引导流程是把新用户从注册带到首次真实成果的那条引导路径。它的终点是用户首次得到价值,不是看完引导;每多一步,都要证明它让更多人走到那一刻。下面讲四种形式、六步设计法、一个可复算的漏斗算例,以及该看哪些指标。
读完你会知道
- 流程终点是首次价值事件,不是导览完成:90% 的导览完成率可能掩盖 25.2% 的激活率
- 从激活倒推设计,能缓的索取都放到首次价值之后
- 先删价值前的最大流失步,再用前后同期群验证——完成率不是指标
什么是引导流程(终点应该在哪里)?
引导流程是把新用户从注册(或首次打开产品)带到第 1 个有意义成果的那条引导路径:连上数据、看到首份报表、发出首条消息。它是用户引导过程里发生在产品内的那一段;完整的引导过程还包括欢迎邮件、文档和销售电话;新用户最先看到的那几屏,常被称为首次用户体验。它指向的成果通常叫啊哈时刻,到达它的速度叫价值实现时间。
终点规则:引导流程的终点是用户首次得到价值,不是看完引导。欢迎导览的最后一屏不是终点线,激活事件才是。如果用户不看完导览也能到达那个事件,说明导览比需要的更长。
示例数据把这个差距摆得很清楚。某 B2B 分析产品一个月新增 1,000 名注册用户,其中 900 人(90.0%)看完了欢迎导览;只有 252 人(25.2%)到达首次价值——看到用自己数据生成的报表。为 90% 的导览完成率庆祝的团队,衡量的是服从度;25.2% 才是预测用户会不会回来的数字。
这个区分之所以重要,是因为两个数字回答的是不同的问题。导览完成率告诉你用户是否忍受了介绍;激活率告诉你介绍是否起作用。一条流程可以同时拥有很高的完成率和很低的激活率——示例展示的正是这种情况。
这也是本文的核心观点:流程里每多一步,都要证明它让更多人走到首次价值。下面几节讲怎么选形式、怎么从激活事件倒推设计、怎么用可复算的算例找到该删的那一步,以及怎么用同期群验证改动。
选形式:清单、空状态、交互式教程还是邮件
四种形式覆盖了大多数引导流程。本节后面的表格对比了各自的适用场景、代价和成功指标。多数产品需要一种主形式加一种辅助形式,不是四种一起上。
用「如果……就……」来选:
- 如果初始设置有几个互相独立的任务(连数据、选模板、邀请队友),就用清单,配上诚实的进度。允许用户按任意顺序完成、稍后再回来;强制固定顺序的清单,其实是变相的导览。
- 如果用户落在一个还没有数据的页面,就用空状态教会他下一个动作。Nielsen Norman Group 关于引导教程的研究发现,前置教程会打断用户、常被跳过、很快被忘掉;在需要时出现的情境帮助更有效。
- 如果第 1 个任务复杂、难以用文字讲清(编辑器、查询构建器),就用交互式教程,让用户边做边学。Apple 的人机界面指南建议引导要快、有趣、可跳过,通过交互来教,而不是塞一本长说明书。
- 如果价值要几天才出现(数据导入、团队铺开),就用邮件序列,由产品内事件触发——「你的导入完成了」比固定第 3 天的群发更有用。
- 如果拿不准,先从空状态加一份短清单开始,等漏斗显示用户卡在哪里,再补教程。
上面那款分析产品的一份具体清单可以是:连接数据源、选择报表模板、查看首份报表。三项,每项一个动作,每项都指向激活事件。「邀请队友」被有意排除在外——它属于价值之后,算例会说明。
两条规则适用于所有形式。让用户跳过:NN/g 的移动端引导分析建议能跳过就跳过,Apple 的指南也说被跳过的导览不应再弹出来。把次要功能挡在首次体验之外——渐进披露的意思是,高级选项等用户需要时再出现。
App 端特有的做法——权限预提示、付费墙位置、延迟注册——见App 引导。
| 形式 | 适用场景 | 代价 | 成功指标 |
|---|---|---|---|
| 清单 | 初始设置有几个互相独立的任务,用户可按任意顺序完成 | 搭建成本低;需要诚实的进度和完成的理由 | 导向激活的清单完成率 |
| 空状态 | 用户落在还没有数据的页面;教会他下一个动作 | 低;一屏一个动作 | 从空状态采取的第 1 个动作 |
