图：漏斗分析（由Midjourney 生成）

什么是漏斗分析(Funnel analysis)

漏斗分析是电子商务网站分析中常用的一种技术，用于了解用户在网站上的转化过程和行为过程。这种分析方法以“漏斗”的形式描述了用户从访问网站到最终完成某个目标（例如购买产品）的整个转化过程。

在电子商务网站分析中，漏斗通常由一系列关键步骤或阶段组成，例如：访问网站、浏览产品、将产品添加到购物车、进行结帐、最终完成购买等。每个阶段的用户数量可能会逐渐减少，就像漏斗一样，因此得名“漏斗分析”。

通过漏斗分析，运营商可以识别转化过程中的瓶颈或流失点，分析哪些步骤导致用户流失，然后采取措施改善用户体验，优化转化率。这种分析方法有助于发现网站/APP存在的问题，制定有针对性的优化策略，提高整体转化效果。

AIDA模型

AIDA模型是漏斗分析的理论基础。 AIDA模型是营销学的理论框架。漏斗分析提供了一种基于AIDA模型的数据分析方法。

AIDA模型是一种营销模型，旨在描述消费者在购买过程中经历的心理阶段，包括意识（Awareness）、兴趣（Interest）、欲望（Desire）和行动（Action）。该模式强调通过吸引消费者的注意力、建立兴趣和欲望并最终促使他们采取行动来推销产品或服务。主要研究消费者心理和营销策略。

AIDA 模型通过意识、兴趣、欲望和行动来跟踪客户。这是一个购买漏斗，买家在每个阶段来回移动以支持他们进行最终购买。

阿依达模型

AIDA模型在电商转化漏斗流程中的可能映射：

认知度- 网站访问量：用户了解我们的产品并且我们引起了他们的注意。兴趣- 浏览产品：用户开始以有意义的方式与我们的产品进行交互。愿望- 添加到购物车：用户体验我们产品的价值并有动力进行转换。行动——购买产品：用户转化。

漏斗分析

为了方便漏斗分析，我们参考了kaggle上的一组数据集（https://www.kaggle.com/datasets/aerodinamicc/ecommerce-website-funnel-analysis），其中包含五个数据集，分别是：home_page_table、 search_page_table、 payment_page_table、 payment_confirmation_table、 user_table，其数据示例及关系如下：

创建漏斗(全渠道的漏斗分析)

加载包并导入数据：

importpandasaspdimportmatplotlib.pyplotaspltimportseabornassnsimportplotly.expressaspxhome_page=pd.read_csv('/home/home_page_table.csv')search=pd.read_csv('/home/search_page_table.csv') payment_page=pd.read_csv('/home/payment_page_table.csv') payment_confirm=pd.read_csv('/home/payment_confirmation_table.csv')user=pd.read_csv('/home/user_table.csv')合并数据：

SELECTuser.user_id、设备、性别、home_page.pageaspageFROMuser、home_pagewhereuser.user_id=home_page.user_idunionallSELECTuser.user_id、设备、性别、search.pageaspageFROMuser、searchwhereuser.user_id=search.user_idunionallSELECTuser.user_id、设备、性别、 payment_page.pageaspageFROMuser、 payment_pagewhereuser。 user_id=payment_page.user_idunionallSELECTuser.user_id,设备，性别， payment_confirm.pageas payment_confirmFROMuser, payment_confirmwhereuser.user_id=payment_confirm.user_id;

转换数据：

selectpage,count(*)aspage_countfromall_datagroupbypageorderbypage_countdesc

生成全渠道漏斗图：

a_fig=px.funnel(over_all_funnel,y='page',x='page_count',width=800,height=400)a_fig.show()

终端类型漏斗

根据终端类型进行漏斗分析，首先汇总数据：

selectpage,device,count(*)aspage_countfromall_datagroupbypage,deviceorderbypage_countdesc

输出漏斗图：

d_fig=px.funnel(device_funnel,y='page',x='page_count',color='device',width=800,height=400)d_fig.show()

性别分类的漏斗分析

要按性别进行漏斗分析，首先汇总数据：

selectpage,sex,count(*)aspage_countfromall_datagroupbypage,sexorderbypage_countdesc 输出漏斗图：

应用数据透视图输出漏斗分析

SmartNoteBook基于笔记本开发低代码组件，完成数据转换、分析和可视化。保持了较高的灵活性和适应性，降低了使用门槛。

分析过程的模型视图(Graph图)

SmartNoteBook模型视图（Graph）用于显示Notebook中单元格之间的逻辑依赖关系。在模型视图中，每个单元表示为节点，单元之间的引用关系表示为边。通过模型视图，您可以更直观地了解和分析笔记本的逻辑依赖关系，从而提高代码执行效率。