浏览量告诉你在哪，行为告诉你为什么
三个「访问量 + 页面」报表回答不了的问题，以及 TapCub 的做法。
「转化率掉了——是哪一步？」
全站转化率掩盖了人在哪里离开。你只能在购物车页、地址表单和支付页之间猜。
带 7 天窗口的漏斗把每一步摆出来。示例在购物车到结账之间流失 46%，其余步骤正常。
「埋点方案一直没做完」
事件型工具要先写规范、排期、发版才能看到第一张图。半年后一半事件还没埋。
自动采集从第一天起记录点击、提交和浏览。重要的事件事后再命名——历史数据已经在那里。
「到底是谁流失了？」
汇总图表点不开。你知道走了 574 个人，却不知道他们大多是来自同一个活动的手机访客。
每一步都是一份名单。点开、按设备或渠道筛选、存成人群、推给客服或导出。
每一次点击本来就是事件
TapCub 自动采集点击、表单提交、页面浏览和单页应用的路由变化。把重要的几个命名——「加入购物车」「开始结账」「订单支付」——趋势图、漏斗和留存表就用同一个定义。
- 自动采集：点击、提交、浏览、路由变化
- 命名一次，所有报表连同历史一起更新
- 收入、注册等自定义事件从 SDK 或服务端发送
示例场景： 产品经理把自动采集到的黑色「去结账」按钮点击命名为开始结账。下方漏斗按最近 30 天重建，不需要发版。
事件 · 每日
加入购物车订单支付开始结账加入购物车
1,248
▲ 8.2%
开始结账
674
▲ 3.1%
订单支付
508
▲ 11.4%
那 46% 去了哪里
漏斗是一组有顺序、有时间窗口的事件。示例结账漏斗到购物车保留 52%、到结账 28%、到支付 21%；最大的流失在购物车 → 结账，这一步中位耗时六分钟——人们在犹豫，不是失败。
- 任意事件序列，2 到 10 步，严格或宽松顺序
- 每个漏斗单独设窗口——结账 7 天、试用 30 天
- 人群并排对比：手机 vs 电脑、付费 vs 自然
示例场景： 筛到手机端，购物车 → 结账降到 42%。地址表单在手机上有十一个字段，缩短它是第一个实验。
结账漏斗 · 30 天
最近 30 天全部访客浏览商品
2,400
加入购物车
1,248
开始结账
674
支付成功
508
| 步骤 | 转化率 | 中位耗时 | 流失 |
|---|---|---|---|
| 浏览商品 → 购物车 | 52% | 1 分 40 秒 | −48% |
| 购物车 → 结账 | 54% | 6 分 12 秒 | −46% |
| 结账 → 支付 | 75% | 2 分 05 秒 | −25% |
| 整体 | 21% | 9 分 57 秒 | −79% |
他们回来了吗？
选一个起始事件和一个回访事件，TapCub 生成分群表：每行是那一周开始的人，每列是其中回来的比例。示例里越晚的分群留存越好——首周从 44% 到 54%——这就是引导流程改动起效的样子。
- 经典 N 日留存或范围留存，一个开关切换
- 回访事件可以是任何动作，不限于访问
- 未完成的分群留空，绝不显示为零
示例场景： 增长负责人把回访事件从「任意访问」改成订单支付。第 4 周留存从 29% 变成 11%——这才是复购的真实数字。
周分群 · 回访比例
N 日范围| 分群 | 人数 | 第 0 周 | 第 1 周 | 第 2 周 | 第 3 周 | 第 4 周 |
|---|---|---|---|---|---|---|
| 8/25 | 1,204 | 100% | 44% | 36% | 31% | 29% |
| 9/1 | 1,318 | 100% | 47% | 39% | 34% | |
| 9/8 | 1,276 | 100% | 51% | 42% | ||
| 9/15 | 1,402 | 100% | 54% | |||
| 9/22 | 1,366 | 100% |
留存曲线
9 月分群8 月分群之前发生了什么，之后去了哪
路径展示你选定的某一点前后真实的页面与事件序列——加购之前做了什么、放弃结账之后去了哪。示例中 26% 的结账放弃者直接去了运费政策页。
- 从任意页面或事件出发，向前或向后
- 深度和最小占比控制让图保持可读
- 点一条分支就能变成人群
示例场景： 从开始结账往回看：38% 来自购物车，14% 直接来自商品页，48% 来自其他地方——「立即购买」按钮绕过购物车的比例比预想的高。
展示路径
8 / 142
中位步数
3.2
到达「支付」
38%
多少个，多久一次
不是所有问题都是漏斗。分布图回答「每单几件？」「第一次购买前来了几次？」；频次和间隔回答「多久回来一次、间隔多长？」
- 任意数值属性或事件次数的分布
- 两个事件之间的间隔——首次访问到首单
- 看分位数，不只看平均
示例场景： 48% 的订单只有一件商品，10% 有五件以上。31% 的复购用户在 8–30 天内再次下单——这就是跟进邮件的时间窗口。
每单件数
1,168 单到第二单的天数
复购用户中位件数
1
复购中位天数
19
复购用户
31%
点在哪里，滚到多深
点击和滚动热力图由同一份自动采集事件生成——没有额外脚本、不抽样。示例商品页显示 22% 的访客从未看到评价区，9% 点了一张点不开的图片。
- 按页面、按设备的点击、移动与滚动图
- 元素表：哪些按钮和链接真的被用到
- 对比两个时间段，检验改版效果
示例场景： 手机端 61% 的访客看不到首屏之下的「加入购物车」按钮。把它固定在底部后，下一次漏斗对比中加购提升 14%。
滚动深度
100% → 22%
被点击的元素 · /product/linen-shirt
| 元素 | 点击 | 占比 |
|---|---|---|
| button.add-to-cart | 1,248 | 46% |
| a.size-guide | 612 | 23% |
| img.gallery-2 | 244 | 9% |
| a.reviews | 198 | 7% |
从原始点击到命名事件，四步
自动采集记录一切；AI 收件箱把噪音整理成一份值得命名的事件短名单。确认或忽略——没有你的确认，什么都不会进报表。
采集
点击、提交、浏览和路由变化连同元素、文字和页面一起记录。约 2 KB 脚本，零配置。
建议
收件箱把重复出现的交互归组并提议名字：「加入购物车」「开始结账」「打开尺码表」。
确认
接受建议，它就成为命名事件，并回填最近 30 天。忽略则保持原始状态。
扩展
收入、注册和服务端事件通过 SDK 带属性发送——同一份事件列表，同一套报表。
原始交互 · 最近 24 小时
- click · button.add-to-cart1,248
- click · a.size-guide612
- submit · form.checkout674
- view · /order/confirmed508
建议的事件
- add_to_cart98%
38 个商品页上购物车按钮的点击
- start_checkout96%
结账表单提交
- open_size_guide91%
商品页上的尺码表链接
确认
- add_to_cart已确认
- start_checkout已确认
- open_size_guide确认
代码里的自定义事件
// 订单金额与币种来自你的代码
tapcub.track('order_paid', {
order_id: order.id,
amount: order.total,
currency: 'USD',
});先做埋点方案
第一张图要等几周
为每个事件写规范、开发、发版、等数据，然后发现规范不完整。
TapCub
第一天就有图，需要时再命名
首次加载就开始自动采集；AI 收件箱提议事件，你确认，历史自动回填。
十个模型，两种用法
每个模型都跑在同一份事件和人群上。用默认值合理的引导模式，或者带全部控制项的专业模式——不知道该用哪个模型时，直接用自然语言问 AI。
选一个问题，得到一张图
每个模型打开时已经填好最常见的设置：最近 30 天、全部访客、你确认过的事件。一次只改一处。
- 默认值来自你自己的数据
- 每个模型都有自然语言 AI 入口
- 一键保存到看板
全部控制项，全部属性
步骤顺序规则、排除步骤、属性拆分、自定义公式和 SQL，留给模型预料不到的问题。
- 按任意属性或人群拆分
- 把指标组合成公式
- SQL 与导出，接你自己的工具
三个团队，三个问题
基于上方示例数据的场景示例。
修好结账流失
转化率连跌两周，没人知道是哪一步的问题。
- 漏斗显示购物车 → 结账 54%，此前是 61%
- 筛到手机端：42%
- 路径显示放弃者在读运费政策
结果： 购物车里显示包邮门槛；下一次对比中该步骤回到 60%。
找到激活时刻
付费和不付费的试用用户看起来一样——直到你看他们第一周做了什么。
- 按回访事件看留存：「创建报表」vs 任意访问
- 间隔：注册 → 首份报表，中位 2.4 天
- 人群：3 天内没建报表的试用用户
结果： 第 3 天给该人群发引导邮件；各分群首周留存从 44% 升到 54%。
让评价区被看到
商品页的转化率配不上它的流量。
- 滚动热力图：22% 从未到达评价区
- 元素表：点了没反应的图片
- 评价区上移后对比两个时间段
结果： 评价区移到图集上方；手机端商品 → 购物车从 52% 升到 57%。
开始之前需要先做埋点方案吗？
不需要。自动采集从首次加载就记录点击、提交、浏览和路由变化。重要的事件之后再命名，最近 30 天的历史会自动回填。收入和注册在你准备好时通过 SDK 发送。
漏斗为什么从 2,400 开始而不是 48,213？
48,213 是示例里的全部访客。漏斗从浏览过商品的 2,400 人开始。漏斗讲的是一段具体的旅程，不是整个站点。
N 日留存和范围留存有什么区别？
N 日统计恰好在第 N 天回来的人；范围统计第 1 到 N 天内任意时间回来的人。范围留存总是更高。TapCub 用一个开关切换两者，并标明你正在看哪一种。
热力图需要单独的脚本吗？
不需要。点击和滚动图由与其他报表相同的自动采集事件生成，覆盖每个页面，不抽样，不增加加载。
免费版有这些功能吗？
有。漏斗、留存、路径和热力图都在免费版里，数据保留 6 个月；Pro 保留 12 个月，VIP 保留 24 个月以上。见定价。
可以查询原始事件吗？
可以。专业模式包含公式和 SQL，事件也可以导出。见数据采集。