漏斗模型是指甚么？漏斗模型的由来、分化法度圭表类型及独霸案例

热点
2026-09-03 07:09:36
11

漏斗模型是指甚么

1、漏斗模型是模型模型指甚么

漏斗模型是一套流程式数据分化，它可以科学反独霸户行动外形和从起点到绝顶各阶段用户转化率气候，指甚是分化法度一种次要的分化模型。漏斗分化模型已普及独霸于网站和APP用户行动分化的圭表流量监控、CRM琐细、及独SEO优化、霸案产品营销和发卖等往常数据运营与数据分化的漏斗漏斗类型例工作中。

漏斗分化最经常独霸的模型模型是转化率和流损掉落踪落率两个互补型方针。用一个复杂的指甚例子来声明，假如有100人访谒某电商网站，分化法度有30人点击注册，圭表有10人注册成功。及独这个过程共有三步，霸案第一步到第二步的漏斗漏斗类型例转化率为30%，流损掉落踪落率为70% ，第二步到第三步转化率为33% ，流损掉落踪落率67%；全数过程的转化率为10%，流损掉落踪落率为90% 。该模型就是经典的漏斗分化模型。

2 、漏斗模型的由来与演变

漏斗模型的定见最早由St. Elmo Lewis （美国驰名告白人）在1898年提出的，叫做消费者采办漏斗（the PURchase funnel），也叫消费者漏斗（customer funnel）、营销漏斗（sales/marketing funnel），是一种品牌告白的营销计策，切确的回结综合出了顾客关于产品或处事的流程。漏斗模型主假定可以对流程中的各个环节举办分化和量化，辅佐有效找到问题并举办优化，从而集团汲引运营屈就。

Lewis提出的这个计策，后来被称为AIDA模型，即见识（attention）-欢欣乐乐喜悦爱好（interest）-欲看（desire）-行动（action）。在接上往的100年里，跟着漏斗模型的奉行，为了适应新的媒体平台，和用户行动路途的改削，它经由多次的改削和扩大年夜大年夜大年夜大年夜，产生发火了各类衍生版本，比如AIDMA（在AIDA模型根本上添加了memory记忆）、AISAS（attention寄看-interest欢欣乐乐喜悦爱好-search搜刮-action行动-share分享）、AARRR（acquisition掉落踪掉落踪-activation激活-retention保管-revenue贸易变现-referral推荐撒播）等。

在互联网行业，经常独霸的有AARRR模型，比如电商类漏斗模型的路途黑色常了然的，最罕有的就是：不雅不雅不雅不雅鉴赏/搜刮-选购-下单-收入-复购。对电商产品来讲，最次要的方针是下单收入，是以成交转化率是衡量全数流程的全局方针[1] 。为了促进最除夜的成交量，产品运营人要做的就是屈就漏斗模型，拾掇前路途中各个环节的数据，思虑用户流损掉落踪落的要素，举办对应的优化；比如可以经由过程膨胀用户路途来优化产品体验等等。

3 、罕有的漏斗模型引见

1、AIDMA模型

AIDMA模型是在AIDA模型（Attention, Interest, Desire, Action）的根本上，添加了Memory ，构成的寄看 → 欢欣乐乐喜悦爱好 → 欲看 → 记忆 → 行动（采办）的模型。从吸引消费者的寄看力，到激起用户可以转向欲看的欢欣乐乐喜悦爱好，并可以记忆住充分的时分，以便用户作出行动（不才次的时辰采办）。

AIDMA模型

AIDMA模型次要合用于品牌营销方面，当然如今良多互联网产品也最早把本身作为品牌往打造，比如拼多多、抖音冠名综艺节目，爆款H5刷屏，网易云音乐的地铁刷屏告白等，都是从激起用户的欢欣乐乐喜悦爱好，强化品牌记忆，从而吸引埋伏用户。不过，AIDMA的用户流程真实不是即时转化的，且窘蹙采办后的用户回响信息。

AIDMA模型的优偏向偏向：

益处：该幻想将消费者的采办行动模型化，有助于告白主琐细的研究消费者后更有效的举办的商品的宣传。AIDMA模型是一个消费者们从不知情者变成主动体味者再变成主动体味者，末尾由主动采办者变成主动采办者的过程。

