的不同表现，并且可以在右侧视图区域切换『趋势』对比它们的趋势情况。 |
用户对比 | 对比两个不同的用户群体的转化情况。 例如：某电商平台尝试唤醒近期不活跃的用户，并将用户分成 2 组，其中 1 组发了满减优惠券，另外 1 组发了立减优惠券，想要2组领取了优惠券之后的转化情况；此时可以创建 2 用户分群：『领取了满减券的用户』(2010人)和 『领取了立减券的用户』(1080人)，在漏斗用户对比时选择这 2 个用户分群并调整时间范围到用户领取优惠券之后的一段时间，就可以对比 2 个不同用户分群的转化情况了 |
四. 单击右上角“保存”，输入漏斗名称（25个字以内）、设置共享权限后单击保存，之后可以在单图列表中查看和管理。
五. 单击保存后弹出添加到看板，选择合适的看板后单击确定。
在漏斗趋势图中，单击某一步骤柱状视图即可出现以下效果，选择创建分群快速创建当前步骤的用户分群。
限制条件：快速创建分群受到用户分群模块权限限制，如果您没有用户分群权限，将无法从漏斗分析趋势图中快速创建分群。
漏斗中的可选事件，包括了无埋点事件、埋点事件和复合指标，可以在同一个漏斗分析不同步骤中同时使用。
无埋点事件可用事件类型包括：页面浏览、元素浏览、元素点击、输入框修改、表单提交。
埋点事件，在“类型” 中选择“埋点事件”即可。
复合指标包括：合并事件、计算指标。
三.漏斗分析结果解读
项 | 说明 |
单位为人数 | GrowingIO 的漏斗基于用户行为分析，漏斗每一步的数据统计的是“人数”，也就是每一步有多少人完成；如果同1个用户在选定的时间范围完成了某个步骤 2 次，算作 1 (单位：人)； |
步骤时序 | 在转化周期内漏斗第一步和第二步为例：
|
在漏斗视图界面，单击图示界面上的 
，可以看到该时间在选定事件周期内自身的数据情况，辅助您判断漏斗转化数据是否受到事件数据有效性的影响。
举例来说，您在 6 月 7 日圈选了某个事件 A ，数据回溯 7 天，事件 A 的有效期是从 6 月 1 日开始的；如果您在漏斗中使用了事件 A ，并且时间选择了「 5 月 20 日至昨天」，其他事件的有效期从 5 月 1 日开始，而事件 A 是从 6 月 1 日开始；您需要注意到，漏斗的转化率数据受到了事件 A 有效期的影响。
四.案例解读
我们建立了注册转化漏斗，度量了每一步的转化率和整体的注册转化率。除了看到整体的转化情况，我们按照时间维度来监控每一步和整体转化率的趋势。发现，第一步转化率在 4 月 8 日有明显下跌。 ，而该环节对应的是填写手机验证码的环节。
经查发现，欠费导致短信验证服务被代理商自动停止，于是及时充值，恢复短信验证服务后转化率回到之前的水平。这个案例中，通过对每一步转化率的监控可以及时发现问题，及时止损，避免造成更大范围的影响。
某电商网站使用 GrowingIO 漏斗衡量交易转化时发现，App 上的用户量高于网站，但转化率却低于网页端。
具体步骤上可以看出，用户提交订单之后到支付环节的转化率明显低于网页端，值得注意的是，提交了订单的用户购买意愿非常强烈，是很有潜力唤回的一批用户。但是他们却选择了返回到上一步，而不是去支付。
对比网站和 App 在支付页面的信息结构发现，App上的支付页面缺少了订单商品的详细描述、收货人地址和联系方式等信息，导致很多用户返回到上一步确认，同时带给了用户犹豫，从而导致转化率下降。
于是，产品经理参考网站的信息结构，补充了详细信息，同时在支付环节进行流失用户召回。
从漏斗的趋势图中监测支付环节优化后的效果，App 端提交订单到支付环节的转化率明显提升，甚至略高于网站转化率，整体转化率也被拉高。同时，在漏斗中选择进行召回的用户作为目标用户，观测召回后的转化率变化，以此来评估本次唤回活动的效果。
类似转化问题，仅靠直觉是很难发现；它需要产品或者运营人员高度的数据敏锐感、娴熟的业务技能，这也是转化分析高级阶段的表现，发现问题后进行产品优化，然后回到漏斗中监控优化效果，产品在不断的迭代中，稳步增长。