做数据分析的，经常能够听到这句话：在做数据分析前，首先要有明确的数据分析思路。数据分析思路从哪来？其实就包含在数据分析模型里，熟练掌握一些数据分析模型，是一个数据分析需要掌握的基本功。接下来几天我就抽空给大家讲讲常见的几种数据分析模型的概念、方法和应用。
今天先来说说数据分析中比较常见的漏斗模型，本文主要谈谈漏斗模型的本质、漏斗模型案例分析。
什么是漏斗模型
关于漏斗模型，我认为本质是分解和量化。为了方便大家理解，我这里以营销漏斗模型举例：百科给出的解释：营销漏斗模型指的是营销过程中，将非潜在客户逐步变为客户的转化量化模型。营销漏斗模型的价值在于量化了营销过程各个环节的效率，帮助找到薄弱环节。也就是说营销的环节指的是从获取用户到最终转化成购买这整个流程中的一个个子环节，相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。所以整个漏斗模型就是先将一个完整的购买流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，然后解决该环节的问题，最终达到提升整体购买转化率的目的，所以漏斗模型的核心思想可以归为分解和量化。
除了在数据分析上的应用外，分解量化的思想也广泛应用在很多方面，比方说很多企业绩效管理用的OKR，其核心思想也是这个。OKR(Objectives and Key Results)全称为“目标和主要成果”， OKR首先是设定一个“目标”（Objective），即大O，然后将该目标拆分为若干个子目标，即小O，最后将小O设定为若干个可以量化的“关键结果”（Key Results），用来帮助自己实现目标，即KRS。通过达成量化的KRS来实现小O，最终达成大O，可以看到整个过程中的核心关键也在于分解和量化。这就是文章开头部分提到的，我觉得漏斗模型不仅仅只是一个模型，更是一种方法论，一种思维方式的原因。可以通过这种分解和量化的形式，将问题进行不断的拆解，最后通过量化的形式来辅助达成目标，或者针对异常的步骤进行调优，最终达到总目标。它可以广泛应用于流量监控、产品目标转化等日常数据运营工作中，称之为转化漏斗；也可以用于产品、服务销售，称之为销售漏斗。
漏斗模型案例
1. 电商购物流程分析电商的转化，我们要做的就是监控每个层级上的用户转化，寻找每个层级的可优化点。对于没有按照流程操作的用户，专门绘制他们的转化模型，缩短路径提升用户体验。
（图片源于网络）
2. AARRR模型
（图片源自网络）
如何绘制漏斗分析模型
漏斗模型的绘制其实很简单，做数据报表的时候可能会用到，数据量不是很大的话，用Excel几分钟就能搞定。比如以上图电商的转化漏斗为例：
整体的步骤大致可分为计算整体转化率→计算占位数据→插入图表→设置坐标轴格式→调整数据顺序。1) . 计算整体转化率计算出单个步骤的转化率，然后快速填充即可。2) . 计算占位数据计算单步骤与初始转化率的差值（即100%），差值除以2后获得占位数据。因为最终的柱状图是轴对称的，故取差值的一半进行占位即可。3) . 插入图表选择数据源，插入>图表>条形图>堆积条形图。4) . 设置坐标轴格式选中坐标轴后，设置坐标轴格式，选中逆序类别，调整顺序后获得如下图表。
将占位的数据填充调整为无填充，占位数据的颜色就会消失。
5) . 调整数据顺序将占位数据的顺序调整至第一位后，这样看起来就会比较像漏斗了。
最后，在此图表的基础上进行一些美化，再贴到PPT里面加一些描述或者PS处理一下，按照个人要求酌情处理，这里我的就献丑了……
如果数据量很大的话，需要长期监测运维，一般是需要连接数据库的。可以用专业的数据分析软件或者BI软件搭建一个dashboard，这里我用的是FineBI，把之前那张excel表导入了进去（这里就不做数据库连接演示了）。1) . 拖拽“漏斗图” -> 选定分类和指标 -> 美化样式
2) . 直接展示
更多好文
老板让给方案排个序，我用层次分析法 ！
13个Pandas实用技巧，有点香 ！
数据分析里常用的五个统计学概念
『数据不吹牛』二群限额开放
后台回复“入群”
即可加入交流数据干货
