作用：

能让我们直观地看到，网站机制是否能有效地推动用户进入使用周期的下一阶段，让用户逐渐从稍微感兴趣变成忠实粉丝。这能有效地帮助我们定位网站设计问题。

基本画法：

漏斗顶部是所有对网站感兴趣的人，逐层深入，底部是最终成为忠实用户的人，从而形成类似下面的图形。

解读：对应于感兴趣的人中，只有一部分人开始了实际使用，而这之中又只有一部分人会频繁使用，在这些日常使用的用户中，又只有一部分会成为忠实用户。最终的这些忠实用户，只占了当初感兴趣的用户的2%。

定制漏斗：

各网站的目的、界面、使用流程千差万别，因此他们的漏斗试图也不尽相同。例如，在不同网站中，“热衷使用”的含义和衡量标准都不尽相同。根据网站用途，热衷使用可能是指用户长期保持付费，或是用户发表大量博客文章。漏斗要根据这些不同进行调整。

在实际分析中，我们还要首先明确哪些指标才是重要指标，分析漏斗也要根据此度身打造。

分析过程：

我们为下面的分析构造了一个常见的场景：一个web应用，可以免费试用，也可以升级为付费版

我们根据这个场景调整漏斗视图，重新设置了5个层次（见下图）。例如“日常使用”变成了“付费使用”，表示用户注册并开始使用付费服务。

漏斗分析法实例。将实际运营数据与这些阶段一一对应，我们就能建立对网站运营状况的清晰认识

要用可衡量的、含义尽量明显的指标来构建漏斗视图。下面的表格是对上面漏斗图的详细说明

数据信息的收集及汇总：

常用方法是定期在数据库上执行特定查询，获得所需信息，进行分析汇总。你可以每周进行一次查询和分析。另一种方法就是建立监控界面，实时显示这些分析数据。

发现改进

我们建立了漏斗视图，明确了衡量指标，并开始收集数据，然后呢？

如何把数据变成设计决策？

步骤如下:

确定基线。确定基线是数据分析的第一步。设计尚未改动时统计数据就是你的基线，是你改进的参照点。我们需要收集长期数据来确定基线，以防止意外数据波动的影响。

在漏斗中选择需要改进的层次。观察各层的基线数据，是否有哪层特别不对劲？哪层用户流失比例异常高？不要放过它们。如果数据比例看起来很正常，那不妨从漏斗顶部开始优化，漏斗顶部的改进会比漏斗底部有更大的影响。在一开始时，数据也许会显得不合常理，但不用担心，数据收集和分析持续一段时间后，数据会稳定，你也会适应应用特有的数据分布模式。若是没有这个积累过程，就算面对一个用户严重流失的层次，你也可能完全说不出个所以然。

分析该层的用户流失。如果你对应用界面非常熟悉，也许你能马上指出问题，也许你盯着屏幕一下就能想出改进的方法，但很多时候，事情没这么简单。这时，我们就要尽量收集相关信息：观察用户使用，寻求社区管理员帮助，在用户求助信息中发掘问题。

改进设计。改进该层设计的一个或多个界面。要让每次改动尽量少，这样你才能准确评估每个设计改进点的效果。互联网产品开发速度太快，每次只改动一点并不现实。但小步快跑的持续快速改进总要比隔好长时间再来个大升级要好，快速改进，也就能更快，更准确地评估每个设计改进的效果。

与基线比较，衡量改动。改进之后，重新收集相关数据。为积累足够访问量，收集过程需要相当时间。获得的数据能清楚地表明改动的效果：若改动后，用户流失比原来小了，那就说明改动成功。相反则需重新考虑设计。

重复上述步骤。不断重复这一过程，直到无处可改。

样本规模与测试时长

我们需要一段时间才能在数据中看到设计改动的效果，这个时间是有访问量的样本规模决定的。如果网站访问量很大，就能很快看到改进效果。

细化漏斗

假设此时漏斗分析告诉我们，需要关注“试用注册”环节，因为它流失大量用户。开始，注册本身就分为多个环节，经历多个不同界面和邮件确认流程，我们怎么知道要去改进具体哪一点呢？

答案是，用漏斗分析法分析这些特定的细节步骤。将需要关注的环节进一步细分，形成自己的漏斗。下图就是一个例子

注：注册阶段的转化漏斗图，展现了可衡量的各个步骤，若在此发现某个步骤转化率过低，就需要重点改进此处设计。

这个细化的漏斗分析的目标是进一步划分注册流程的各个阶段进行分析。如果我们能让各界面与各层一一对应，这个分析就再简单不过了。

需要注意的问题：

错误的基线

基线是成功分析的灵魂。当设计没有改动，漏斗视图中的数据也不应该有大的波动。每日流量必然有波动，但各阶段间流量的比例应该是稳定的。在获得稳定的数据前，不要进行下一步分析。获取稳定数据需要相当的分析和跟踪，但这些工作是值得的。

不同来源带来不同的用户

要获得准确的基线，不可忽视用户的不同来源。从不同来源进入应用的用户有不同的行为模式。要能准确区分流量中的正常部分和异常部分，并在分析中刨除这些数据水分，。这能让你的基线数据更加准确。

非线性访问

只要你的访问流程不是严格定义、必须顺序完成的步骤，你总会看到出乎你意料的访问行为。用户不一定按你的设计、顺序访问应用各个界面。我们只有承认和理解这些非线性的访问行为，才能讲看似怪异实属正常的用户行为与真正的异常流量区分开来。这也说明了确定稳定可靠的基线数据之重要。数据应该不会因这些噪声大幅波动，设计改动时，我们才能根据数据变化正确指出改动效果。

本文为筑巢引凤一书最后讲述的网站漏斗分析，本人只是整理成电子版，该书豆瓣链接为：http://book.douban.com/subject/5290566/，一切解释权归原作者。

若要转载，请注明本人原文链接：http://hpengying.com/?p=80及附上原作者声明。