漏斗分析是衡量用户如何通过一系列既定步骤，朝着特定目标推进的过程——例如完成购买、订阅应用或完成引导。在每个步骤中，一些用户会继续前进，另一些则会流失。通过量化这些转化，漏斗分析能够准确揭示摩擦出现的位置、每次流失的严重程度，以及哪些阶段最值得优先改进。它是产品分析、营销和移动应用增长中最广泛使用的方法之一。
漏斗分析的工作原理
每项漏斗分析都遵循相同的核心逻辑。您需要定义代表理想用户路径的一系列事件，在分析工具中埋点这些事件，然后衡量在给定时间窗口内完成每个步骤的用户数量。结果通常以逐渐收窄的条形图呈现，展示各阶段的绝对数量和转化率。
任何转化漏斗背后的三个关键数据点是：谁执行了该操作（用户或会话标识符）、执行了什么操作（事件名称）以及何时执行的（时间戳）。有了这些数据，您就可以计算各阶段之间的转化率、从入口到目标的累计转化率，以及各步骤之间的流失率。
大多数分析平台都允许您设置转化窗口，即用户完成整个漏斗的最长时间。较短的窗口能更快发现问题，而较长的窗口则适用于决策周期较长的产品。统计单位也很重要：您可根据业务模式衡量独立用户、会话或账户。
漏斗分析中的关键指标
| 指标 | 定义 | 重要性 |
|---|---|---|
| 阶段间转化率 | 从一个步骤进入下一步骤的用户百分比 | 准确定位流失最多的步骤 |
| 整体（累计）转化率 | 从进入漏斗到达成目标、完成整个漏斗的用户百分比 | 为用户旅程的有效性提供高层级 KPI |
| 流失率 | 在特定步骤退出漏斗的用户百分比 | 突出需要调查的摩擦点 |
| 步骤间平均耗时 | 用户从一个步骤过渡到下一步骤的平均时长 | 揭示特定阶段的犹豫或困惑 |
| 平均完成时间 | 从进入漏斗到完成目标的平均时长 | 衡量整体用户旅程的速度 |
| 分群转化率 | 按用户细分群体（设备、国家、群组）划分的转化率 | 揭示不同受众之间的行为差异 |
常见漏斗类型
不同的业务场景需要不同的漏斗结构。以下是网站、移动端和 SaaS 产品中最常用的漏斗类型。
营销与获客漏斗
这类漏斗追踪用户从首次接触（广告展示、搜索结果或社交媒体帖子）到特定获客事件（如安装应用或注册账户）的路径。营销漏斗可帮助团队评估渠道表现，并将预算分配给带来最高质量用户的来源。
激活与引导漏斗
用户安装应用或创建账户后，引导漏斗会衡量有多少用户到达“啊哈时刻”——即他们体验到产品核心价值的节点。步骤通常包括创建账户、设置个人资料、完成首次关键操作和探索功能。引导漏斗早期的大量流失通常表明存在 UX 问题或价值传达不清晰。
转化与购买漏斗
转化漏斗追踪促成交易的一系列步骤——查看产品、添加到购物车、输入支付信息和完成结账。对于订阅应用，这可能包括看到付费墙、开始免费试用并转化为付费套餐。研究表明，约 70% 的电商购物车会被放弃，因此这种漏斗是研究和优化最多的类型之一。
留存与再互动漏斗
用户留存漏斗并非仅衡量单次旅程，而是追踪用户是否会随时间推移再次访问并重复进行有价值的操作。它们通常与流失率分析和基于用户群的衡量方法相结合，以展示初次转化后用户参与度的演变情况。
移动应用的漏斗分析
移动应用漏斗需要特别关注，因为移动端的用户旅程限制更多，流失率通常也高于网站。移动应用在首日的平均流失率约为 75%，这意味着漏斗优化对增长具有格外显著的影响。
典型的移动订阅应用转化漏斗包括应用安装、引导流程完成、查看付费墙、开始试用和付费订阅等阶段。每个阶段都有各自独特的优化切入点。例如，从查看付费墙到开始试用的转化，很大程度上受到付费墙设计、定价以及价值主张清晰度的影响。您可以了解应用转化漏斗的详细运作原理，以获取更多关于移动端专项分析的背景信息。
| 漏斗阶段（订阅应用） | 典型基准 | 优化重点 |
|---|---|---|
| 应用商店展示 → 安装 | 视类别而定，20–40% | 应用商店页面、截图、评分 |
| 安装 → 完成引导 | 40–60% | 引导流程长度、价值预览、权限请求 |
| 完成引导 → 查看付费墙 | 60–90% | 付费墙展示时机和触发逻辑 |
| 查看付费墙 → 开始试用 | 5–15% | 付费墙设计、定价、试用优惠清晰度 |
| 开始试用 → 付费订阅 | 18–50%（主动加入与默认续订试用） | 试用期内互动、激活邮件、价值展示 |
如何设置漏斗分析
第 1 步：确定目标