偏向偏向：AIDMA模型幻想并没有具体细化到不合的商各类别，理论上，该幻想更多的契合高卷进度的商品（价值高，需求严谨做决意狡计），而对低卷进度商品，消费者的决意狡计过程经常没有那么宏壮。AIDMA的用户流程真实不是即时转化的，且窘蹙采办后的用户回响信息。

2、AISAS模型

因为AIDMA模型窘蹙用户回响的环节，且跟着互联网用户经历的完成，消费者行动编制产生发火了改削，随之衍生出了AISAS模型（Attention，Interest ，Search，Action ，Share) ，也就是寄看→欢欣乐乐喜悦爱好→搜刮→行动→分享。用户从领遭到产品的宣传营销信息（硬广or软文），到激起欢欣乐乐喜悦爱好，然后最早搜刮举办体味（百度、知乎、微博、淘宝），到在线下载或收入，和后续的评价分享环节（产品内、微信微博）。

AISAS模型

AISAS模型更契合互联网的特点，时效性强，但它和AIDMA模型一样，仍是窘蹙量化标准，每环节的效应不克不及经由过程数据举办回响。

AISAS模型的优偏向偏向：

益处：契合挪动互联网时代的特点，时效性强，有效户回响，这一点很次要。

偏向偏向：但它和AIDMA模型一样，仍是窘蹙量化标准，每环节的效应不克不及经由过程数据举办回响。

3、AARRR模型

AARRR模型是2007年由Dave McClure(500 Startups草创人)提出的一种营业添加编制。它包含5个阶段：获客(Acquisition) 、激活(Activation)、保管(Retention)、贸易变现(Revenue) 、自撒播(Referral) 。它被做为公司存眷的五个最次要的方针，因为这些方针有效地衡量了产品的添加，同时又复杂且可独霸。

AARRR模型

AARRR模型是产品运营中斗劲罕有的一个模型，连络产品本身的特点和产品的生命周期职位，来存眷不合的数据方针，幻想下场制订不合的运营计策。

4、漏斗模型的分化法度圭表类型

1、疾速定位问题环节

当聚焦用户全流程最有效的转化路途时（产品筹划初期我们都邑有志向的转化路途），漏斗数据的展示可以真实地反独霸户真实的行动路途：

选定待分化路途

找到可优化的点，可以汲引用户体验（对产品而言）；

灵敏定位流损掉落踪落环节，针对性的下钻分化可以找到可优化的点，可以降低流损掉落踪落汲引用户保管率（对运营而言）。

2、***度切分分化问题启事

集团的漏斗能回响集团的转化近况，定位具体的问题环节，知其然，可是为甚么会展示这个问题，就是知其所以然的过程，需求从各个维度对漏斗举办切分。比如新注册用户vs老用户、不合渠道本源的用户等在各环节的转化漏斗不合，不合维度下的漏斗不合，大年夜大年夜约让我们面前一亮。

3 、监控漏斗转化趋势举办优化

可以在时分粒度上监控各个环节的转化率，俄然上线的新下场或近期展开的运营活动大年夜大年夜约都邑招致漏斗各环节的转化率较着的改削，非论是变好仍是变差，都是我们做AB测试的一个按照。我们可以不竭地用AB测试对各环节举办优化，然后监控各环节转化率的改削趋势，完成漏斗集团转化的汲引。

5 、漏斗模型的独霸案例

1、漏斗模型在电商网站的独霸

漏斗模型在电商网站中独霸最为普及，如电商类产品的用户，从首页进进到幻想下场完成收入的行动，除夜多需求经由几个环节：商品/不雅不雅不雅不雅鉴赏分类—搜检商品概略—介入购物车—生成订单—最早收入—完成收入。对电商产品来讲，最次要的方针是下单收入，是以成交转化率是衡量全数流程的全局方针，对孤单的某个环节来讲，但凡为UV、CTR（点击经由过程率）、页面勾留时长、转化率、跳出率等。

电商的用户转化数据

电商的用户转化漏斗模型

如上图电商的用户转化漏斗模型所示，看起来就斗劲像漏斗了，可以看出每个法度圭表类型都有效户流损掉落踪落。独霸AARRR模型，便可以以量化的编制，帮我们分化出每个法度圭表类型用户流损掉落踪落的启事，进而采取绝对应的编制，来挽留用户，直至做到用户添加。

