shisuidata/ss-data-skills / skills/funnel-analysis
funnel-analysis
VerifiedUse when analyzing conversion funnels across ordered business steps, such as registration, activation, payment, signup, onboarding, or checkout. Rebuilds strict ordered funnels from event data with a bundled zero-dependency script, decomposes period-over-period change into steps and into segment mix vs rate effects, detects tracking and truncation issues, and renders an HTML funnel report. 中文触发词:漏斗分析、转化漏斗、哪一步流失、转化率下降拆解。
Funnel Analysis
目标
分析一个有明确步骤顺序的转化漏斗,回答三个问题:
- 用户在哪一步流失最多?
- 和对比期相比,整体转化的变化来自哪一步、来自用户结构还是转化本身?
- 这个变化是真的,还是口径、埋点、观察期或样本量造成的假象?
核心原则:数字由脚本算,判断由人做。漏斗人数、贡献拆解、结构拆解和质量检查用 scripts/funnel.py 计算;模型负责定义漏斗、解释原因、提出验证动作。
使用场景
- 注册、激活、首购、下单支付、会员开通、线索转化、新手引导等有序流程
- “转化率下降了,哪一步出了问题”
- “是渠道变差了,还是产品变差了”
- 对比改版前后、两个时期、两个渠道的漏斗
- 审查别人算的漏斗口径是否正确
典型输入:
帮我分析注册到首购的转化漏斗,5 月比 4 月下降了,看看是哪一步、哪类用户的问题。
不适用场景
- 数据集整体摸底:使用
exploratory-data-analysis - 留存、复购或用户流失:使用
retention-cohort-analysis - 指标整体异常,还没有明确的转化路径:使用
business-root-cause-analysis - 有随机分组的实验:使用
ab-test-analysis(漏斗对比只能发现相关,实验才能确认因果) - 指标口径本身有争议:先用
metric-definition-reviewer
步骤没有先后顺序(例如“用过功能 A、B、C 中的几个”)时,这不是漏斗,先帮助用户重新定义问题。
输入信息
最少输入:
- 漏斗步骤及每一步对应的事件或状态
- 每一步的人数(汇总数据),或事件明细
推荐输入:
- 事件明细 CSV:用户 ID、事件名、事件时间
- 用户属性 CSV:渠道、设备、新老客等分群字段
- 对比期(上期、去年同期、改版前)
- 转化窗口:入口后多少天内完成才算转化
- 最近的产品改版、投放变化、埋点变更
输入字段详见 输入格式。
上下文建议
推荐使用 漏斗分析上下文模板 准备结构化输入,也可以参考 电商增长分析示例上下文。
通用分析背景请参考 数据分析上下文模板。
最有价值的上下文是:步骤定义、统计对象、时间窗口、对比期和分群维度。步骤或事件定义不清楚时,先定义漏斗,不要直接解释流失。
工作流程
-
定义漏斗:步骤顺序、事件映射、统计对象(用户 / 企业 / 订单)、转化窗口、按入口时间划分时期。写成表格请用户确认。
-
运行脚本(能执行代码时必须运行):
python3 scripts/funnel.py analyze --events events.csv \ --user-col user_id --event-col event_name --time-col event_time \ --step 注册=register_success --step 浏览商品=product_view --step 加购=add_to_cart \ --step 提交订单=order_submit --step 支付成功=pay_success \ --users users.csv --segment channel_id --segment device_type \ --period 本期=2026-05-01..2026-05-14 --period 上期=2026-04-17..2026-04-30 --baseline 上期 \ --window-days 7 --html funnel_report.html数据量很大(千万级事件)时,先用 漏斗 SQL 模板 在仓库里算出有序漏斗人数,再用
--summary输入汇总 JSON。文件可以是 UTF-8 或 GBK。带时区的时间按
--tz(默认 +08:00)换算,不带时区的按业务时区处理。全部参数见 命令行参数。 -
先看质量检查:
checks里有 fail 时(例如后一步人数多于前一步),先修口径,不要解读转化率。 -
读拆解结果:
comparison.steps[].share_of_change:整体变化中每一步的占比,各步相加为 100%comparison.steps[].counterfactual_overall:这一步恢复到对比期水平时,整体转化能回到多少comparison.segments[dim].mix_effect / rate_effect:结构效应(分群占比变化)与转化效应(分群自身变化),两项相加等于整体变化
-
解释与建议:结合 解读要点 把数字翻译成业务原因和可验证的下一步。
-
交付:Markdown 结论 + HTML 报告路径。
不能执行代码时:按同样的结构人工计算,并在结论中写明“未经脚本计算”。
输出格式
## 漏斗分析结果
### 1. 结论
<一句话:整体变化多少、是否可信、主要来自哪一步、是获客问题还是产品问题>
### 2. 漏斗定义
| 步骤 | 事件/状态 | 统计对象 | 转化窗口 |
| --- | --- | --- | --- |
### 3. 漏斗表现
| 步骤 | 本期人数 | 单步转化 | 累计转化 | 对比期单步转化 | 变化 |
| --- | --- | --- | --- | --- | --- |
### 4. 变化来自哪一步
<各步贡献占比;最大贡献步骤恢复后整体能回到多少>
### 5. 变化来自哪类用户
<每个分群维度:结构效应 vs 转化效应,以及具体是哪个分群>
### 6. 数据质量与口径
<样本量、跳步、乱序、缺入口、观察期/截断,以及时间按哪个时区处理>
### 7. 可能原因与验证动作
| 假设 | 支持证据 | 如何验证 | 负责人建议 |
| --- | --- | --- | --- |
### 8. 待确认问题
报告文件:<funnel_report.html 路径>
质量标准
输出必须:
- 明确步骤顺序、统计对象、转化窗口,并按入口时间划分时期
- 同时看单步转化和累计转化,用比例对比而不是人数对比
- 区分“结构变化”(来了不一样的用户)和“转化变化”(同样的用户转化变差)
- 先排除口径、埋点、观察期截断,再做业务解释
- 样本量不足或变化不显著时明确说明,不过度归因
- 不把分群差异直接写成因果;需要因果时建议做实验
- 数据里混有多种时间写法时,确认时区后再解读按天和按期的结果
- 每个可能原因都对应一个可执行的验证动作
完成后的下一步
- 写成报告:
data-analysis-report-writer,把--json的结果作为来源 - 验证改版效果:
ab-test-analysis - 继续看留存:
retention-cohort-analysis
示例 Prompt
请用 funnel-analysis 分析新用户首购漏斗,并生成 HTML 报告:
数据:events.csv(user_id, event_name, event_time),users.csv(user_id, channel_id, device_type)
步骤:注册 register_success -> 浏览商品 product_view -> 加购 add_to_cart -> 提交订单 order_submit -> 支付成功 pay_success
本期:2026-05-01 到 2026-05-14;对比期:2026-04-17 到 2026-04-30
转化窗口:注册后 7 天
分群:渠道、设备
请用 funnel-analysis 分析 SaaS 产品 Trial 到付费的转化漏斗(汇总数据):
步骤:注册试用 -> 完成 onboarding -> 邀请团队成员 -> 创建首个核心工作流 -> 升级付费
3 月:4200 / 1890 / 1020 / 760 / 290
4 月:5100 / 2091 / 1004 / 742 / 281
另附各注册渠道的分步人数。想知道 4 月转化下降是渠道结构变了,还是产品哪一步出了问题。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |