User Funnel and Behavior Path Analysis

1. 解决的问题

用户从"知道品牌"到"下单购买"要经历多个步骤。

2. 核心算法逻辑

核心问题：用户从"知道品牌"到"下单购买"要经历多个步骤。每一步都有用户流失。漏斗分析回答：用户在哪个步骤流失最多？为什么？优化哪个步骤的杠杆最大？

3. 业务应用场景

业务问题：Momcozy 吸奶器详情页UV 10,000/天，但加购率只有3%，支付转化率1%。详情页是不是有问题？

| 步骤 | 用户数 | 转化率 | 流失原因分析 | |------|--------|--------|-------------| | 详情页UV | 10,000 | — | — | | 看完详情（滚动>50%）| 6,000 | 60% | 40%跳出：页面加载慢/首屏不吸引人 | | 点击"加购" | 3,000 | 30% | 30%流失：价格犹豫/信任不足 | | 进入购物车 | 2,500 | 25% | 5%流失：加购操作失败 | | 进入支付 | 1,200 | 12% | 13%流失：运费/税费意外 | | 完成支付 | 800 | 8% | 4%流失：支付方式不支持

优化优先级： 1. 首屏吸引力（40%流失）：优化首屏视频和核心卖点展示 2. 价格信任（30%流失）：增加用户评价、媒体报道、信任徽章 3. 运费透明（13%流失）：详情页直接显示"包邮"或运费计算器

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• ROI：详情页转化率提升1-2个百分点，日增收数千到数万
• 难度：⭐⭐☆☆☆（2/5）— 主要是数据处理和可视化
• 优先级：⭐⭐⭐⭐⭐（5/5）— 优化用户体验的入口工具

7. 代码模板

代码块数量：2 · 路径：未检测到

"""
User Funnel and Behavior Path Analysis — 用户漏斗与行为路径分析
"""

import numpy as np
import pandas as pd
from collections import Counter, defaultdict


class FunnelAnalyzer:
    """漏斗分析器"""

    def __init__(self, step_names):
        """
        Args:
            step_names: 漏斗步骤名称列表，如 ['首页', '详情页', '加购', '支付', '完成']
        """
        self.steps = step_names

    def analyze(self, user_paths):
        """
        分析漏斗

        Args:
            user_paths: list of lists, each inner list is a user's step sequence
        """
        # 统计每步的人数
        step_counts = Counter()
        for path in user_paths:
            for step in path:
                step_counts[step] += 1

        # 计算转化率
        results = []
        for i, step in enumerate(self.steps):
            count = step_counts.get(step, 0)
            prev_count = step_counts.get(self.steps[i-1], count) if i > 0 else count
            conversion_rate = count / prev_count if prev_count > 0 else 0
            overall_rate = count / step_counts.get(self.steps[0], 1) if i > 0 else 1.0

            results.append({
                'step': step,
                'users': count,
                'step_conversion': conversion_rate,
                'overall_conversion': overall_rate,
                'dropoff': 1 - conversion_rate if i > 0 else 0
            })

        return pd.DataFrame(results)

    def dropoff_analysis(self, user_paths, step_from, step_to):
        """
        分析从step_from到step_to的流失用户去了哪里
        """
        dropoff_users = []
        for path in user_paths:
            if step_from in path and step_to not in path[path.index(step_from):]:
                # 用户到了step_from但没到step_to
                idx = path.index(step_from)
                next_step = path[idx + 1] if idx + 1 < len(path) else '退出'

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。