先讲个例子来自肖恩埃利斯的《增长黑客》：
一家食品商店App的增长团队发现了一个问题：App上线后通过各种推广wangluoyingxiao通过各种推广短时间内就获得了19万用户但是到最终在App内完成购买的用户只有不到7000人。
是App的体验不好?商品不够有吸引力？ 其实很多产品也会有这样的问题好不容易吸引来用户之后如何让他们真正开始持续使用激活他们？
于是这个增长团队梳理出了用户从下载打开到最终购买的整个体验路径提炼出5个关键步骤分别是：a下载和打开App、b搜索浏览、c将商品放入购物车、d添加信用卡信息、e完成购买结算。然后列出这段时间每个步骤的实际人数和对应的转化率：
数据和对应的转化率的结果很直观团队成员发现：
大量用户将商品放入购物车后没有添加信用卡信息就离开页面了（c到d为20%）但那些成功添加信用卡信息的用户在之后完成购买的比例很高（d到e为75%）。
此外许多用户搜索商品数量并不多（a到b为30%）相比之下下载App后特别活跃的用户第一次打开时就浏览了很多商品（活跃用户a到b的比例很高）。
有了这个数据其实就能很清楚的看出：商品本身或者App的体验没什么问题能正常支付的用户大部分还是完成购买了但是添加支付工具的和结算体验却存在障碍。团队需要尝试让用户能更轻松的结算。同时考虑新增用户搜索量不高还得尝试鼓励初访者搜索和浏览更多商品比如设置特惠卖场界面、改进引导文案等等。
当然这是一个很简化的虚拟案例但是我们仍然可以从中看出他们是如何应用数据发现和诊断问题的在这里面用到的很重要的一个工具就是“漏斗模型”。
漏斗模型及常用应用模型
所以什么是漏斗模型？
漏斗模型aka漏斗分析、转化率分析基本上是做所有分析时都或多或少会用到的工具。
我在网上搜漏斗分析时出来的文章或内容大多和互联网运营或者数字营销有关。但其实漏斗模型应用的地方非常广泛包括但不限于：
财务分析（整个利润表其实就是个漏斗比率分析）
产品设计（诊断用户一系列行为转化率）
广告（流量监控、效果评估）品牌（认知-行为转化）等等
当然除了开头举的那个用户体验流程的例子漏斗模型还有其他很多种应用。
比如品牌认知-行为漏斗：
在衡量品牌知名度的时候通常会用三个指标：
Top of Mind：代表对品牌强定位（或者说占据用户心智的深度）的量化。提到XX品类第一时间想到的品牌。比如“提到短视频App你第一个想到的是哪个App”一个人可能会回答快手另一个可能会回答抖音但每个人只会有一个top of mind最终可以统计各个品牌在用户群体的心智中占了多少领地。
Un-Aided：代表对品牌弱定位（进入用户心智但还不够深）的量化。提到XX品类还能想到哪几个品牌。比如“提到短视频App你还能想到哪几个App”一个人可能会回答抖音、快手…等数个App但通常不超过5-7个。因为人的记忆/心智也是有限的。
Awareness：代表广泛的知名度。XX品类里所有知道的品牌。比如“在短视频App里你都知道哪些App？”一个人可能会回答快手、抖音、微视、视频号…等很多个App。
关于这几个指标基于心理记忆的解释
关于行为漏斗根据行业/品类的不同特性可以设置成各种指标逻辑相关即可。可以用“以前用过-现在在用-最常用”也可以是“以前买过-最近半年买过-最近1个月买过”情况目的不同搭建不同的指标。
可以通过抽样调研问卷的方式获得数据（认知这种比较心理层面的指标主要还是靠问卷。不过行为指标有监测数据会比用户回忆更准一些）并对品牌/产品进行诊断。
比如这个例子：
AB两个品牌在一波营销过后A品牌广泛意义上虽然知名度高但是很少有人能主动想起来A有可能是A品牌虽然广告到处打但是原创Seo-6.com宣传的内容太平淡没有亮点人们看完很快就忘了。
B品牌则可能是宣传内容很不一样大家看到B的宣传后印象深刻但是由于媒体渠道选的不好覆盖的人群不够所以整体知名度要更弱一些。
AARRR漏斗
除了前面提到的食品商店App的具体例子其实包括黑客增长本身的核心模型AARRR其实也是一个漏斗：
AIDA漏斗
营销中经典的AIDA（或者AIDAS等等变种）也可以通过收集对应的数据套用漏斗模型进行分析广泛应用于快消品、耐消品：
利润漏斗