其實我也不知道。

不過咱們猜一下。漏斗，是一種輔助過濾裝置，通常是上大下小的錐狀。單獨的漏斗，是為了解決瓶頸細窄致使的資訊溝通不暢問題。有了過濾裝置以後，可以輔助過濾。使用時，被過濾物件從大口進，透過過濾裝置，自小口進入下一收集裝置。

咱們假設資料分析的漏斗模型是具有過濾裝置的漏斗模型。

A（未過濾資料）——＞B漏斗模型—過濾篩選—＞C。

以上是A站資料經過B漏斗模型到達C站的過程。

通常的，A站的資料是更接近原始的，多元的，規律寬泛的，複雜的資料。而C站的資料，是更接近需要的，有針對性的，規律相對狹窄的，相對簡單的資料。那麼A站的資料，顯然，是不能直接搬到C站使用的。因為，它們的標籤不同。就像A站是某小區全體居民，C站是電影院。相對的講，C是A的真子集。

如果把以上過程，看作數學模型：

A——＞若不滿足F（x），淘汰；若滿足F（x）——＞C。

F（x）為漏斗模型的淘汰篩選條件設定。它的制定，是根據C站的需求，結合A站的資料特點，進行制定的。通常是一系列的“是否”性的邏輯判斷語。例如C站是公司人力資源部招聘用的資料庫，這個資料庫來源於A站（各大招聘網站）。C站根據自己的需求和A站特點，建立漏斗過濾模型，年齡是否在多少之間，是否本科畢業，是否在職，是否有幾年以上工作經驗等等。以上篩選條件依權重排序，分先後。它們共同組成的過濾篩選體系，就是漏斗模型。

漏斗模型大大節約了從原始資料直接搜尋需求價值資訊的時間。大大提高了前期資料分析的效率。它是大資料時代資料收集，資料分析，各環節裡經常用到的模型。

以上，純粹個人想象，莫要當真。

　　關於漏斗模型，我認為本質是分解和量化。為什麼這麼說，這裡以營銷漏斗模型舉慄。

　　百科給出的解釋：營銷漏斗模型指的是營銷過程中，將非潛在客戶逐步變為客戶的轉化量化模型。營銷漏斗模型的價值在於量化了營銷過程各個環節的效率，幫助找到薄弱環節。

　　也就是說營銷的環節指的是從獲取使用者到最終轉化成購買這整個流程中的一個個子環節，相鄰環節的轉化率則就是指用資料指標來量化每一個步驟的表現。所以整個漏斗模型就是先將整個購買流程拆分成一個個步驟，然後用轉化率來衡量每一個步驟的表現，最後透過異常的資料指標找出有問題的環節，從而解決問題，最佳化該步驟，最終達到提升整體購買轉化率的目的，整體漏斗模型的核心思想其實可以歸為分解和量化。

　　無獨有偶，OKR的核心思想也是這個，即分解和量化。OKR(Objectives and Key Results)全稱為“目標和主要成果”， OKR首先是設定一個“目標”(Objective)，即大O，然後將該目標拆分為若干個子目標，即小O，最後將小O設定為若干個可以量化的“關鍵結果”(Key Results)，用來幫助自己實現目標，即KRS。透過達成量化的KRS來實現小O，最終達成大O，可以看到整個過程中的核心關鍵也在於分解和量化。

　　我覺得漏斗模型不僅僅只是一個模型，更是一種方法論，一種思維方式的原因。可以透過這種分解和量化的形式，將問題進行不斷的拆解，最後透過量化的形式來輔助達成目標，或者針對異常的步驟進行調優，最終達到總目標。它可以廣泛應用於流量監控、產品目標轉化等日常資料運營工作中，稱之為轉化漏斗;也可以用於產品、服務銷售，稱之為銷售漏斗。

