学习数据分析的朋友应该都听过漏斗模型,但真正了解的可能并不多。因为它不仅仅是一个模型,更是一种可以普遍适用的方法论,或者说是一种思维方式。

大讲台老师主要谈谈漏斗模型的本质、漏斗模型案例分析以及如何绘制漏斗模型,希望对正在学习数据分析的同学有些帮助。

(一)漏斗模型

关于漏斗模型,大讲台老师认为本质是分解和量化。为什么这么说,这里以营销漏斗模型举例。

名词解释:营销漏斗模型指的是营销过程中,将非潜在客户逐步变为客户的转化量化模型。营销漏斗模型的价值在于量化了营销过程各个环节的效率,帮助找到薄弱环节。

也就是说营销的环节指的是从获取用户到最终转化成购买这整个流程中的一个个子环节,相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。所以整个漏斗模型就是先将整个购买流程拆分成一个个步骤,然后用转化率来衡量每一个步骤的表现,最后通过异常的数据指标找出有问题的环节,从而解决问题,优化该步骤,最终达到提升整体购买转化率的目的,整体漏斗模型的核心思想其实可以归为分解和量化。

无独有偶,OKR的核心思想也是这个,即分解和量化。OKR(Objectives and Key Results)全称为“目标和主要成果”, OKR首先是设定一个“目标”(Objective),即大O,然后将该目标拆分为若干个子目标,即小O,最后将小O设定为若干个可以量化的“关键结果”(Key Results),用来帮助自己实现目标,即KRS。通过达成量化的KRS来实现小O,最终达成大O,可以看到整个过程中的核心关键也在于分解和量化。

这就是文章开头部分提到的,我觉得漏斗模型不仅仅只是一个模型,更是一种方法论,一种思维方式的原因。可以通过这种分解和量化的形式,将问题进行不断的拆解,最后通过量化的形式来辅助达成目标,或者针对异常的步骤进行调优,最终达到总目标。它可以广泛应用于流量监控、产品目标转化等日常数据运营工作中,称之为转化漏斗;也可以用于产品、服务销售,称之为销售漏斗。

(二)漏斗模型案例

(1)电商购物流程

分析电商的转化,我们要做的就是监控每个层级上的用户转化,寻找每个层级的可优化点。对于没有按照流程操作的用户,专门绘制他们的转化模型,缩短路径提升用户体验。

(2)AARRR模型

AARRR模型是指Acquisition、Activation、Retention、Revenue、Referral,即用户获取、用户激活、用户留存、用户收益以及用户传播。这是产品运营中比较常见的一个模型,结合产品本身的特点以及产品的生命周期位置,来关注不同的数据指标,最终制定不同的运营策略。

从下面这幅AARRR模型图中,能够比较明显的看出来整个用户的生命周期是呈现逐渐递减趋势的。通过拆解和量化整个用户生命周期各环节,可以进行数据的横向和纵向对比,从而发现对应的问题,最终进行不断的优化迭代。

(三)如何绘制漏斗模型?

漏斗模型的绘制其实很简单,做数据报表的时候可能会用到,数据量不是很大的话,用Excel几分钟就能搞定。

1、 Excel

比如以上图电商的转化漏斗为例

整体的步骤大致可分为计算整体转化率→计算占位数据→插入图表→设置坐标轴格式→调整数据顺序。

1) . 计算整体转化率

计算出单个步骤的转化率,然后快速填充即可。

2) . 计算占位数据

计算单步骤与初始转化率的差值(即100%),差值除以2后获得占位数据。因为最终的柱状图是轴对称的,故取差值的一半进行占位即可。

3) . 插入图表

选择数据源,插入>图表>条形图>堆积条形图。

4) . 设置坐标轴格式

选中坐标轴后,设置坐标轴格式,选中逆序类别,调整顺序后获得如下图表。

将占位的数据填充调整为无填充,占位数据的颜色就会消失。

5) . 调整数据顺序

将占位数据的顺序调整至第一位后,这样看起来就会比较像漏斗了。

最后,在此图表的基础上进行一些美化,再贴到PPT里面加一些描述或者PS处理一下……

如果数据量很大的话,需要长期监测运维,一般是需要连接数据库的。可以用专业的数据分析软件或者BI软件搭建一个dashboard,这里我用的是finebi,把之前那张excel表导入了进去(这里就不做数据库连接演示了)。

1) . 拖拽“漏斗图” -> 选定分类和指标 -> 美化样式

2) . 直接展示

这里的漏斗数据模型是软件本身自配好的,你要做的就是选择字段,和Tableau的操作一样,好处就是方便。漏斗每个层级的大小都反映了当前层级数据的大小,如果数据差距较大,比如像我这样的,会不那么美观。

像互联网电商行业,交易的数据量很大且是实时的,这个技术excel是做不来的,所以像BI类的工具就是有这样的优势。

最后,当然有很多工具可以画出漏斗图,大讲台老师就不一一介绍了。

大讲台老师以漏斗模型为基础,稍微进行了一些展开,讲述了如何利用Excel制作漏斗模型。如果想了解更多的数据分析内容,欢迎来同学们来大讲台,这里有更多的数据分析学习资料和视频课程。

相关阅读:

怎样成为数据分析师?

