| name | analysis-funnel |
| description | 当需要分析用户转化路径时使用。漏斗自动分析，AI自动执行全量漏斗计算、多维下钻、流失节点识别和趋势分析。关键词：漏斗分析、转化分析、流失节点、转化率、用户路径、用户在哪儿流失了、转化太低了、用户走不完流程。 |
| metadata | {"module":"产品度量运营","sub-module":"数据分析","type":"pipeline","version":"2.1","domain_tags":["电商","互联网","通用"],"trigger_examples":["注册流程转化率太低了，帮我分析一下","用户在哪个步骤流失最多","支付转化漏斗帮我看看"],"interaction_mode":"ai_auto"} |
漏斗自动分析
核心原则
- 流失即机会：每个流失节点都是优化的切入点，最大流失点 = 最大提升空间
- 下钻才能归因：整体转化率只告诉你"有问题"，多维下钻才告诉你"问题在哪"
- 对比才有判断：绝对值没有意义，环比同比对比才能判断趋势健康度
交互模式
🤖 AI自动执行（数据分析类）
输入
| 输入项 | 类型 | 必填 | 来源 | 说明 |
|---|
| 漏斗定义 | object | 是 | 用户提供 | 漏斗的步骤定义和事件配置 |
| 事件数据 | object | 是 | 用户提供 | 埋点事件数据 |
| 分群配置 | object | ○ | 用户提供 | 可选的用户分群维度 |
| 对比周期 | string | ○ | 用户提供 | 与哪段时间对比 |
支持的漏斗类型
| 类型 | 示例 |
|---|
| 转化漏斗 | 浏览→点击→加购→下单→支付 |
| 激活漏斗 | 注册→首次使用→完成新手引导 |
| 付费漏斗 | 曝光→点击→详情→支付→复购 |
| 搜索漏斗 | 搜索→结果页→详情页→加购 |
执行步骤
Step 1：全量漏斗计算
获取漏斗定义
├── 查询每个步骤的事件数据
├── 计算各步骤用户数
├── 计算步骤间转化率
└── 计算整体转化率
Step 2：多维下钻
对漏斗进行多维度拆分分析：
| 维度 | 拆分项 |
|---|
| 平台 | iOS、Android、Web、小程序 |
| 渠道 | 自然流量、付费渠道、分享来源 |
| 用户类型 | 新用户/老用户、付费/免费、高价值/普通 |
| 版本 | 按App版本分组 |
| 地区 | 按国家/省份分组 |
| 时间 | 按小时/天/周分组 |
Step 3：最大流失节点识别
分析每个步骤的流失率
├── 找出流失率最高的步骤
├── 分析该步骤的流失用户特征
├── 关联流失前的用户行为
└── 识别流失原因假设
Step 4：趋势分析
- 时间趋势：各步骤转化率的日/周/月变化
- 对比分析：与上一周期对比
- 预测：基于趋势预测未来表现
输出
存储路径：output/pm-metrics-ops/analysis-funnel/
输出文件：funnel_analysis.json
输出Schema：
{
"type": "object",
"required": ["funnel_name", "steps", "overall_conversion"],
"properties": {
"funnel_name": {"type": "string", "description": "漏斗名称"},
"date_range": {"type": "object", "description": "分析时间范围，包含起止日期"},
"steps": {"type": "array", "description": "漏斗步骤数据，包含事件名、计数和转化率"},
"overall_conversion": {"type": "number", "description": "整体转化率"},
"vs_last_period": {"type": "object", "description": "与上期对比，包含变化趋势和关键步骤"},
"critical_drop": {"type": "object", "description": "关键流失分析，包含维度拆解和潜在原因"}
}
}
funnel_analysis:
analysis_time: "2024-01-15T10:00:00Z"
funnel_name: "电商购买转化漏斗"
date_range:
start: "2024-01-08"
end: "2024-01-14"
steps:
- step: 1
name: "商品详情页浏览"
event: "product_view"
count: 500000
conversion_from_previous: 100.0
- step: 2
name: "加入购物车"
event: "add_to_cart"
count: 80000
conversion_from_previous: 16.0
dropoff_from_previous: 420000
- step: 3
name: "发起结算"
event: "checkout_start"
count: 50000
conversion_from_previous: 62.5
dropoff_from_previous: 30000
- step: 4
name: "完成支付"
event: "purchase_complete"
count: 35000
conversion_from_previous: 70.0
dropoff_from_previous: 15000
overall_conversion: 7.0
vs_last_period:
change_pct: -5.2
trend: "declining"
significant_steps:
- step: 2
change: -8.3
- step: 3
change: -3.1
critical_drop:
step: 1_to_2
dropoff_rate: 84.0
affected_users: 420000
dimension_breakdown:
platform:
iOS: 82.0
Android: 85.0
Web: 88.0
user_type:
new_users: 78.0
returning_users: 86.0
traffic_source:
search: 75.0
recommendation: 90.0
direct: 80.0
potential_causes:
- "商品价格高于用户预期"
- "详情页信息不够吸引"
- "推荐算法不够精准"
optimization_suggestions:
- "优化商品定价策略"
- "改进详情页设计和内容"
- "优化推荐算法，提升相关性"
reports:
funnel_chart: "output/pm-metrics-ops/analysis-funnel/charts/funnel_purchase_20240114.png"
trend_chart: "output/pm-metrics-ops/analysis-funnel/charts/funnel_trend_20240114.png"