　　漏斗模型案例

　　1. 電商購物流程

　　分析電商的轉化，我們要做的就是監控每個層級上的使用者轉化，尋找每個層級的可最佳化點。對於沒有按照流程操作的使用者，專門繪製他們的轉化模型，縮短路徑提升使用者體驗。

　　2. AARRR模型

　　AARRR模型是指Acquisition、Activation、Retention、Revenue、Referral，即使用者獲取、使用者啟用、使用者留存、使用者收益以及使用者傳播。這是產品運營中比較常見的一個模型，結合產品本身的特點以及產品的生命週期位置，來關注不同的資料指標，最終制定不同的運營策略。

　　從下面這幅AARRR模型圖中，能夠比較明顯的看出來整個使用者的生命週期是呈現逐漸遞減趨勢的。透過拆解和量化整個使用者生命週期各環節，可以進行資料的橫向和縱向對比，從而發現對應的問題，最終進行不斷的最佳化迭代。

科技在進步，時代在發展，這些都為CRM系統在市場的迅速崛起提供了非常便利的條件，同時也正是因為CRM系統的崛起才使越來越多的企業意識到CRM軟體確實是一種能夠為企業的管理帶來建設性作用的軟體。而且據實踐證明，一個已經部署CRM系統的企業無論是在企業的制度、管理流程還是業務運作方面都比以前更加的規範和秩序井然。所以根據這些資訊我們可以知道，在大資料時代、雲計算時代、移動網際網路時代的大力衝擊下，CRM管理系統已經不再是企業可有可無的系統，它已經成為了企業運作不可或缺的一道程式。另外實施了CRM軟體之後，企業的管理面貌將會煥然一新，比如之前出現的企業資料管理不及時、監管不到位、重複工作量大等問題都會得到解決。同時CRM管理系統不僅可以解決企業出現的問題，同時還可以整體提升企業的執行效率，增加了企業的收益。

協助企業戰略的整體制定

與CRM系統中的其他功能不同，CRM軟體中的銷售漏斗管理功能可以準確地判斷出銷售完成的產出物，而且它還融合了雲計算的一種“全程跟單監控”功能，所以它是完全有能力監管整個團隊的工作，並且對企業的業績能夠做出一個精準的預測。另外企業的銷售管理人員還可以透過資料進行實時檢視銷售人員的跟單過程以及相應的銷售業績資料，這樣的話，不僅可以對所有專案的進展與具體情況瞭如指掌，而且還可以提前發現和預防將會發生的問題，拒絕做一個亡羊補牢的管理者。以上只是CRM系統中的銷售漏斗管理功能對企業發展的一部分優點，銷售漏斗管理功能之所以讓企業覺得非常有用，是因為它的"推手"功能，即每當企業在做決策時，它都可以為企業的決策提供所需要的資訊，讓企業在做決策時更加輕鬆、準確。透過幫助企業做好決策來幫助企業實現盈利的提升。

透視銷售過程的精細管理

以上就是CRM銷售漏斗管理的真正價值，不知道你發現了沒有呢？

1、什麼是漏斗模型？

漏斗模型是資料分析較常使用的一種方法，其適用的場景主要是對 經過一連串使用者操作才能完成任務，同時需要監控和分析任務最終完成的效果，以及每一步可能存在的問題。其場景具有以下2個本質特點：使用者操作鏈路長，步驟多，每一步使用者均有可能放棄或者繼續存在一個最終的使用者行為，該行為的完成情況是產品核心指標，用於衡量整個產品效果

漏斗模型的核心思想，是從最終目標入手，找出每一步使用者的轉化或者流失情況，配以每一步的轉化率或者流失率指標來監控效果，並最終透過提升使用者轉化率，或者降低使用者流失率，從而最佳化最終指標並實現商業價值。

對業務流程和使用者場景的理解廣度和深度，是漏斗模型能否正確使用的前提。以下結合網際網路產品常用的4個場景進一步探討漏斗模型的使用。

2、漏斗模型如何使用？場景化案例分析實際在進行漏斗模型的分析時，結合不同的業務場景和產品型別，漏斗模型大致可分為以下幾種：使用者獲取模型消費漏斗模型電商漏斗模型功能最佳化漏斗模型