从一个可衡量的结果开始——即您希望优化的宏观转化目标。对于订阅应用，这可能是“用户订阅付费套餐”。对于电商应用，则可能是“用户完成结账”。明确目标可防止范围蔓延，并让分析保持可执行性。
第 2 步：梳理步骤
确定用户从进入到达成目标必须完成的 4–7 个关键操作。每一步都应对应一个独立且可追踪的事件。避免添加过多微步骤（会掩盖信号）或过少步骤（会隐藏用户遇到困难的位置）。一个 SaaS 示例可能是：落地页 → 开始注册 → 完成注册 → 引导清单 → 激活事件 → 试用 → 付费。
第 3 步：埋点事件
确保每个步骤都会在分析平台中触发一个具名事件，并使用一致的命名规范和可靠的用户标识符。不一致的事件名称——例如同时存在 “signup_success” 和 “signed_up”——可能会严重扭曲漏斗数据。
第 4 步：设置转化窗口
选择符合产品自然节奏的时间范围。7 天窗口适合决策周期较短的应用，而 30 天窗口可能更适合 SaaS 产品或需要较长考虑期的购买。
第 5 步：分析并分群
运行漏斗并寻找绝对流失量最大的环节。然后按设备、国家、获客渠道或用户群组进行细分，了解问题是普遍存在还是仅限于特定群体。细分分析通常会发现，整体 30% 的流失实际上可能是 Android 上 50% 的流失，而 iOS 上仅为 10%，这会彻底改变诊断结果。
优化漏斗表现
确定影响最大的流失点后，下一步是提出假设并系统地进行测试。
在摩擦点使用 A/B 测试
A/B测试是验证转化漏斗优化效果最可靠的方法。每次只更改一个变量——例如按钮文案、表单长度或付费墙布局——并衡量其对各阶段转化率的影响。避免仅凭转化率来评估测试结果；ARPU等营收指标往往能更全面地反映情况。
简化或移除步骤
漏斗中的每个额外步骤都会增加摩擦。如果某个步骤是出于业务原因而非用户价值，请考虑能否将其移除、延后或与其他步骤合并。例如，将引导从五个页面减少到三个页面，可以显著提高完成率。
调查定性信号
漏斗图表能告诉您用户在哪里流失，但无法说明原因。将定量漏斗数据与定性方法相结合——会话录制、热图、用户调查和支持工单——以了解流失背后的根本原因。损坏的链接、令人困惑的表单字段或加载缓慢的页面，都可能产生相同的流失模式。
持续监控
随着产品演变，漏斗也会发生变化。请每周或每月重新运行分析。为步骤级转化率的突变设置提醒，并对事件分类体系进行版本管理，避免废弃事件悄然破坏您的报告。
漏斗分析与相关方法的比较
| 方法 | 重点 | 与漏斗分析的关键区别 |
|---|---|---|
| 漏斗分析 | 朝着目标按顺序完成步骤 | 衡量预定义的有序路径 |
| 路径分析 | 用户实际通过产品的所有路径 | 探索没有固定顺序的开放式旅程 |
| 群组分析 | 用户群体随时间的行为 | 按共同特征（例如安装周）而非步骤顺序对用户分组 |
| 留存分析 | 用户是否返回并重复操作 | 追踪随时间推移的重复互动，而非单次旅程完成情况 |
| 归因分析 | 哪些渠道或营销活动带来转化 | 将功劳归因于触点，而非衡量逐步推进情况 |
这些方法彼此补充，而非相互替代。常见工作流程是：使用漏斗分析发现瓶颈，通过群组分析进行细分，借助路径分析和会话录制调查原因，然后通过 A/B 实验测试修复方案。
漏斗分析中的常见错误
即使拥有好的工具，如果设置存在缺陷，漏斗数据也可能具有误导性。以下是最常见的陷阱：
跳过微步骤会掩盖摩擦。如果一个多字段表单被追踪为单个“表单已提交”事件，您就无法判断用户是在第二个字段还是第八个字段放弃。请将复杂互动拆分为有意义的子步骤。
使用不一致的事件定义会扭曲指标。当注册事件在不同平台或应用版本中名称不同，您的漏斗会重复计数或少计用户。请维护共享的事件分类体系，并妥善废弃旧事件。
转化窗口设置过短会少报完成量。如果用户通常需要 14 天才能转化，而您的窗口设置为 7 天，漏斗表现会看起来比实际更差。请使窗口与产品的自然决策周期保持一致。
忽略细分会掩盖真实情况。整体 25% 的转化率可能由自然流量用户 40% 的转化率和付费流量 10% 的转化率构成。得出结论前，始终应按有意义的维度拆分漏斗。
仅针对转化率进行优化可能会适得其反。通过大幅打折来提高转化率，可能会降低每位用户的收入。评估转化漏斗的变化时，应参考ARPU和LTV等收入指标，而不仅仅是各阶段的转化率。