漏斗分析
一、它到底是什么
它要回答的是一个很具体的问题：人到底是在哪一步走的。只知道”收入低”没有用，因为它可能是没人来、来了没注册、注册了没买，问题出在哪一段，决定了你该去修哪里。
漏斗的重点不只是数掉在哪，还有哪个环节最限制最终结果。有时候某一环流失率最高，但它不是最大的瓶颈；真正卡住结果的，是那个一旦改善就能显著放大后面结果的环节。
二、为什么它管用 / 为什么人会这样
因为人天然只看结果。收入下降，就喊收入不行；用户不多，就觉得是推广不够。这种笼统的判断没法指导行动。漏斗把一个大结果拆成几段小过程，每一段都可以单独观察、单独改善，问题就从”哪里都不对”变成了”具体是这里不对”。
它还让团队停止争论。会议里最容易齐声抱怨的，往往是最后那个结果，而真正卡人的环节常常不显眼。把每一段的数据摆出来，争论就会从”我觉得”转向”这里掉了这么多”，讨论有了共同的落点。
还有一点很实用：漏斗把责任和动作落到了具体的环节上。知道了是哪一段掉，团队就知道下一步该改哪个页面、哪句文案、哪一步流程，而不是笼统地一起努力。
三、什么时候会碰到它 / 该用它
- 结果不理想，但说不清问题出在哪个环节时。
- 团队对”到底哪里出了问题”各有各的说法，吵不出结论时。
- 想优化转化，却不知道该先动哪一段时。
- 一个流程步骤很多，其中必有一处特别卡，但不清楚是哪一处时。
- 想给一个宽泛的判断，比如”激活差”，找出具体的落点时。
四、什么时候它不管用
如果动作已经很明确，继续分析只是拖延，这时该直接做。另外，漏斗看的是已经发生的路径，它不会告诉你用户为什么在这一步走掉，要知道原因还得去访谈、去看数据背后的故事。还有一种误用是数据本身不干净，或者各段的口径不一致，那漏斗会制造一种虚假的精确，看起来很科学，其实结论站不住。最后，如果这段旅程本来就不是线性的，用户会来回跳，硬套漏斗会失真。
五、例子
一个注册流程
从看到广告到完成注册有好几步，看着转化很低。把每一步的人数列出来，发现广告到点进还正常，问题出在填写那一步，要填的信息太多。改动那一步，整体就上来了。
一次招聘
投简历的人不少，录用的人却很少。拆开看，可能是简历筛选后打电话邀约的那一段大量人没接，也可能是面试到发录用通知那一段流失严重。两处该做的动作完全不同。
家里的剩饭
总说”浪费太多”，但说不清浪费在哪儿。其实可以拆一拆：买菜买了多少、几天内吃完多少、最后倒掉多少。一看往往是买的时候图多，问题出在采购那一步，而不是做饭的量。日常里的小事也一样适用。
六、最容易走偏的地方
- 只看总转化：盯着头尾两个数，不看中间，等于把最有用的信息丢了。
- 把最陡的一段当瓶颈：流失率最高的一段未必最值得改，要看改它能不能带动整体。
- 各段口径不一：每段的统计标准和时间范围不一样，拼出来的漏斗是错的。
- 只数数不问为什么：漏斗告诉你掉在哪，不告诉你为什么掉，缺了原因就走不到行动。
七、怎么把它用起来
- 先把这段旅程的起点和终点定清楚，别含糊。
- 把中间拆成几个互不重叠的阶段，让每一步都能对上人。
- 量出每个阶段的人数和两段之间的流失，排成一张表。
- 找出流失最多的一段，再问一句改它能不能带动后面的结果。
- 只改一个环节，再看数据是不是真的变好，别一次动好几处。
- 数据异常的那一段，去问真实用户或看他们的操作记录，找出原因。
八、它和「第一性原理」不一样
第一性原理是往下拆，把问题拆到基本事实再重新推导，它处理的是”为什么”。漏斗分析是横向拆，把一段过程拆成几段来看人从哪掉，它处理的是”哪里”。一个往深处问原因，一个往过程里找堵点。两者常常配合：先用漏斗找出堵在哪一段，再用第一性原理追究为什么堵在那里。
九、常问的几个问题
漏斗是不是只能用于卖东西？
不是。招聘、学习、办公流程、生活里的事，只要是一段分步骤的过程，都能拆成漏斗看。
流失最多的一段一定最该改吗？
不一定。要看改它能不能放大后面的结果，有时改一段不起眼的反而效果更大。
没有数据能做吗？
能，但得先想办法拿到信号。哪怕用粗略的计数，也比完全没有依据地猜强。
相关
AARRR模型、约束理论、A/B测试、转化率、第一性原理
一句话收束
别只说结果不行，先找出人是在哪一步走的。