使用者獲取漏斗模型（AARRR）：AARRR從整個使用者生命週期入手，包括Acquisition使用者獲取，Activation使用者轉化，Retention使用者留存與活躍，Revenue使用者產生收入，到發起傳播Refer。

網際網路產品的新使用者獲取流程很長，從獲客成本和使用者質量兩個核心指標入手，需要拆解使用者獲取的每一個環節，並觀察和最佳化其核心指標，從而實現低獲客成本，且高使用者質量的商業訴求。在利用AARRR模型分析使用者獲取，需要從宏觀和微觀角度進行，宏觀有助於對整體業務效果的監控，微觀分析則有利於找出最佳化環節併為產品最佳化提供資料決策依據。

消費漏斗（流量分佈圖）

消費漏斗一般用於頁面結構和內容較為複雜的業務，從使用者內容消費和流量走向的角度，宏觀層面用於回答使用者消費什麼內容，微觀層面則用於分析影響使用者消費的問題是什麼。

電商購買轉化漏斗使用者商品的購買屬於決策行為，將整個使用者購買流程進行拆分，從瀏覽商品到支付訂單，期間需要經過至少要經過以下4個環節，每一個環節使用者均有可能因為各種原因流失掉，透過分析每個步驟的轉化率，有利於發現問題，提升整體的交易成功率：功能最佳化漏斗漏斗分析也適用於產品功能自身的最佳化，從最終目標入手，拆分業務環節，提取和最佳化核心指標，從而提升整體功能的轉化率。以手機訊息推送為例子，訊息推送初看是一個非常複雜的，且技術難度很高的產品功能，但是利用漏斗模型，層層拆解各環節，可發現一個完整的訊息流程需要經過至少5個環節，透過觀察和分析各個環節的轉化率，最佳化每個環節的折損，從而達到更多使用者點選檢視訊息的產品目標。

談到這個問題，作為一款使用者行為分析工具，我覺得我有必要出來答一下啦。

現代營銷觀念認為：“營銷管理重在過程，控制了過程就控制了結果。”使用者行為分析之漏斗分析模型是企業實現精細化運營、進行使用者行為分析的重要資料分析模型，其精細化程度影響著營銷管理的成敗，以及使用者行為分析的精準度。粗陋的漏斗分析模型因為過程管理不透明、資料分析不精細、使用者行為分析不科學而造成結果失控。因此，我們經常能夠聽到一些產品經理的抱怨不絕於耳：從啟動 APP 到“支付成功”，使用者轉化率為何僅僅 0.8 %？

一、什麼是漏斗分析？

究竟什麼是漏斗分析？漏斗分析是一套流程式資料分析，它能夠科學反映使用者行為狀態以及從起點到終點各階段使用者轉化率情況的重要分析模型。

漏斗分析模型已經廣泛應用於流量監控、產品目標轉化等日常資料運營與資料分析的工作中。例如在一款產品服務平臺中，直播使用者從啟用APP開始到花費，一般的使用者購物路徑為啟用APP、註冊賬號、進入直播間、互動行為、禮物花費五大階段，漏斗能夠展現出各個階段的轉化率，透過漏斗各環節相關資料的比較,能夠直觀地發現和說明問題所在，從而找到最佳化方向。

二、漏斗分析模型的特點與價值：

對於業務流程相對規範、週期較長、環節較多的流程分析,能夠直觀地發現和說明問題所在。值得強調的是，漏斗分析模型並非只是簡單的轉化率的呈現，科學的漏斗分析模型能夠實現以下價值：