| 交互式教程 | 第 1 个任务复杂、难以用文字讲清 | 搭建和维护成本高;界面一改就失效 | 教程内的任务完成,而不是导览完成 |
| 邮件序列 | 价值要几天才出现(导入、团队设置);召回流失用户 | 撰写和发送成本;容易被忽略 | 回到产品并到达激活事件的回访 |
选一种主形式,其余辅助。每个成功指标都指向激活,而不是走完流程。
从首次价值倒推设计流程
设计从终点开始。六步,每步配一条判断规则:
- 先定义激活事件。用一句话说清标志着首次价值的那个动作——「看到了用自己数据生成的报表」,而不是「看完了导览」。规则:写不成一句话,就还没到画界面的时候。怎么选、怎么定义见激活率。
- 列出到达它的最短路径。把用户到达该事件必须走的每一步写下来。不在路径上的步骤,都是删除或延后的候选。规则:一步如果不改变用户接下来能做什么,它就不该出现在价值之前。
- 把价值放在索取之前。注册、权限、邀请、升级提示,能缓则缓,尽量放到首次价值之后。NN/g 记录了延迟注册这种做法,让用户先体验产品再承诺。规则:只索取下一屏真正需要的最少信息。
- 每个问题都要改变下一屏。个性化问题只有在其答案会把用户引向不同界面时才值得留。规则:如果所有答案都通向同一屏,删掉这个问题。比如,「你想跟踪什么?」只有在答案会改变接下来展示的模板时才值得问。
- 一屏一个决定。一屏问两件事,就拆开或删掉一件。规则:数一数决定个数,超过一个说明这屏在干两份活。
- 提示挑时机、给跳过、进度要诚实。提示放在用户需要的那一刻,跳过按钮始终可见,进度条反映真实步骤而不是营销话术。规则:提示如果出现在用户有理由关心之前,就往后挪。
顺序很重要:第 1–2 步决定有什么,第 3–5 步决定留下什么,第 6 步决定感受。从现成的界面模板出发的团队,常常违反第 3–5 步——邀请和升级提示跑到了价值前面——因为模板是从注册顺推设计的,而不是从激活事件倒推的。
算例:五步漏斗,以及我们删掉的那一步
示例数据:一个月,1,000 名新注册用户,还是上面那款 B2B 分析产品的五步流程。激活事件是「看到用自己数据生成的首份报表」。
| 步骤 | 用户做什么 | 完成人数 | 步转化 |
|---|---|---|---|
| 1 | 创建账户 | 1,000 | — |
| 2 | 连接数据源 | 800 | 80.0% |
| 3 | 选择报表模板 | 560 | 70.0% |
| 4 | 邀请队友 | 336 | 60.0% |
| 5 | 查看首份报表(激活) | 252 | 75.0% |
激活率:252 ÷ 1,000 = 25.2%。步转化是每一步人数除以上一步人数:800 ÷ 1,000 = 80.0%,560 ÷ 800 = 70.0%,336 ÷ 560 = 60.0%,252 ÷ 336 = 75.0%。
最大流失在邀请步。560 人选好了模板,只有 336 人走过「邀请队友」——少了 224 人,占这一步的 40%。这一步还卡在价值之前:用户连一份报表都没看到,就被要求邀请同事来用一个自己还没体验过的产品。按终点规则,这个索取放错了位置。
改动:把邀请移到首次价值之后。不是删除——邀请对团队扩展仍然重要——只是延后到用户看过自己的报表之后。流程变成:创建账户 → 连接数据 → 选择模板 → 查看报表 → 邀请队友。
如果你的产品确实需要在价值之前邀请——比如首份报表由团队共同完成的协作工具——那就保留,但把邀请设为可选,并说明队友会看到什么。规则不是「绝不在早期邀请」,而是「早期的索取必须用数据证明自己的位置」。
投影。560 人到达模板步。假设移走邀请门槛后,最后一步观察到的 75% 转化率保持不变:560 × 75% = 420 人激活,即 420 ÷ 1,000 = 42.0%。比 25.2% 高出 16.8 个百分点,相对提升 420 ÷ 252 − 1 = +66.7%。这个假设是保守的:它让转化率停在 75%,而不是假设去掉摩擦后会更高;它把在 336 名通过邀请步的用户身上测得的比率,套用到全部 560 人,包括之前流失的 224 人。把 420 当作要用下一批同期群验证的投影,不是结果。
