主动性|数据分析之漏斗分析，业务人如何进行有效分析？（上） sketch|hosts|all|axure|设计|figma|h

编辑导语：作为一种数据分析模型，利用漏斗分析，我们可以更加清晰地得到用户转化情况，对用户流失率进行监控。那么，应该从哪些方面着手构建有效的漏斗思路？本篇文章里，作者针对用户行为轨迹、漏斗分析构建思路等方面做了总结，一起来看一下。

文章插图
不知道有多少人想过如下的问题：

漏斗究竟该如何建立，是将一个大流程事无巨细地拆分为一个一个的子流程，还是选择关键的几步流程作为漏斗？
建立漏斗时应该对漏斗执行者（每一个用户）执行的每一步流程附带什么样的属性？
建立的漏斗究竟该怎样分析？不同类型的流程漏斗究竟是否是一样的分析思维？
漏斗中涉及的每一步的流失人群究竟是真正流失还是漏斗意义上的流失？

在下文中，将围绕这四个问题，结合 C 端产品下的用户行为对漏斗进行深度探讨，并试图给出自己的见解。主要从用户的行为轨迹角度，深入分析如何将漏斗分析模型的价值更大化释放，详细剖析主动性触发行为与被动性触发行为的异同，以及两种触发机制下的漏斗流程的核心关注点，最终总结出这两种不同触发机制下的漏斗构建思路及相应的附带属性。
在漏斗分析思路方面，本文给出了自己的看法。
主动性触发机制下，漏斗分析应利用分组查看功能，通过对事件的相关属性如商品的种类、价格、是否参与活动，配合用户的相关属性如性别、年龄段、所在区域进行分组查看，找出转化率低的分组，进行产品内容上的策略改进。同时，提升漏斗转化的方法还有查看流失人群的用户路径，及时进行挽回指引，例如交易场景下，提醒用户回到购物车进行购买。
对于被动性触发的行为，漏斗分析应分析被动触发事件的失败原因，检查是否有产品性的问题，其次检查被动触发事件与前项事件的触发次数，核查产品可用性问题。
最后文章明确了漏斗中的流失人群并不是完全意义上的流失人群，而是基于建立漏斗者本人的视角下的流失。
上篇主要介绍内容：

何谓用户的行为轨迹；
两种触发机制下的流程关注点；
两种触发机制下的构建漏斗思路；
漏斗流程中应该附带哪些属性。

下篇主要介绍内容：

主动性触发机制下的漏斗分析思路、被动性触发机制下的漏斗分析思路；
漏斗中涉及的流失人群是否真正的流失了。

前面所提到的问题 a 与问题 b 本质上都是建立漏斗时需要考虑的，我们先对用户的行为轨迹（流程）进行说明，再回答不同类型下的流程该如何建立不同粗粒度的漏斗。
一、何谓用户的行为轨迹【主动性|数据分析之漏斗分析，业务人如何进行有效分析？（上）】顾名思义，用户的行为轨迹就是同一用户随时间和业务迁移下做的一连串动作。例如：
用户 1 在 APP 上进行注册登录时，通常会发生如下的行为：
又如用户 2 在 APP 上进行购买商品时，也会产生一些行为轨迹：
上述两位用户是日常中最常见的用户行为轨迹，也可以看到，上述的行为轨迹十分详尽地记录了用户每一步发生的动作。而这些动作整体可以分为两种触发机制。
行为轨迹的两种触发机制第一种为用户自主触发性的动作，步骤与步骤之间的推动完全靠用户的主动行为。
例如进入注册页面后，若用户不主动点击获取验证码按钮，验证码永远不会自动发送到用户手机上；又如点击加入购物车后，若非用户想要购买，立即购买按钮也不会主动触发。