看到每一個流失的使用者離開的原因，就像失戀後的自我反省

漏斗分析最大的價值是什麼呢？在於拆開了轉化的黑盒子。

簡單的漏斗工具，只能告訴你使用者在哪一步流失了。有哪些行為路徑，每個路徑的使用者佔比，你不知道；使用者流失原因，也不知道；怎麼提升，還是不知道。

那麼如何才能通過漏斗工具提升轉化率呢？

GrowingIO 技能卡片第 3 期，如何利用真正的漏斗工具提升轉化率。
1. 梳理業務需求，確定核心轉化路徑；
2. 多維度深入分析流失原因，優化迭代。

一、確定轉化路徑

拆開轉化黑盒子的第一步，是明確使用者在產品內的轉化路徑。而真實的情況是，使用者在產品內的轉化路徑可能有很多，這時就需要根據業務需求，確定核心轉化路徑。使用者的轉化路徑，一般有以下兩種情況：

1. 清楚且單一的轉化路徑

有些轉化路徑是較為清楚且單一的，比如註冊流，電商產品的付款流程等等。對於這種轉化路徑，你只需要在漏斗工具中選擇相應的轉化步驟即可。

漏斗工具支援 10 步轉化步驟

當你的滑鼠放在相應事件上，還可以看到該事件的定義和過去7天的資料情況。

對於不同的使用者，轉化目標也不一樣，漏斗工具預設全部訪問使用者，但你可以根據自己的需求選擇特定的目標使用者。

2. 其他路徑

並不是所有的使用者轉化路徑都這樣清楚且單一，使用者在產品內的行為軌跡常常出乎產品/運營的意料。真實訪問過程中使用者常常會有很多的迴環，以及頻繁的互動操作（例如：頻繁的點選）。

面對這種情況，你需要強大的「智慧路徑」功能，過濾掉無效的迴環和頻繁的點選，只留下關鍵的節點，你可以直接選擇最終轉化目標，即可出現所有轉化路徑和它們相應的佔比。

這個功能真實地還原了使用者在產品中的關鍵節點，改變了先預設結果-埋點-採集統計資料-分析資料，由經驗和直覺驅動的時代；而進入到根據分析需求檢視資料和路徑-分析資料-進一步優化產品的資料驅動時代。

你可以選擇你想進一步分析，或者佔比最高的轉化路徑，將其儲存為漏斗，就可以直接分析啦。

二、原因分析

使用者在轉化的每一個節點都有可能流失，但是流失的原因是什麼？我們能否通過一款強大的漏斗工具進行下鑽分析，找到問題和優化的方向？

答案是，能

1. 維度對比分析

影響轉化的原因多種多樣，有可能是不同瀏覽器的適配程度問題，有可能是各個地區的運營活動影響，有可能是因為不同渠道進來的使用者質量不一。我們需要通過維度的對比分析，找到使用者流失原因，才能找到優化的方向。

真正厲害的漏斗是支援多維度的下鑽對比的。

「灰字」你可以點選不同維度下所有的選擇，進行不同的對比

舉個真實的例子

某電商網站使用 GrowingIO漏斗衡量交易轉化時發現，APP上的使用者量高於網站，但轉化率卻低於網頁端。具體步驟上可以看出，使用者提交訂單之後到支付環節的轉化率明顯低於網頁端。提交了訂單的使用者購買意願非常強烈，但是他們卻選擇了返回到上一步，而不是去支付。

對比網站和 App 在支付頁面的資訊結構發現，App上的支付頁面缺少了訂單商品的詳細描述、收貨人地址和聯絡方式等資訊，導致很多使用者返回到上一步確認，同時帶給了使用者猶豫，從而導致轉化率下降。於是，產品經理參考網站的資訊結構，補充了詳細資訊，同時在支付環節進行流失使用者召回。

從漏斗的趨勢圖中監測支付環節優化後的效果，APP端提交訂單到支付環節的轉化率明顯提升，甚至略高於網站轉化率，整體轉化率也被拉高。同時，在漏斗中選擇進行召回的使用者作為目標使用者，觀測召回後的轉化率變化，以此來評估本次喚回活動的效果。

類似轉化問題，僅靠直覺是很難發現；它需要產品或者運營人員高度的資料敏銳感、嫻熟的業務技能，這也是轉化分析高階階段的表現，發現問題後進行產品優化，然後回到漏斗中監控優化效果，產品在不斷的迭代中，穩步增長。

2. 使用者分群對比分析

除了不同維度的細分對比，還可以有更進階的操作。

對不同群體的使用者做對比分析，不僅可以基於維度，還可以基於不同的使用者行為。比如，30天內點選過2次A功能的使用者，7天內發過評論的使用者等，以此為維度建立對比漏斗，可以下鑽到更細緻的地方，還可以很好地做優化測試。

舉例來說，某電商平臺嘗試喚醒近期不活躍的使用者，並將使用者分成2組，其中1組發了滿減優惠券，另外1組發了立減優惠券，想要2組領取了優惠券之後的轉化情況；此時可以建立2個使用者分群：『領取了滿減券的使用者』(2010人)和 『領取了立減券的使用者』(1080人)，在漏斗使用者對比時選擇這 2 個使用者分群並調整時間範圍到使用者領取優惠券之後的一段時間，就可以對比2個不同使用者分群的轉化情況了。