相信接触过数据分析的人,尤其是商业分析方面,一定有听说过漏斗模型。漏斗模型,顾名思义,也就是像漏斗一样的模型,在互联网或者是电商行业经常会用到的一种营销模型。今天,小编就为大家整理了漏斗模型的一些基础知识,希望对大家学习和使用商业分析模型有所帮助。
一、漏斗模型定义
营销漏斗模型指的是营销过程中,将非潜在客户逐步变为客户的转化量化模型。营销漏斗模型的价值在于量化了营销过程各个环节的效率,帮助找到薄弱环节。
简单解释一下,就是:营销的环节,指的是从最初获取用户一直最终转化成购买,这一整个流程中的每一个子环节,相邻环节的转化率,也就是指用数据指标来量化每一个步骤的表现。因此整个漏斗模型,就是首先将整个流程拆分成一个个步骤,然后通过转化率对每一个步骤的表现进行衡量,最后再通过那些异常的数据指标,找到有问题的环节,进而解决问题,优化这一步骤,最终达到提升整体购买转化率的目的。
二、漏斗模型典型案例
以电商行业为例,漏斗模型通常就是对用户在网页浏览中一些关键节点的转化程度的描述,例如一般从浏览到真正购买产品或服务,通常情况下需要经历以下几个步骤:浏览商品、加入购物车、购物车结算、核对订单、提交订单,完成在线支付,按照一几个步骤走下来,潜在用户人数会越来越少,这个过程就是漏斗模型,以此来看,漏斗模型主要的分析目就是:针对营销过程中的每一个关键环节进行分析,然后纠正那些转换率低的环节。
互联网运营过程中,经常用到的AARRR模型也是漏斗模型的典型案例。AARRR模型指的是:Acquisition、Activation、Retention、Revenue、Referral,也就是经常说的:用户获取、用户激活、用户留存、用户收益和用户传播。通过AARRR模型图,我们可以明显的分析出:整个用户的生命周期是呈现逐渐递减趋势的。通过对整个用户生命周期各环节的量化和拆解,我们可以对数据进行横向和纵向的对比,从而发现对应的问题,最终实现优化迭代。
三、漏斗模型绘制
python实现
# 导入相关的包 import numpy as np import matplotlib.pyplot as plt from matplotlib.offsetbox import (TextArea, AnnotationBbox) plt.rcParams['font.sans-serif'] = ['SimHei'] # 解决中文乱码 N = 3 # N个环节 HEIGHT = 0.55 # 条形图的每个方框的高度 x1 = np.array([100, 50, 30]) # 各环节的数据 x2 = np.array((x1.max() - x1) / 2) # 占位数据 x3 = [] # 画图时的条形图的数据 for i, j in zip(x1,x2): x3.append(i+j) x3 = np.array(x3) y = np.arange(N)[::-1] # 倒转y轴。 labels=['注册', '留存', '付费'] # 各个环节的标签。 # 画板和画纸 fig = plt.figure(figsize=(8, 5)) ax = fig.add_subplot(111) # 绘图 ax.barh(y, x3, HEIGHT, tick_label=labels, color='blue', alpha=0.85) # 主条形图 ax.barh(y, x2, HEIGHT, color='white', alpha=1) # 覆盖主条形图的辅助数据 # 转化率 rate = [] for i in range(len(x1)): if i < len(x1)-1: rate.append('%2.2f%%' % ((x1[i+1]/x1[i]) * 100)) # 转化率的横坐标。 y_rate = [(x1.max()/2, i-1) for i in range(len(rate), 0, -1)] # 转化率 # 标注转化率 for a, b in zip(rate, y_rate): offsetbox = TextArea(a, minimumdescent=False) ab = AnnotationBbox(offsetbox, b, xybox=(0, 40), boxcoords="offset points", arrowprops=dict(arrowstyle="->")) ax.add_artist(ab) # 设置x轴y轴标签 ax.set_xticks([0, 100]) ax.set_yticks(y) # 显示图形 plt.show()
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14