dimension_data: "output/pm-metrics-ops/analysis-funnel/data/funnel_dimensions_20240114.json"
多维下钻示例
platform_breakdown:
ios:
step1_count: 200000
step4_count: 15000
conversion: 7.5
vs_avg: +0.5
android:
step1_count: 250000
step4_count: 16000
conversion: 6.4
vs_avg: -0.6
web:
step1_count: 50000
step4_count: 4000
conversion: 8.0
vs_avg: +1.0
user_type_breakdown:
new_users:
conversion: 5.2
main_drop: "step_2_to_3"
returning_users:
conversion: 9.8
main_drop: "step_1_to_2"
漏斗定义配置
funnel_definitions:
- name: "purchase_conversion"
description: "电商购买转化漏斗"
steps:
- name: "商品详情页浏览"
event: "product_view"
conditions:
page_type: "product_detail"
- name: "加入购物车"
event: "add_to_cart"
- name: "发起结算"
event: "checkout_start"
- name: "完成支付"
event: "purchase_complete"
conditions:
payment_status: "success"
conversion_window: 7d
exclusion_events:
- event: "refund_complete"
window: 30d
执行频率
- 每日分析：每日8:00执行
- 按需分析：手动触发针对特定漏斗的分析
- 实时监控：核心转化节点的实时监控
输出校验规则
| 字段路径 | 类型 | 必填 | 说明 |
|---|
| funnel_analysis | object | 是 | 漏斗分析根对象 |
| funnel_analysis.funnel_name | string | 是 | 漏斗名称 |
| funnel_analysis.date_range | object | 是 | 分析时间范围 |
| funnel_analysis.date_range.start | string | 是 | 开始日期 |
| funnel_analysis.date_range.end | string | 是 | 结束日期 |
| funnel_analysis.steps | array | 是 | 漏斗步骤数据，至少2步 |
| funnel_analysis.steps[].step | number | 是 | 步骤序号 |
| funnel_analysis.steps[].name | string | 是 | 步骤名称 |
| funnel_analysis.steps[].event | string | 是 | 事件名称 |
| funnel_analysis.steps[].count | number | 是 | 用户数 |
| funnel_analysis.steps[].conversion_from_previous | number | 是 | 步骤间转化率 |
| funnel_analysis.overall_conversion | number | 是 | 整体转化率 |
| funnel_analysis.vs_last_period | object | 是 | 与上期对比 |
| funnel_analysis.critical_drop | object | 是 | 关键流失分析 |
| funnel_analysis.critical_drop.step | string | 是 | 流失步骤 |
| funnel_analysis.critical_drop.dropoff_rate | number | 是 | 流失率 |
| funnel_analysis.critical_drop.potential_causes | array | 是 | 潜在原因列表 |
上游变更响应
当上游输入发生变更时，本Skill的响应策略：
| 上游变更 | 影响范围 | 响应策略 |
|---|
| 漏斗定义变更 | 步骤配置和转化计算 | 重新执行全量漏斗计算，标记变更步骤 |
| 事件数据更新 | 转化率和流失分析 | 增量更新转化数据，重新评估流失节点 |
| 分群配置变更 | 多维下钻维度 | 更新下钻维度，重新执行分群分析 |
| 对比周期变更 | 环比同比对比 | 重新执行对比分析，更新趋势判断 |
当漏斗分析自身变更时，对下游的通知机制：
| 分析变更类型 | 通知范围 | 通知方式 |
|---|
| 关键步骤转化率下降>10% | decision-dace | 标记告警，触发洞察转化 |
| 流失节点变更 | data-analysis-report | 标记流失变更，触发报告更新 |
| 整体转化率趋势变化 | decision-dace | 标记趋势变化，触发DACE Analyze |
决策规则
| 情况 | 处理方式 |
|---|
| 关键步骤转化率下降>10% | 触发告警，标记为优先优化项 |
| 整体转化率低于行业基准 | 生成全链路优化建议 |
| 新用户转化率显著低于老用户 | 建议优化新用户引导流程 |
| 多维度下钻发现显著差异 | 生成针对性优化方案 |
质量检查
降级策略
上游文件缺失降级方案
| 缺失范围 | 降级方案 | 输出影响 |
|---|
| 漏斗定义缺失 | 提示用户提供漏斗步骤和各步数据，直接计算转化率 | 漏斗步骤基于用户描述，可能不完整 |
| 事件数据缺失 | 用户提供漏斗步骤和各步数据 → 直接计算转化率 | 无法自动获取数据，依赖用户输入 |
| 漏斗定义 + 事件数据均缺失 | 用户提供漏斗步骤和各步数据 → 直接计算转化率 | 输出基础转化率计算结果，多维下钻标注"待补充" |
- 若用户未提供分群配置，提示用户提供或跳过该输入相关步骤
- 若用户未提供对比周期，提示用户提供或跳过该输入相关步骤
数据获取说明
当上游文件缺失时，需用户提供以下信息以支撑降级生成：
- 漏斗步骤：转化漏斗的各步骤名称和顺序
- 各步数据：每个步骤的用户数或事件数
- 对比周期（可选）：需要对比的时间段
关键指标
| 指标 | 计算方式 | 健康范围 |
|---|
| 整体转化率 | 最终转化/进入用户 | 因业务而异 |
| 步骤转化率 | 下一步/当前步 | 因步骤而异 |
| 流失率 | 流失用户/上步用户 | < 50% 理想 |
| 漏斗效率 | 实际转化/理论最优 | > 60% 良好 |
