🧩 一句话定义

漏斗模型（Funnel Model） 是一种用来分析用户在一系列步骤中流失情况的模型。

它像一个“倒立的漏斗”，每经过一步，用户都会减少，用于衡量各环节的转化率和流失率。

---

📊 漏斗模型的核心思想

用户从“进入”到“目标达成”通常要经过多个步骤，例如：

阶段	示例（电商场景）	用户数	转化率
第1步	访问首页	10,000	100%
第2步	浏览商品	6,000	60%
第3步	加入购物车	3,000	30%
第4步	提交订单	1,200	12%
第5步	支付成功	800	8%

→ 这个图形像一个“漏斗”：上宽下窄。

---

💡 漏斗模型能干嘛？

作用	说明
发现用户流失点	哪个环节掉得最厉害？是不是页面体验差或加载慢？
评估转化效率	每个步骤的转化率高低如何？
优化产品路径	针对流失严重的步骤优化，比如缩短结算流程。
衡量活动效果	比如投放广告后，漏斗的“访问→下单”环节是否改善？

---

🔍 常见应用场景

领域	漏斗示例
电商	浏览商品 → 加入购物车 → 下单 → 支付
App运营	下载 → 注册 → 激活 → 留存
网站分析	访问首页 → 点击产品页 → 填表单 → 提交
游戏分析	下载安装 → 进入游戏 → 完成新手任务 → 充值
广告投放	展示 → 点击 → 到达落地页 → 注册/购买

---

🧠 分析要点

1. 定义清晰的漏斗步骤（每一步要有逻辑先后关系）

2. 确保数据可追踪（每一步的用户行为能唯一识别）

3. 计算转化率

   • 每步转化率：

     转化率=当前步人数÷上一步人数转化率 = 当前步人数 ÷ 上一步人数转化率=当前步人数÷上一步人数

   • 总转化率：

     总转化率=最后一步人数÷起始人数总转化率 = 最后一步人数 ÷ 起始人数总转化率=最后一步人数÷起始人数

4. 定位流失点
   重点看“掉得最多”的环节。

---

📉 漏斗可视化示例

访问首页 █████████████████████████████████ (100%)

浏览商品 ██████████████████ (60%)

加购物车 ████████ (30%)

提交订单 ████ (12%)

支付成功 ██ (8%)

---

🧰 数据仓库/数仓层常见建模方式（补充）

在大数据分析中，漏斗模型一般会存放在 DWS（数据服务层） 或 ADS（应用层），比如：

表名	作用
dws_user_action_funnel_day	统计每天用户在漏斗各阶段的行为数
ads_user_conversion_rate	汇总每个步骤的转化率指标

计算方式通常用 窗口函数 或 分组统计 实现，比如 Hive SQL：

select step, count(distinct user_id) as user_cnt, count(distinct user_id) / max(count(distinct user_id)) over() as conversion_rate from user_action where dt = '2025-10-16' group by step order by step;

---

✅ 总结一句话

漏斗模型就是用来衡量用户在一系列行为步骤中的转化与流失情况的分析模型。

它帮助你回答的问题是：

用户为什么没走到最后一步？卡在哪一步了？

漏斗模型图例：