搭建管理系统的必要性与AI技术的应用探索
2949
2022-09-24
本文关于数据分析中的漏斗图分析法,漏斗图分析法适用于哪些场景?
漏斗图分析法是指通过漏斗图来分析业务问题,适合业务流程规范、周期长及多环节的业务问题。
例如,淘宝的某店铺,用户从访问,到跳转到店内,再到将某商品加入购物车,再到下单,最后到支付,这个流程中的用户数不断减少,形成一个如下的漏斗图。
当然,用一些BI工具,如Power BI可以直接得到漏斗图,但是用Excel如何绘制这个漏斗图呢?下面就来说一下。
通常,拿到的数据是这样的,如下表所示。
这是某个淘宝店铺的流量明细表。
用Excel绘制漏斗图分为以下四步。
第一步:统计出每个指标的总流量。
统计出总访客数、总店内跳转人数、总加购人数、总下单买家数、总下单买家数和总支付买家数,如下。
第二步:构建辅助列。
如下图所示,中间的展示列是第一步的数据,两侧的辅助列通过公式计算,辅助列中的第一个值500的计算公式为:=($F$2+1000-$F2)/2,注意公式中的锁定符号。
第三步:绘制堆积条形图。
由于Excel不能直接绘制漏斗图,所以需要通过堆积条形图实现,具体方法如下。
首先,插入一个空白的堆积条形图。
接着,选择图表数据区域,如下图所示。
单击【确定】按钮后,形成如下所示的堆积条形图。
第四步:纵坐标逆序,两侧条形图填充改成无填充。
选中纵坐标,在坐标轴格式中,勾选【逆序类别】,如下图所示。
此时,中间的红色部分已经呈现出漏斗形状,接着将两侧的填充色改成无填充。
选中左侧蓝色部分,将填充颜色改成无填充,如下图所示。
右侧绿色部分同理操作,会看到如下图表。
最后,对这个图表进行美化。
删除网格线,并调整间隙宽度,如下图所示。
选择一个颜色系列,为条形图中的每个柱子设置一种颜色,从上到下,颜色由深到浅,如下图所示。
至此,漏斗图绘制完成。
其实,之前讲过的数据分析方法也有漏斗图的影子,比如,AARRR模型以用户的生命周期为线索,从拉新、到促活、到留存、再到付费,再到最后的推荐,在整个过程中,每一步的用户数也在减少,整个流程像一个漏斗一样。
对于这种多环节、涉及到转化率的问题,都可以用漏斗图分析法来分析。
以上就是数据分析中的漏斗图分析法,以及如何用Excel绘制漏斗图。
干货|漏斗图分析法的应用——转化分析神器
一、什么是漏斗图分析法
漏斗图分析法,就是用类似漏斗的框架对事物进行分析的一种方法,这种方法能对研究对象在“穿越“漏斗时的状态进行展示和分析。它可以帮助我们的业务流程作出最直观的展示。
二、漏斗图分析法的应用例子
漏斗图是一个适合业务流程比较规范、周期比较长、各流程环节涉及复杂业务过程比较多的管理分析工具。
比如,在保险公司招聘业务员的环节,我们一共收到了1000份简历。
我们将所有发送简历的人全部邀请来公司参加面试,其中有900人通过面试。
但是在知道是业务员岗位之后,愿意留下来参加培训的只有100人。
在培训结束后,最终只有10个人愿意签署公司劳务合同,来公司上班。
通过对招聘环节进行漏斗图分析,保险公司就能够很容易地发现,是哪个环节出现了问题,导致这么夸张的人员流失率。
三、漏斗图分析的四个关键要素
根据以上例子总结下,漏斗图分析涉及四个方面的要素:时间、节点、研究对象、指标。
时间,指的是整个事件是何时开始、何时结束的。
节点,包括起点、终点和过程性节点。每一个节点代表事件的某个阶段。
研究对象,指的是参与事件或流程的主体。比如上述例子的公司应聘者。
指标,是对整个事件流程进行分析的工具。例如上述例子使用的流失率。
四、常用的漏斗图分析模型
(一)电商漏斗模型
典型电商用户的行为是由以下连续事件组成,打开首页→点击广告页→进入详情页→加入购物车→完成支付,五个步骤。
通过分析电商用户【从浏览页面到完成购买】的步骤之间的转化率与总体的转化率,找出每个层级需要优化的地方,从而提升转化率,最终提高销售业绩。
(二)AIDMA模型(品牌营销)
AIDMA模型常用于品牌营销,它的主要流程是,注意 → 兴趣 → 欲望 → 记忆 → 行动。俗称种草模型。
通过分析消费者从接触信息到最后完成购买的行为转化信息,去检验品牌或美好事物的获客营销手段是否有效。
五、总结漏斗图分析法
1、漏斗图分析法,就是用类似漏斗的框架对事物进行分析的一种方法。它可以帮助我们的业务流程作出最直观的展示。
2、漏斗图是一个适合业务流程比较规范、周期比较长、各流程环节涉及复杂业务过程比较多的管理分析工具。
3、常用的漏斗图分析模型有:电商购物漏斗分析模型、AIDMA模型、AARRR模型等等
上述就是小编为大家整理的数据分析中的漏斗图分析法,漏斗图分析法适用于哪些场景?
国内(北京、上海、广州、深圳、成都、重庆、杭州、西安、武汉、苏州、郑州、南京、天津、长沙、东莞、宁波、佛山、合肥、青岛)漏斗分析、比较及推荐。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。