Funnel Analysis（漏斗分析）是数据分析中非常重要的一种方法，尤其适用于用户行为追踪、转化率优化、产品分析、电商/运营增长分析等场景。
下面我将系统性地为你介绍：
🧠 一、什么是 Funnel Analysis（漏斗分析）？
漏斗分析是指把用户在一系列行为路径（步骤）中的转化过程可视化，并分析各步骤的流失情况和转化率。
它叫“漏斗”，是因为在实际情况中，用户数量通常是逐步减少的，形状像漏斗。
🔍 举个例子：
在一个电商平台：
| 阶段步骤 | 用户数 |
|---|---|
| 访问首页 | 10000 |
| 浏览商品 | 6000 |
| 加入购物车 | 3000 |
| 提交订单 | 1500 |
| 支付成功 | 1000 |
你就可以画出一个典型的漏斗图，每一步流失了多少，哪些环节是“瓶颈”，就一目了然。
🎯 二、Funnel Analysis 的核心目的
| 目的 | 说明 |
|---|---|
| 查看转化率 | 每一步用户完成转化的比例 |
| 找出流失点 | 哪一步掉的人最多？为什么？如何优化？ |
| 用户行为路径优化 | 分析用户行为链路，调整页面、流程、按钮设计等 |
| 评估营销活动效果 | 广告引流后转化效果如何 |
📊 三、Power BI 中如何做 Funnel Analysis？
Power BI 中没有“漏斗分析”这个专属名称，但你可以用 Funnel Chart（漏斗图） 或 柱状图 + DAX 分析 来实现它。
✅ 方法一：使用 Funnel 图（适合标准步骤漏斗）
- 在 Power BI 中插入一个 Funnel Visual
- 拖入维度字段（步骤名称，如"浏览"、"下单"、"付款"）
- 拖入数值字段（每一步的用户数、订单数）
✅ 方法二：自己用 DAX 构建漏斗表
假设你有一个用户行为表：
| UserID | Step | Timestamp |
|---|---|---|
| A | 浏览商品 | 2024-01-01 10:00:00 |
| A | 下单 | 2024-01-01 10:05:00 |
| A | 支付成功 | 2024-01-01 10:10:00 |
| B | 浏览商品 | ... |
你可以使用如下 DAX 构建每一步的人数：
浏览人数 =
CALCULATE(
DISTINCTCOUNT(行为表[UserID]),
行为表[Step] = "浏览商品"
)
下单人数 =
CALCULATE(
DISTINCTCOUNT(行为表[UserID]),
行为表[Step] = "下单"
)
支付人数 =
CALCULATE(
DISTINCTCOUNT(行为表[UserID]),
行为表[Step] = "支付成功"
)
然后做成一个表格或漏斗图，展示人数和转化率。
✅ 方法三：自定义转化率字段
下单转化率 = [下单人数] / [浏览人数]
支付转化率 = [支付人数] / [下单人数]
也可以可视化这些转化率变化趋势。
🔧 四、进阶：漏斗 + 细分分析（Segmentation）
你可以进一步按以下维度细分漏斗：
| 分析维度 | 示例 |
|---|---|
| 用户来源 | 不同广告渠道转化效果对比 |
| 用户类型 | 新用户 vs 老用户的转化漏斗差异 |
| 地域设备 | 不同城市、手机 vs 电脑的行为路径 |
| 时间维度 | 日/周/月漏斗趋势 |
🚀 五、常见 Funnel 应用场景
| 场景 | 漏斗步骤示例 |
|---|---|
| 电商 | 浏览商品 → 加入购物车 → 下单 → 支付 |
| SaaS 软件注册流程 | 注册 → 邮箱验证 → 激活 → 首次登录 |
| 移动App | 打开App → 浏览首页 → 点击按钮 → 注册 → 付费 |
| 教育平台 | 浏览课程 → 添加课程 → 注册 → 下单 |
| 游戏 | 下载 → 注册 → 新手引导 → 首次充值 |
✅ 总结
| 项目 | 内容说明 |
|---|---|
| 定义 | 分析用户行为在多个阶段的转化情况 |
| 核心目标 | 提高转化率、优化路径、发现瓶颈 |
| 可视化工具 | Power BI 中使用漏斗图、DAX + 图表组合 |
| 深度分析 | 可与用户分层、广告渠道、时间等结合使用 |