1.企業可以監控使用者在各個層級的轉化情況，聚焦使用者選購全流程中最有效轉化路徑；同時找到可最佳化的短板，提升使用者體驗。

降低流失是運營人員的重要目標，透過不同層級的轉情況，迅速定位流失環節，針對性持續分析找到可最佳化點，如此提升使用者留存率。

2.多維度切分與呈現使用者轉化情況，成單瓶頸無處遁形。

科學的漏斗分析能夠展現轉化率趨勢的曲線，能幫助企業精細地捕捉使用者行為變化。提升了轉化分析的精度和效率,對選購流程的異常定位和策略調整效果驗證有科學指導意義。

3.不同屬性的使用者群體漏斗比較，從差異角度窺視最佳化思路。

三、在漏斗分析模型中，科學歸因、屬性關聯的重要性先談歸因

在科學的漏斗分析中，需要科學歸因設定。每一次轉化節點應根據事件功勞差異（事件對轉化的功勞大小）而科學設定。企業一直致力定義最佳使用者購買路徑，並將資源高效集中於此。而在企業真實的漏斗分析中，業務流程轉化並非理想中那麼簡單。

那麼，在漏斗設定時，轉化歸因應該“歸”哪一個渠道呢？在這個案例中，運營人員願意以實際轉化的事件的屬性為準。郵件營銷的渠道在使用者購買決策的全流程中對使用者影響的“功勞”最大、權重較大，直接促進使用者轉化。在科學的漏斗分析模型中，使用者群體篩選和分組時，以實際轉化事件——郵件營銷來源的使用者群體的屬性為準，則大大增大了漏斗分析的科學性。

再一起看屬性關聯

在進行漏斗分析時，尤其電商行業的資料分析場景中，運營人員在定義“轉化”時，會要求漏斗轉化的前後步驟有相同的屬性值。比如同一 ID（包括品類 ID、商品 ID）才能作為轉化條件——瀏覽 iphone6，購買同一款 iphone6 才能被定義為一次轉化。因此，“屬性關聯”的設定功能是科學漏斗分析不可或缺的內容。

四、漏斗分析場景場景一：電商行業不同客戶群體的轉化情況

某電商企業客戶根據客戶的消費能力，將客戶劃分為普通會員、黃金會員、鑽石會員。為加強對使用者的轉化引導，F 欲針對不同使用者群體採用不同的運營方式。

圖1 普通會員與鑽石會員的漏斗轉化情況對比

透過對比，可明顯看出，普通會員從“提交訂單”到“支付訂單”的轉化率明顯低於鑽石會員。為找到“支付訂單”階段轉化率變低的原因，F公司運營人員應深度分析普通會員轉化率情況，如對比不同付費渠道（PC 端、手機端等）的轉化情況，找到最佳化的短板。另外，可以嘗試支付訂單流程的新手引導，幫助新手順利完成購買。

場景二：零售行業——中商惠民科學評估站內推廣位的效果

首頁推廣位的效果監控是站內運營重要一環，資料的監測與分析是重要工作，它為站內最佳化、頁面體驗提升作出指導。運營人員可以透過使用者的點選轉化率與購買轉化率可以判斷頁面不同推廣位置效果。下圖是中商惠民首頁推廣位“一元促銷”、“清潔專場”兩個Banner轉化率情況對比。（注：為涉嫌商業機密，以下場景模擬真實應用場景而設，資料均為虛擬。）

圖2 “一元促銷”、“清潔專場”兩個Banner轉化率情況對比

除此之外，漏斗分析模型已經廣泛應用於各行業的資料分析工作中，用以評估總體轉化率、各個環節的轉化率，以科學評估促銷專題活動效果等，透過與其他資料分析模型結合進行深度使用者行為分析，從而找到使用者流失的原因，以提升使用者量、活躍度、留存率，並提升資料分析與決策的科學性等。

使用者行為分析之漏斗分析模型是企業實現精細化運營、進行使用者行為分析的重要資料分析模型，其精細化程度影響著營銷管理的成敗，以及使用者行為分析的精準度。