漏斗分析衡量有多少人按顺序完成一组步骤,以及他们在哪里离开。本文讲怎么搭出数字可信的漏斗、怎么读流失、先修哪一步、怎么对比分群,并附一个可复算的示例。
读完你会知道
- 用一个目标、可测量的步骤、顺序规则、时间窗口和“谁算数”的明确定义来搭漏斗。
- 流失最大的一步不一定最值得先修:要权衡流失人数、他们离转化有多近,以及原因能否修复。
- 行动前先按一个属性(如设备)拆分:整体平均值可能掩盖只出现在某一群人身上的问题。
什么是漏斗分析?
漏斗分析(funnel analysis)是一种衡量方法:统计有多少人按顺序完成一组步骤,比如浏览商品、加入购物车、进入结账、完成支付,并找出流失最多的那一步。你数出每一步有多少人到达,再用它除以上一步,薄弱环节就会在数字里掉下来。它把“转化率低”这种模糊的担心,变成“为什么人们在结账和支付之间离开”这样具体的问题。
本文是站内漏斗分析的总览页,讲怎么搭出数字可信的漏斗(步骤、顺序、时间窗口、同一会话还是跨会话)、怎么读流失、先修哪一步、为什么要做分群对比,以及哪些错误会悄悄毁掉结果。文中有一个可复算的示例数据,最后讲在 TapCub 里怎么做。站内其他页面讲得更深的地方,我们只做概括并给出链接,不重复。
怎么一步步搭建漏斗?
搭建漏斗就是把旅程写下来,把每个阶段变成可以测量的东西,再定好“谁算转化”的规则。有六个决定要做,下表列出其中的技术项。
- 只选一个目标。一个漏斗回答一个旅程里的一个问题:注册到激活、商品浏览到购买、落地页到预约演示。两个目标就是两个漏斗。
- 选步骤。用人们必须做的动作,而不是他们可能看到的每个页面。多数有用的漏斗是 3 到 7 步。Google 的漏斗探索报告最多允许 10 步,这也暗示再多就很难读了。
- 让每一步可测量。一步就是一次页面浏览或一个事件。事件还不存在,就看不到这一步,所以先列出需要的事件,再建图表。
- 定顺序规则。步骤必须严格按顺序吗,中间能做别的事吗,还是可以任意顺序?
- 设时间窗口。从首步开始,用户有多长时间完成?
- 定谁算数。每人只算一次,还是每次尝试都算?限同一会话,还是允许跨会话?
| 决定 | 常见选项 | 经验做法 |
|---|---|---|
| 顺序 | 有序(步骤之间可有其他动作)、严格(中间不能有别的动作)、任意顺序 | 先用有序;只有流程本身是固定的(如结账向导)才用严格 |
| 窗口 | 从首步起算的分钟、小时或天 | 对齐真实的购买或注册周期:结账用分钟,试用用天 |
| 计数 | 去重(每人首次进入)、总次数(重新进入也算)、按会话 | 算转化率用去重;以会话为单位时按会话 |
| 会话范围 | 同一会话或跨会话 | 结账用同一会话;需要隔夜考虑的用跨会话 |
| 入口 | 开放(可从任意一步进入)或封闭(必须从首步开始) | 算转化率用封闭;开放只用于诊断 |
| 筛选 | 每步的条件,如商品类别 | 只加用来界定人群的筛选,不要用来掩盖脏数据 |
各家产品对这些选项的叫法不同。Mixpanel 的高级漏斗文档写明默认转化窗口为 7 天(最长可到 366 天),默认“指定顺序”,可选“任意顺序”,计数方式有三种:去重、总次数和会话。Google 的报告则把入口规则称为开放和封闭:封闭漏斗里,用户必须从首步进入。叫法会变,要做的决定不变。
顺序和时间窗口该怎么设?
窗口要按客户的真实行为来定,而不是照搬默认值,并且要说清你的漏斗强制哪种顺序。这两项设置对最终数字的影响比任何设计调整都大,也是两个人量“同一个”漏斗却得到不同答案的常见原因。
时间窗口。窗口太短,会低估本来就需要更久的旅程。周一把夹克加入购物车、周四下单的人,在 7 天窗口里算转化,在 1 小时窗口里算流失。Mixpanel 的默认 7 天对需要考虑的购买是个合理起点;单纯的结账可以用分钟或小时。要对比漏斗,就给它们同样的窗口,否则对比的是窗口,不是旅程。
同一会话还是跨会话。同一会话问的是“这一次访问里完成了吗”,适合结账和短表单;跨会话问的是“最终完成了吗”,适合注册到付费、B2B 评估,以及中间隔了一晚的各种流程。跨会话需要一个在多次访问之间保持不变的访客 ID;如果隐私设置让 ID 每天轮换,第二天回来的人就会被当成新访客。
顺序。有序允许步骤之间发生其他事件,严格则禁止。严格看上去更干净,也更容易出错:访客在购物车和结账之间看了一眼帮助页,就会从严格漏斗里掉出去,可他其实并没有放弃。只有流程真的是固定顺序时才选它。
怎么读懂人们在哪里流失?
每一步看三个数:进入的人数、相对上一步的比率、相对首步的比率。上一步比率显示这一步在哪里漏人;首步比率显示这一步对整段旅程的分量。两个都要看:漏斗中间 50% 的步骤,实际损失人数可能不大;末尾 90% 的步骤,如果剩下的人几乎都要买了,损失可能很大。
下结论前再核对四件事:
- 这一步是真的吗?比率低得离谱,常常是埋点缺口:事件在一种设备或一条结账路径上触发,在另一种上没触发。拿一个你信得过的来源对账,比如店铺后台的订单。
- 人们花多久?步骤之间的中位时间和比率一样重要。转化率不错但要两天的一步,更像是邮件或审批的延迟,而不是产品问题。用中位数,不要用平均数,一个异常会话就能把平均数拖偏。
- 谁在流失?光看数量说明不了。打开在这一步流失的人,或者对比分群(见下文)。
- 是新出现的吗?上周四才出现、有明确日期的下滑,多半是故障或某次发版;一直都这样的,是设计问题。
Baymard Institute 为结账流失提供了背景。它的购物车放弃率页面给出已记录的平均放弃率为 70.22%,是 2006 到 2025 年发表的 50 项研究的平均值;它对美国购物者的调查把额外费用(40%)、送达太慢(20%)、不信任卡信息安全(19%)、被迫注册账号(18%)、结账过长或复杂(17%)列为原因。这是与你的店铺构成不同的通用平均值,用它是为了知道放弃率高很正常,而不是当作目标。完整的读图指南见读懂漏斗流失,术语定义见漏斗。
先修哪一步?
流失最大的一步,不一定是最值得先做的。要选“可挽回的人数、挽回的可能性、所需投入”综合最合适的那一步。三个问题可以帮你排序:
- 能挽回多少人?数损失的人数,不要只看百分比。漏斗顶部损失 7,600 人,看着比末尾损失 240 人吓人。
- 他们离转化有多近?已经输入卡号的人,比刚打开商品页的人更接近付款。同样挽回的人数,越靠近末尾越有价值,也通常更容易找到原因。
- 原因能修吗?落地页到商品页之间的流失,可能是受众问题而不是页面问题;支付步骤的流失常有具体、能修的原因:报错、缺少某种支付方式、意外的费用。
下面的示例说明了这一点:顶部一步流失人数最多,但靠后的一步才是更适合先做的项目。然后一次只改一处,在同样的窗口下重新读同一个漏斗;同时改两处,什么也学不到。更完整的做法见转化漏斗优化。
为什么要做分群对比,而不只看整体漏斗?
整体漏斗是平均值,平均值会掩盖行为不同的人群。把每一步按一个属性拆开(设备、来源、国家、新老访客),是把“人们在这里流失”变成“这一群人在这里流失,所以去看这里”的最快办法。最有价值的线索也常出在这里:移动端结账的故障、带来错误受众的推广活动、缺少某种支付方式的国家。
养成三个习惯。一次只按一个属性拆分。确保每个分组样本足够大:20 个人的 40% 转化率,多一个人转化就会变好几个点。对比时要同类对同类,每个分组用同样的窗口和步骤。Mixpanel 的漏斗指南把同样的思路描述为按平台等属性拆分漏斗,看哪些人群转化不同。
哪些错误会毁掉漏斗分析?
