营销漏斗模型理论是什么

展现到点击环节

1、展现量

这个指标反应了关键词的数量是否够多，是否符合网民的搜索习惯。以长时间为单位（比如一年），可以反应行业的走势。

2、点击率

考核广告质量如何，是否符合当下网民需求热点，是否与关键词语义相关。点击率直接影响了质量度。理论上来说，点击率越高越好。

但是当点击率过高，比如超过20%，那么就要考虑创意是否有歧义，造成了大量的不相关点击。注意，不相关点击并不是恶意点击，而是由于创意误导性较大，

“国家公务员”这个关键词，在国考前夕，若创意写成{国家公务员}报名时间，那么排在第一点击率能够高达50%，而这样的点击，大量都是低效。

3、点击量

广告最根本的流量，是否获得足够多的点击量，直接决定了下一步是否能获得足够多的访问量，最终是否能够获得足够多的转化量。

影响点击量的因素有：关键词加的是否符合网民搜索需求，数量是否够多，点击率是否够好。

点击到访问环节

1、抵达率

等于访问量/点击量。网民点击广告后没有等网页完全打开就关闭了，会造成抵达率小于100%。

造成这一行为有两个原因：关键词、创意与网页相关度低，网民点开网页后悔了，这一行为在投放展示广告时尤其明显；

另一原因是网页加载速度过慢。两个原因具体是哪个，还要结合其他现象来判断。通常抵达率为90%~95%。

(1)关键词、创意与网页相关度低。通常会表现出某一个广告抵达率异常，并且此广告，跳出率明显高于其它广告。

(2)网页加载速度过慢。通常会表现出所有广告抵达率低。

2、跳出率

等于只打开一个网页就离开网站的访问次数/总访问次数。这个指标反应了：关键词、创意与网页的相关度，网页的建设质量。

一样的，两个原因具体是哪个，还要结合其他现象来判断。由于行业差异大，这里不给出跳出率参考值。

(1)关键词、创意与网页的相关度。通常会表现出某一个广告跳出率明显高于其它广告。

(2)网页的建设质量。通常会表现出所有广告跳出率特别高。由此带来的后果是，注册/咨询差。当然也有可能是代码安装不正确，导致数据不正确。这个属于基础问题，在文章就不讲了。

访问到转化环节

这个环节没有明确的指标，要依据各个公司的实际业务来定。也会由于各行业的不同，导致可监测的指标也不一样。这里说几个常见的。

1、注册率和注册成本

注册率注册量/访问量；注册成本消费/注册量。看到这里，同学可能会有疑问，只看注册率或者只看注册成本就可以了，为什么要两个都看。

原因是：注册率不牵涉广告，不会受到平均点击价格、抵达率的影响，反应的网站的转化效率。而注册成本，牵涉到广告，会受到平均点击价格、抵达率的影响。

所以可能某个关键词，注册率很高，但由于平均点击价格很高，且抵达率较差，造成这个关键词实际上的注册成本很高，再后期优化时，要考虑优化，甚至舍弃。

要注意的是，通常不会出现一个关键词抵达率差，但是注册率很高的现象。

2、在线咨询量

这个指标与注册量类似，但还要更细化的去细分不同类型的咨询。这个在第三篇，如何制定衡量目标时会讲到。

3、电话量

这个指标看似与在线咨询量类似，但由于电话的产生已经离开了网站，你很难将电话具体归属到来源于哪个关键词。

数据分析有很多模型，其中最常见的就是AARRR模型和漏斗模型，相信大家对AARRR模型有了一个比较深入的了解，其实在数据分析中漏斗模型也是一个十分常见的模型。在这篇文章中我们就简单为大家介绍一下关于漏斗模型的知识，以便于让大家更好地了解漏斗模型。

其实漏斗模型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。之所以称为漏斗，就是因为用户或者流量集中从某个功能点进入，当然这是可以根据业务需求来自行设定的，可能会通过产品本身设定的流程完成操作。而如果按照流程操作的用户进行各个转化层级上的监控，就可以寻找到每个层级的可优化点，对于没有按照流程操作的用户绘制他们的转化路径，找到可提升用户体验，缩短路径的空间。