因为每个AARRR模型中每个法度圭表类型的量化方针有良多，这里就不一一展开，上面分享部分量化方针：

AARRR漏斗模型方针

AARRR漏斗模型被普及独霸于数据分化，它可以辅佐产品经理体味往后时分段内产品的运转外形，追踪用户行动路途，完成产品的邃密化运营，评价每个义务的下场。

2、漏斗模型在落地页的独霸

落地页的分化经常很主不美不雅不雅不雅不雅不雅不雅，比如落地页要有画面感、益处要凹陷、活泼并吸引眼球等等，这类词都经常会涌如今落地页分化中。稍好一些的团队会有落地页的专项数据分化，落地页一样往常有三种方针：展开用户、促进成生意、聚积线索。

现有的落地页分化但凡为漏斗模型，而漏斗的各层级是由页面决意的，比如落地页→采办页→订单页→采办。可是多么的流程分化经常会让我们跑偏，比如落地页到采办页的转化率较低，那么就在落地页上添加良多的出口，诱惑用户进进采办页。多么的改版幻想下场的下场经常是这一法度圭表类型的转化率掉落踪掉落踪了汲引，可是此后的转化率随之降低，集团的转化率并没有较着的改进，甚至还会是以困扰用户构成集团转化率的降低。

我们分化漏斗转化的方针，是希看可以汲引幻想下场的转化，而不是各层级的转化。假定用户没有发自心里的采办自愿，非论后面的转化率有多高，到了末尾收入的环节还是仍是需求靠用户的理论采办自愿来杀青生意。所以，我们改版的方针理论上是激起用户的采办自愿。

非论我们的落地页编制若何，在消费者本身看来，他们需求经验的法度圭表类型就是这么几个。理论上"用户视角"版本是漏斗转化面前的真实逻辑。我们先来梳理一下用户在一样往常的落地页的全数采办流程。

(1)、在流量出口放一链接，可所以banner ，开屏，文字等多种编制。方针就是吸援引户点击进进落地页。在这个法度圭表类型，用户一样往常会经验"激起寄看"和"激起欢欣乐乐喜悦爱好"两个阶段。激起寄看是让用户在出口处可以存眷到我们的告白。勾起欢欣乐乐喜悦爱好是让看到的用户产生发火点击告白的自愿。

这个法度圭表类型的数据一样往常有：告白暴光量，点击量，点击率。可以看出"激起欢欣乐乐喜悦爱好"这个法度圭表类型很难经由过程这些数据闪现出来，点击率这个数据只能默示出"激起寄看"和"勾起欢欣乐乐喜悦爱好"的综合终局。

(2) 、用户进进了落地页，用户起首会看到版头的信息。我们经常会将最中心的活动亮点，产品卖点等放置在版头。假定版头不足吸惹人，用户没有get到活动/产品供给给他的价值，那么一样往常用户就不会举办下滑的独霸。在这一法度圭表类型中，用户还是还在"激起欢欣乐乐喜悦爱好"的阶段。所以落地页首屏的下滑独霸埋点触发比例，可以看作是"激起欢欣乐乐喜悦爱好"的衡量方针。

(3)、用户最早不雅不雅不雅不雅鉴赏落地页中供给的具体信息。对用户来讲，这个阶段就在"群集信息"。这个阶段有几个数据可以回响，比如第二屏第三屏的触发埋点数据，抵达页面底部的比例，页面不雅不雅不雅不雅鉴赏的时长等等。

但这几个数据真实不是越高越好，假定比例或时长太高有多是你想要传递的信息太多太杂，不足聚焦。假定比例或时长太低的话，声明用户群集到的信息与之前被激起的欢欣乐乐喜悦爱好不太契合（如宣传买一送一，下场创作创造是买一个100元的产品，送一个10元的赠品），或群集到的信息不克不及激起采办自愿。所以这个阶段的数据最为宏壮，需求有畴昔的案例做比照组举办参考。

(4)、经由后面的阶段后，用户就最早思虑可否值得采办了，这时辰的用户会体恤价值。良多落地页经常会将价值直接放置在落地页上，便独霸户搜检。可是多么我们就不克不及从数据中找损掉落踪幻想下场有若干很多若干良多若干很多若干良多若干很多若干人体恤价值了。

假定将价值湮没，放置到采办页中再展示，我们可以晓得有若干用户走到了"评价筹划"这个阶段。有人大年夜大年夜约会有疑问，多么不是会添加用户的点击成本吗？多么的改削会使进进采办页的比例降低，幻想下场的成功比例降低，但集团的转化率根本不会有甚么影响。

此外，假定将价值直接放置在落地页上，用户就会起首存眷价值，然后再看产品/处事的信息值不值这个价值。甚至有些价值稍贵的商品，用户直接就被吓跑了。是以假定落地页的筹划仍是直接展古价值的，可以改削要素袂的编制。以此来进步我们对用户采办决意狡计的体味程度。

(5) 、末尾就是决意采办了。用户在采办页体味到产品/处事的价值，会对此次的生意举办评价，假定感应感染价值公允，则会采办。是以幻想下场的订单转化率便可以看作是这个阶段的数据默示。

3、漏斗模型在搜刮奉行的独霸

搜刮奉行的转化流程但凡是：揭穿-点击-不雅不雅不雅不雅鉴赏-转化

(1)、揭穿：对一个告白来讲，起次要让用户看到，才有大年夜大年夜约点击采办，对搜刮奉行来讲，可以经由过程采办关头词、投放更除夜的区域来扩除夜揭穿量。

(2)、点击：当一个告白被揭穿后，还需求戮力吸援引户往点击，是以在点击环节，也需求做良多优化。

(3)、不雅不雅不雅不雅鉴赏：假定用户对一个告白感欢欣乐乐喜悦爱好，便大年夜大年夜约举办点击独霸，然后跳转至商家页面往不雅不雅不雅不雅鉴赏具体的信息，在这个法度圭表类型中，起首，要确保网页可以顺利翻开，其次，对应着陆页上的内容理应针对用户的搜刮词和揭穿的告白内容来钞缮。

(4)、转化：假定用户不雅不雅不雅不雅鉴赏了网页，感应感染有欢欣乐乐喜悦爱好，这是大年夜大年夜约会产生发火采办行动或进一步与商家联络，及产生发火了理论的转化，在这一步，要担保采办流程顺畅，或用户可以顺利的找到商家的操练德律风等。

不才面四个法度圭表类型中，每个环节假定没有吸援引户，或不知足用户的需求，都邑构成用户的流损掉落踪落。

6 、漏斗模型的独霸提示

1、有些漏斗分化触及环节斗劲多，时分周期较长，这时辰漏斗的环节不该超出5个，漏斗中各环节的百分比数值，量级不要超出100倍。因为超出5个环节，经常会展示多个重点环节，那么在一个漏斗模型等分化次要问题随便产生发火混乱。数值量级差距过除夜，数值间闲逛彼此关系很难被察觉，随便漏损掉落踪落信息。我们可以思虑漏斗的长度可否可以膨胀，流程节点按序可否可以调剂，另有阻拦漏斗流程的断离。

2 、在做漏斗分化的时辰，还可以连络回因模型来分化，可以屈就产品的理论需求，将杀青方针（构成转化）之前的功烈屈就设定的权重分拨给每个转化节点。回因模型的意义在于寻觅到真正对现阶段产品展开无益的渠道，并将优势扩除夜化。

3、漏斗模型也可以逆向独霸，揣度产品正常运转所需求的一些根本数据，比如一个主打弹幕的视频网站需求20人同时在线发弹幕，屈就3层漏斗模型，可以除夜致推算出网站首页的PV必须超出20000，这时辰可以带领我们若何寻觅流量。

4 、漏斗分化不是机械的直线：用户大年夜大年夜约在“收入”时介入，又经由过程优惠短信跳回“订单页”，甚至几回腾踊。分化时要结实用户轨迹，不克不及只看单次按序。

5 、自创“对例如向” ：不要只看本身的漏斗尽对数值。比如，电商行业加购到收入平均转化率约30%，假定你的只需10%，那必定是收入环节有问题；但假定你的行业出格（如低价保险），5%也大年夜大年夜约算精细。