多数糟糕的漏斗问题出在设置,而不是分析。常见原因:
- 步骤与人们真实的行动方式不符,比如对一个有绕路的旅程用严格顺序。
- 窗口太短,让转化慢的人被算成流失。
- 在同一张图里混用人数和会话数,比率变了,行为却没变。
- 把小分群或很短的日期范围当作趋势。
- 把机器人当访客,会抬高漏斗顶部、拉低每一步的比率。
- 改了漏斗定义还和过去对比,对比的是两个不同的量。
- 以为流失会自己解释自己。漏斗只告诉你在哪里,从不告诉你为什么;原因要靠会话、客服对话或访谈。
完整清单、示例和修正办法见漏斗分析常见错误。
用真实数字走一遍漏斗
示例数据,为说明而虚构,文中可复算:一家店铺 30 天内有 10,000 个会话浏览过商品页,按会话统计,窗口 7 天。
| 步骤 | 会话 | 相对上一步 | 相对首步 | 本步流失 |
|---|---|---|---|---|
| 浏览商品 | 10,000 | 无 | 100.0% | 无 |
| 加入购物车 | 2,400 | 24.0% | 24.0% | 7,600 |
| 开始结账 | 1,200 | 50.0% | 12.0% | 1,200 |
| 填写支付信息 | 840 | 70.0% | 8.4% | 360 |
| 完成购买 | 600 | 71.4% | 6.0% | 240 |
核对算式:2,400 ÷ 10,000 = 24.0%;1,200 ÷ 2,400 = 50.0%;840 ÷ 1,200 = 70.0%;600 ÷ 840 = 71.4%;整体 600 ÷ 10,000 = 6.0%。
顶部说明什么。加入购物车流失的会话最多(7,600),比率也最低。可那里本来就是浏览、比价和随便看看的人,其中一部分本来就不打算买。这一步难修,也很难知道该修什么。
底部说明什么。到达支付的 840 个会话里,有 240 个离开。这些人已经选好商品、开始结账、填了支付信息,是最可能对改进有反应的人。
分群会改变答案。把同一个漏斗按设备拆开:
| 设备 | 会话 | 加入购物车 | 开始结账 | 填写支付信息 | 完成购买 | 支付到购买 |
|---|---|---|---|---|---|---|
| 桌面端 | 4,000 | 1,200 | 600 | 420 | 360 | 85.7% |
| 移动端 | 6,000 | 1,200 | 600 | 420 | 240 | 57.1% |
| 合计 | 10,000 | 2,400 | 1,200 | 840 | 600 | 71.4% |
合计对得上(4,000 + 6,000 = 10,000;360 + 240 = 600),底部的 71.4% 是桌面端 85.7% 和移动端 57.1% 的混合结果。整体转化率桌面端为 9.0%(360 ÷ 4,000),移动端为 4.0%(240 ÷ 6,000)。支付这一步并不是到处都弱,而是在移动端弱,所以先查移动端的卡片输入、钱包支付选项和表单报错,再动别的。
一次修复值多少。如果移动端“支付到购买”从 57.1% 提高到 80%(420 个里的 336 个),购买会增加 96 笔,到 696,增幅 16.0%。如果把加入购物车从 24.0% 提到 26.0%,则 2,600 × 50.0% × 70.0% × 71.4% = 650 笔,多 50 笔(+8.3%)。两件事的投入不同,但支付修复具体、离成交近,一周内就能量出结果。这两个数字都不是预测,只是展示怎么比较方案。
各步骤到达的会话占比(示例数据)
占第一步的比例 · 示例月在 TapCub 里怎么做漏斗分析?