那么漏斗模型有哪些案例呢？其实运用漏斗模型比较典型的案例就是电商网站的转化，用户在选购商品的时候必然会按照预先设计好的购买流程进行下单，最终完成支付。这就是漏斗模型最好的模型以及最常见的使用场景。

那么漏斗模型有什么需要注意的相关事项呢？其实在使用漏斗模型的时候需要注意的是：单一的漏斗模型对于分析来说没有任何意义，我们不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏，所以必须通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析。首先我们需要分析的是趋势，也就是从时间轴的变化情况进行分析，适用于对某一流程或其中某个步骤进行改进或优化的效果监控，从中我们可以观察出趋势。第二就是比较，具体就是通过比较类似产品或服务间购买或使用流程的转化率，发现某些产品或应用中存在的问题。第三就是细分，具体的内容就是去找到细分来源或不同的客户类型在转化率上的表现，发现一些高质量的来源或客户，通常用于分析网站的广告或推广的效果及ROI。注意到这三点，我们就能够使用好漏斗模型。

我们在这篇文章中给大家介绍了数据分析中的一个常见的数据分析模型，那就是漏斗模型，文章中具体为大家介绍了漏斗模型的定义、漏斗模型的案例以及漏斗模型的使用注意事项，希望这篇文章能够更好的帮助大家理解数据分析模型以及数据分析知识体系。

1、什么是漏斗模型？漏斗模型是数据分析较常使用的一种方法，其适用的场景主要是对经过一连串用户操作才能完成任务，同时需要监控和分析任务最终完成的效果，以及每一步可能存在的问题。其场景具有以下2个本质特点：用户操作链路长，步骤多，每一步用户均有可能放弃或者继续存在一个最终的用户行为，该行为的完成情况是产品核心指标，用于衡量整个产品效果

漏斗模型的核心思想，是从最终目标入手，找出每一步用户的转化或者流失情况，配以每一步的转化率或者流失率指标来监控效果，并最终通过提升用户转化率，或者降低用户流失率，从而优化最终指标并实现商业价值。

对业务流程和用户场景的理解广度和深度，是漏斗模型能否正确使用的前提。以下结合互联网产品常用的4个场景进一步探讨漏斗模型的使用。2、漏斗模型如何使用？场景化案例分析实际在进行漏斗模型的分析时，结合不同的业务场景和产品类型，漏斗模型大致可分为以下几种：用户获取模型消费漏斗模型电商漏斗模型功能优化漏斗模型

用户获取漏斗模型（AARRR）：AARRR从整个用户生命周期入手，包括Acquisition用户获取，Activation用户转化，Retention用户留存与活跃，Revenue用户产生收入，到发起传播Refer。

互联网产品的新用户获取流程很长，从获客成本和用户质量两个核心指标入手，需要拆解用户获取的每一个环节，并观察和优化其核心指标，从而实现低获客成本，且高用户质量的商业诉求。在利用AARRR模型分析用户获取，需要从宏观和微观角度进行，宏观有助于对整体业务效果的监控，微观分析则有利于找出优化环节并为产品优化提供数据决策依据。消费漏斗（流量分布图）

消费漏斗一般用于页面结构和内容较为复杂的业务，从用户内容消费和流量走向的角度，宏观层面用于回答用户消费什么内容，微观层面则用于分析影响用户消费的问题是什么。

结合今日头条APP的例子，宏观层面的消费漏斗，用于回答用户使用今日头条，都去哪些地方进行内容消费了（数据属于假设）。总体的消费漏斗，有助于查看产品信息架构是否合理，用户行为走向是否符合产品设计的预期：电商购买转化漏斗用户商品的购买属于决策行为，将整个用户购买流程进行拆分，从浏览商品到支付订单，期间需要经过至少要经过以下4个环节，每一个环节用户均有可能因为各种原因流失掉，通过分析每个步骤的转化率，有利于发现问题，提升整体的交易成功率：功能优化漏斗漏斗分析也适用于产品功能自身的优化，从最终目标入手，拆分业务环节，提取和优化核心指标，从而提升整体功能的转化率。以手机消息推送为例子，消息推送初看是一个非常复杂的，且技术难度很高的产品功能，但是利用漏斗模型，层层拆解各环节，可发现一个完整的消息流程需要经过至少5个环节，通过观察和分析各个环节的转化率，优化每个环节的折损，从而达到更多用户点击查看消息的产品目标。