摘要：變量是指能夠影響漏鬥分析結果的因素，分為自變量、因變量和中介變量。如上邊傳統漏鬥模型，因變量是廣告觀看率、商品付費率、重復購買率等，那麼廣告的投放管道（如電視、報紙雜誌、地鐵、門戶網站等）、觀看廣告的用戶年齡層次、用戶所在的區域、用戶的興趣愛好、用戶的經濟條件等就是影響因變量的自變量。

很多時候，我們會發現業務數據明明非常可觀，但是最終的轉化量卻很低，高進高走，這就說明業務的轉化率有問題。而在數據分析當中，有一種至關重要的模型工具可以很好地解決這個問題，它就是漏鬥模型。

什麼是漏鬥分析？

漏鬥分析模型，簡單來講，就是抽象產品中的某一流程，觀察流程中每一步的轉化與流失。

關於實際應用場景中漏鬥模型，人們期望的無非就兩點：

1. 最終漏出的數量多
2. 最終漏出的比率高

針對這兩點目標，可行的措施是：

1. 增加最初的流入量
2. 提高每一個關鍵點的留存率

數據漏鬥分析的關鍵？

一般來說，遇見的都是有序漏鬥分析，這種順序體現在關鍵節點的路徑中。在有序漏鬥中，路是越走越窄的，換句話說，後面的每一步留下的數據量都不可能大於前面一步留下的數據量。如果不符合這個條件，則表明關鍵路徑的流程順序可能是有問題的，需要調整路徑順序。

如何進行漏鬥分析？

一、目標

像做任何數據分析一樣，漏鬥分析的第一步同樣也是確定目標，也就是明白自己究竟想要做什麼，得到什麼樣的結果。比如商業行銷活動中的漏鬥模型，他的目標是商業變現，獲得利潤，以此為目的確定下面五個層級：

1. 投放廣告，提高用戶對品牌的認知，占領用戶的心智；
2. 觀看廣告，提高用戶對產品的興趣；
3. 評估產品，用戶會根據對品牌的認知和產品興趣來決定是否購買；
4. 付費購買，用戶會對評估完後感興趣的產品進行購買，達成交易；
5. 重復購買，部分用戶會持續重復購買，也可能推薦給親戚朋友。

二、變量

變量是指能夠影響漏鬥分析結果的因素，分為自變量、因變量和中介變量。

在組織行為學中，因變量是所要測量的行為反應，而自變量則是影響因變量的變量。

如上邊傳統漏鬥模型，因變量是廣告觀看率、商品付費率、重復購買率等，那麼廣告的投放管道（如電視、報紙雜誌、地鐵、門戶網站等）、觀看廣告的用戶年齡層次、用戶所在的區域、用戶的興趣愛好、用戶的經濟條件等就是影響因變量的自變量。

中介變量又稱為干擾變量，它會削弱自變量對因變量的影響。中介變量的存在會使自變量與因變量之間的關係更加複雜。

中介變量也就是我們需要介入的變量，需要我們去無限的進行解構，來影響自變量。比如從 A 到 R （獲客 – 盈利）的轉換問題，我們可以把 A 拆分為 A1、A2、A3，再看哪一步對自變量的影響比較大，假設是 A2，那麼再把 A2拆開，再看其中的主要問題。

如上邊的傳統漏鬥模型，假設我們的品牌為高端奢侈品，那麼我們需要對投放管道、用戶年齡層次、投放區域等進行拆分，然後發現我們的投放區域覆蓋面太多，成本比較高。

然後我們對投放地區進行拆分，發現偏遠地區投放占比比較高，那麼這個時候，我們是否找到了問題呢？我們可以收縮投放區域，有針對性的在北上廣深等這樣的大城市集中投放會不會效果更好一些呢？

最理想的狀態是，我們能夠解構到唯一變量的顆粒度。然後我們就能夠精準定位並且解決這個問題，從而帶來增長。

如果我們用的漏鬥是一個很粗略的漏鬥，是無法解決問題的。需要一步步解構、定位問題，然後去解決，這樣才能帶來有效的增長。

三、關係

確定了目標，確定了影響目標的各種變量之後，還需要進一步研究各變量之間的關係。

在確定變量之間的關係時，對何者為因、何者為果的判斷，應持謹慎態度。不能因為兩個變量之間存在著統計上的關係，就簡單地認為他們之間存在著因果關係。對變量間因果關係的判斷不能輕率。

比如，我們談用戶增長的時候，更多的是在談獲客，而沒有考慮如何提升現有用戶的轉化率、激活率。我們真正需要考慮如何才能讓用戶變成忠誠用戶，只有忠誠用戶才不會流失，才能帶來更多的收益。

通過漏鬥分析可以從前到後還原用戶轉化的路徑，分析每一個轉化節點的效率。

從開始到結尾，整體的轉化率是多少？

每一步的轉率是多少？

哪一步流失最多，原因是什麼？流失的用戶符合哪些特徵？

遇到大數據量時，用什麼做漏鬥分析？

如果遇到大數據量的時候，Excel等一些工具就難以做到高效的漏鬥分析了，一般的做法是用專業的數據分析工具，如FineBI搭建一個dashboard，在這上面可以輕鬆進行漏鬥分析：

專業數據分析工具的好處就是快捷，工具本身是自帶漏鬥模型的，你只需要拖拽操作就能夠完成數據漏鬥分析，這一點excel等軟件是難以做到的，因此建議使用專業軟件。