在 TapCub 里,你可以用任意事件或页面路径搭漏斗,按属性拆分,并打开任一步的人群,所有这些都来自同一份数据,这份数据也供你的其他报告使用。下面的步骤使用控制台的菜单名称。
- 先确保步骤有对应的事件。TapCub 的自动采集会在你命名之前记录点击、提交和滚动;事件收件箱把它们聚类,并按规则或模型建议名称。采纳一个候选会创建一条匹配规则,并回填最近 90 天的数据,所以一个步骤可以在历史数据上就存在,而不是从命名那天才开始有。自动采集和 AI 事件收件箱取决于你的套餐,见价格。行业模板还会安装现成的漏斗,比如电商的购买漏斗。
- 搭建漏斗。在 全端分析 › 行为 › 行为分析 里选择漏斗。添加 2 到 20 步;每一步是一个或多个事件名(多个名称按“或”处理)或一个页面路径(支持通配符),并可以带自己的筛选条件。逐步操作见搭建漏斗。
- 设规则。窗口默认 7 天,最长 180 天。顺序可选有序、严格或任意顺序。计数默认去重。你可以要求各步在同一会话内完成,添加最多 5 个排除事件(出现即取消该次转化),也可以要求每一步的某个属性取值相同。
- 读结果。每一步显示人数、相对首步的比率、相对上一步的比率、流失和距上一步的中位时间,最大的一处流失会被标出。趋势图按进入时间绘制转化率。
- 拆分。拆分只用一个属性,保留人数最多的 10 个分组。点击任一步,可打开到达或在此流失的人。
需要知道的限制:拆分只用首层,没有对比周期视图,在严格隐私档位下无法跨天识别同一访客。TapCub 不做 A/B 实验,所以漏斗显示的是发生了什么变化,而不是一次对照实验;漏斗、目标和路径的区别见漏斗、目标与路径的区别。行为分析属于 TapCub Insights,与事件、留存和路径并列,和你的网站统计共用同一段代码。
接下来看什么?
本文是总览,簇里的其他页面各自把一个问题讲深。
常见问题
什么是漏斗分析?
漏斗分析衡量有多少人按顺序完成通往某个目标的一组步骤,以及他们在哪里离开。你定义步骤,统计每一步的人数,并把每一步与上一步比较。比率最低或流失人数最多的一步,就是该去调查的地方。
怎么做漏斗分析?
选一个目标,列出通往它的动作,把每个动作变成可测量的事件或页面,再设顺序规则、时间窗口和计数方式。读人数、步骤比率和中位时间,按一个属性(如设备)拆分,一次只修一步,并在同样的窗口下重读同一个漏斗。
什么是转化漏斗分析?
它是把漏斗分析用在购买、注册或留资这类转化目标上。方法相同,步骤就是访客通往该转化所经过的阶段。结果是整体和每一步的转化率,告诉你访客在哪里离开。
时间窗口该设多长?
对齐旅程的真实周期:结账用分钟或小时,注册或需要考虑的购买用天。Mixpanel 默认 7 天。对比漏斗或时间段时用同样的窗口,否则你对比的是窗口本身。
该选哪个漏斗分析工具?
看它能否按你需要的方式计数(会话还是人、同一会话还是跨会话)、能否按属性拆分、能否读取你已有的事件。选型对比见漏斗分析工具。在 TapCub 里,漏斗是行为分析的一部分,除了事件之外不需要单独设置。
另见:产品分析:是什么、核心指标和怎么起步;用户激活率:怎么定义、衡量和提高
资料来源
- Google。漏斗探索,Analytics 帮助。最多 10 步;开放漏斗里用户可从任意一步进入,封闭漏斗里必须从首步进入;拆分把用户归入第 1 个适用的取值;可选显示步骤之间的平均耗时。2026-11-21 阅读。
- Mixpanel。漏斗:高级概念,文档。默认转化窗口 7 天,最长 366 天;指定顺序(默认)和任意顺序;按去重、总次数或会话计数;用户在其符合条件的每个拆分分组里都计入。2026-11-21 阅读。
- Mixpanel。漏斗分析:找到转化问题(2021 年发表)。用平台拆分示例讲解漏斗;配置项包括计数方式、转化窗口、顺序、排除步骤和固定属性。2026-11-21 阅读。
- Baymard Institute。购物车放弃率统计。已记录的平均放弃率 70.22%,为 2006 到 2025 年 50 项研究的平均值;美国购物者的原因包括额外费用 40%、送达慢 20%、不信任卡信息 19%、被要求注册账号 18%、结账过长或复杂 17%。2026-11-21 阅读。
- TapCub 文档。apps/docs 中的漏斗模型、事件收件箱和埋点计划页面,2026-11-21 核对。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