留存说明终点选对了。252 名激活用户里,126 人在第 7 天仍然活跃:126 ÷ 252 = 50.0%。注册但从未激活的 748 人(1,000 − 252)里,75 人在第 7 天回来:75 ÷ 748 = 10.0%。到达首次价值的用户,回访频率是另一组的五倍。看完导览预测不了这件事;到达价值可以。
本节后面的图把同一个漏斗画成横条。核心观点在算式里成立:邀请步没有让更多人到达首次价值——它拦下了 224 人——所以它被移走了。
五步引导漏斗 · 1,000 名注册用户
激活率 25.2%产品主导(PLG)模式下的引导
产品主导模式里,产品本身就是获客、转化和扩展的主渠道。引导的分量更重,因为没有销售电话来救一个困惑的用户。三条判断规则:
- 自助服务意味着激活事件是产品内的顿悟,不是演示。如果你的模式是自助服务,就在产品内衡量首次价值——看了一份报表、建了一个项目——而不是一场安排好的讲解。
- 让用户先体验再承诺。尽可能让用户先体验价值再注册;延迟注册是 NN/g 记录的做法之一。只拦截必须拦截的,比如保存工作。注册这一步本身怎么设计,见注册流程。
- 邀请和升级提示放在价值之后。扩展是价值的结果,不是价值的门槛。等用户有了值得分享的东西,再开口要邀请。
用和任何模式一样的漏斗来衡量 PLG 流程:激活事件在产品内,所以漏斗——而不是销售管道——才是事实来源。
两种模式优化的东西不同:
| 决策 | 产品主导 | 销售主导 |
|---|---|---|
| 首次价值发生在哪里 | 产品内,自助完成 | 演示或引导电话里 |
| 什么时候要求注册 | 常在体验价值之后 | 演示之前 |
| 引导优化什么 | 到达首次价值的时间 | 安排好的交接和资格判断 |
首次价值之后,工作重心从激活转向习惯:把用户带回来的「触发—行动—奖励」回路见钩子模型。引导的任务是把用户送到第 1 个奖励面前;回路负责让他们留下。
衡量与迭代:完成率不是指标
三个公式覆盖本文的所有决策,都用上面那个示例月。
- 激活率 = 激活人数 ÷ 注册人数。252 ÷ 1,000 = 25.2%。这是流程的记分牌。
- 步转化 = 下一步人数 ÷ 上一步人数。邀请步是 336 ÷ 560 = 60.0%。它用来定位漏点。
- 激活者第 7 天留存 = 第 7 天仍活跃的激活人数 ÷ 激活人数。126 ÷ 252 = 50.0%。它用来确认激活事件真的预测使用。
删步规则:删掉某步后激活不降,就该删;激活降了,说明这一步在挣自己的位置——放回去。导览完成率是诊断,不是目标:90% 完成率配 25.2% 激活率,说明导览不是值得庆祝的问题。
用改动前后的同期群验证,并小心解读:
- 比较改动前后注册的两批用户,激活事件定义保持一致。
- 盯住渠道结构和季节性:付费流量变多的一个月,不动产品也会让激活率变化。
- 这是观察性对比,不是实验。它显示相关,不证明删步带来了提升。
- 同期群要大到读得出来:几十个注册用户的噪声,就能让激活率摆动好几个百分点。
完整指标集——价值实现时间、分步流失、同期群曲线——见引导指标;怎么建漏斗见构建漏斗。每次迭代终点不变:流程在用户首次得到价值时结束,留下的每一步都要证明它让更多人走到那里。
在 TapCub 里怎么做
上面那个算例——五步、一个价值前的邀请、−224 的流失——在 TapCub 里用同一套事件跑遍网站、App 和小程序。同一套流程,一步一步来。
- 上线前定义五个事件。在 全端分析 › 数据管理 › 埋点方案 里记录每个事件的事件名、平台、触发时机、必填属性和负责人。没有定义就到达的新事件会进 全端分析 › 数据管理 › 事件收件箱,认领后才进正式方案。打开 24 小时实时校验,看每个事件的到达数和必填属性完整度。网站脚本和 App、小程序 SDK 用同一套事件名,三端的数据进同一个漏斗。