超详细的数据分析职业规划

学会数据分析仅需8步

数据分析漏斗模型浅谈相关推荐

  1. linux的i o模型,浅谈Linux 网络 I/O 模型简介(图文)

    1.介绍 Linux 的内核将所有外部设备都看做一个文件来操作(一切皆文件),对一个文件的读写操作会调用内核提供的系统命令,返回一个file descriptor(fd,文件描述符).而对一个sock ...

  2. 我们的空间是圆的么——基于Poicare的宇宙模型浅谈

    概 述 文明伊始人类对于时空的困惑与探寻从未停歇过.马儿跑的快.鱼儿潜的深.鸟儿飞的高,但人类却跑的不快潜的不深飞的不高,为什么?原因在于马儿跑的快但它不会想自己为什么会跑的快:鱼儿潜的深但它不会想自 ...

  3. linux cp mv区别,浅谈Linux下mv和cp命令的区别

    1.功能上的区别 mv:用户可以使用该命令为文件或目录重命名或将文件由一个目录移入另一个目录中. cp: 该命令的功能是将给出的文件或目录拷贝到另一文件或目录中. 2.从inode角度来区分 mv:会 ...

  4. 飞机qar数据可视化_浅谈QAR大数据分析与应用

    QAR数据分析指的是用适当的统计分析方法对收集来的QAR数据进行分析,提取有用信息和形成结论而对QAR数据加以详细研究和概括总结的过程.目前航空公司在QAR数据分析与应用上主要有两类问题. 一是典型超 ...

  5. 浅谈pytorch 模型 .pt, .pth, .pkl的区别及模型保存方式 pth中的路径加载使用

    首先xxx.pth文件里面会书写一些路径,一行一个. 将xxx.pth文件放在特定位置,则可以让python在加载模块时,读取xxx.pth中指定的路径. Python客栈送红包.纸质书 有时,在用i ...

  6. 多线程之旅之四——浅谈内存模型和用户态同步机制

     用户态下有两种同步结构的 volatile construct: 在简单数据类型上原子性的读或者写操作   interlocked construct:在简单数据类型上原子性的读和写操作 (在这里还 ...

  7. 浅谈数据分析中的“暗物质”

    浅谈数据分析中的"暗物质" 我们分析数据,更重要的是看到数据中所隐藏的暗物质,即数据图中你看不见的数据\逻辑\知识. 开门见山,以下是某新闻媒体WAP\APP\PC三端的分周中和周 ...

  8. rust怎么传送坐标_德国人怎么学电机——浅谈电机模型(十一):异步电机:绕线转子电机(一)...

    交流电机概述传送门: 善道:德国人怎么学电机--浅谈电机模型(七):交流电机概述​zhuanlan.zhihu.com 旋转磁场理论传送门: 善道:德国人怎么学电机--浅谈电机模型(八):三相交流电机 ...

  9. python模型保存save_浅谈keras保存模型中的save()和save_weights()区别

    今天做了一个关于keras保存模型的实验,希望有助于大家了解keras保存模型的区别. 我们知道keras的模型一般保存为后缀名为h5的文件,比如final_model.h5.同样是h5文件用save ...

最新文章

  1. mysql 存储过程 定时_MySQL存储过程和定时任务
  2. 第三届山东大数据-威海赛区-民宿空置预测-排行榜
  3. 习惯性朴实简单!一起学习MySQL常见单行函数,字符数学日期流程控制
  4. jboss eap 6.2 ear包 下使用log4j日志
  5. apache php 503,宝塔linux面板 apache网站访问报错503 Service Unavailable解决
  6. 日志不说谎--Asp.net的生命周期
  7. 简单的跑马灯效果(轮播图)
  8. [转载] Java为什么不允许覆盖静态方法?
  9. 微信小程序sass不编译怎么办_不吹牛,四款免费实用的微信小程序,打开立即使用!...
  10. 64位计算机可以装32位的系统么,电脑是要装32位还是64位系统?
  11. 集体唱好混动技术,传统车企最后的倔强?
  12. 奇点云数据中台技术汇(一) | DataSimba——企业级一站式大数据智能服务平台
  13. 激活win10企业长期服务版
  14. 荣耀 MagicBook Pro 加装固态硬盘
  15. Web 字体应用指南最佳实践修炼之道(上)
  16. win11 快捷键无法使用?键盘win无法呼出?win+d无法显示桌面?
  17. MASM汇编入门:寄存器数据的使用
  18. C++ 时间函数整理详解
  19. 机器学习_决策树与信息熵
  20. 小米2016AP2594计算机参数,小米6完整详细参数配置表:骁龙835处理器CPU+6GB内存

热门文章

  1. 群晖日历同步到android,用群晖calander日历做华为手机、ipad、mac三方通讯录和日历同步 2020-12-28...
  2. 解析CSS属性之pointer-events
  3. CF 1696 E. Placing Jinas 组合数 2000
  4. 腾讯云-产品开通和密钥查看
  5. 拼多多-桌上暖垫排行榜-好评榜调研
  6. std::packaged_task 源码分析
  7. 三维坐标要建一个4*4的矩阵?
  8. 什么是强化学习?(贝尔曼方程)
  9. python如何开发网站_如何用Python写一个小网站?
  10. 利用gpu加速神经网络算法,为什么用gpu 模型训练