- 建五步漏斗。在 全端分析 › 行为分析 › 行为分析 里,从创建账户到查看首份报表建漏斗,读每一步的转化。邀请步 60.0%——流失 224 人——就是要动手的那个数。
- 看流失的人去了哪。同一菜单里的路径分析显示离开邀请步的用户下一步去了哪里。需要知道原因时,全端分析 › 行为分析 › 热力图 看邀请页上的点击和狂点,全端分析 › 行为分析 › 会话回放(默认关闭)看退出前的犹豫。
- 识别用户,复用分群。用户登录时调用
tapcub.login,他会出现在 全端分析 › 用户 › 用户,档案里有按天排列的行为时间线。在 全端分析 › 用户 › 分群与标签 里建一个规则分群——「连接了数据源但从没看过报表」——把同一个分群带进漏斗和留存,不用每次重建。匿名访客没有档案、也不进分群,想让分群覆盖他们,就在登录时识别用户。 - 用留存同期群验证。比较改动前后激活用户的第 7 天留存,同期群对同期群。TapCub 不做 A/B 实验和特性开关:改动全量上线,用同期群做观察性对比。机器人默认被识别并单独统计(网站统计 › 机器人),不会混进转化率的分母。
常见问题
引导流程应该多长?
没有通用的步数。只留最短价值路径上的步骤。Chameleon 在其引导流程指南中引用自家 2025 年 SaaS 产品基准报告:常见激活流程 3–7 步,完成率高的导览不超过 5 步——这是厂商基准,可作起点,不是目标。每多一步,都要证明它让更多人到达首次价值。
引导流程和引导清单有什么区别?
流程是从注册到首次价值的整条路径;清单是这条路径里组织多步初始设置的一种形式。一条流程可以组合清单、空状态、提示和邮件。清单负责组织任务,但它不定义流程在哪里结束——激活事件才定义。
注册应该放在价值之前还是之后?
尽可能放在之后。让用户先体验到有用的东西再注册——延迟注册是 Nielsen Norman Group 记录的做法之一。等第 1 个有用成果出现后,再索取注册、权限和邀请;只拦截必须拦截的,比如保存工作。
激活率多少算好?
没有通用基准,取决于你怎么定义激活、用户是谁。先定义事件,再和自己的同期群比趋势。上面的算例里,一次删步把激活率从 25.2% 提到投影的 42.0%。完整指标集见引导指标。
改进引导一定要做 A/B 测试吗?
起步不需要。把改动全量上线,比较前后同期群的激活率和第 7 天留存。这是观察性对比,要盯住渠道结构和季节性。TapCub 衡量漏斗、路径和留存,但不做 A/B 实验和特性开关——上面的同期群方法就是不靠实验的验证方式。
资料来源
- Nielsen Norman Group. Mobile-App Onboarding: An Analysis of Components and Techniques. 2020-06-21 发布,2021-01-24 更新。2026-11-15 核对。
- Nielsen Norman Group. Onboarding Tutorials vs. Contextual Help. 2023-02-12 发布,2024-02-13 更新。2026-11-15 核对。
- Nielsen Norman Group. Progressive Disclosure. 2006-12-03 发布,2022-07-15 更新。2026-11-15 核对。
- Apple. Onboarding — Human Interface Guidelines. 2026-11-15 核对。
- McConnell, K. Onboarding Flows: Design, Build, and Measure. Chameleon,2026-06-01 发布,2026-11-11 更新;长度基准出自其 2025 年 SaaS 产品基准报告(厂商数据)。2026-11-15 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。

