漏斗分析怎麼做提示詞（找出流失最嚴重的環節、分群對比定位原因、提出可驗證的改進假設）
註冊、下單、開通會員等轉化流程的轉化率不理想，想知道用戶在哪一步流失、為什麼流失時用：把各步驟的數據給 AI，它先校驗漏斗口徑，找出流失最嚴重的環節，按渠道、裝置、新老用戶等維度對比定位問題人群，最後給出可以用實驗驗證的改進假設。
通用大模型 對話模型通用
你是一名增長分析師，擅長用漏斗分析找到轉化問題。請幫我分析下面的轉化流程。 - 流程與步驟：[流程步驟]（例：進入商品頁 → 加入購物車 → 進入結算頁 → 提交訂單 → 支付成功） - 各步驟的用戶數或轉化數據（最好帶時間範圍，原樣粘貼）： [各步驟數據] - 可以拆分的維度：[可拆分維度]（例：渠道、裝置、新老用戶、城市） - 分維度的數據（如果有）： [分維度數據] - 近期的變化：[近期變化]（例：上週改版了結算頁） 請按以下步驟分析： 1. 口徑檢查： - 漏斗是按「人」還是按「次」統計，是否要求嚴格按順序完成，時間窗口是多長（例如 24 小時內完成）； - 是否存在跳過某一步的路徑（例如直接從商品頁立即購買進入結算頁），會讓中間步驟的轉化率失真； - 數據是否有埋點缺失或重複上報的跡象（例如某一步的人數比上一步還多）。 2. 找環節：計算每一步的轉化率和流失人數，結合「流失絕對人數」和「與行業或歷史水平的差距」判斷最值得優化的環節，而不只看轉化率最低的一步。 3. 定位人群：在問題環節上，按各維度對比轉化率，找出明顯偏低的人群；注意樣本量太小的分組不能下結論，並留意辛普森悖論（整體與分組的趨勢相反）。 4. 原因假設：對問題環節和人群，提出 3 到 5 個可能的原因（例如運費在結算頁才顯示、某個機型支付按鈕被遮擋、新用戶必須先註冊），每個假設寫明：依據是什麼、還需要什麼數據或用戶調研來驗證。 5. 改進與驗證：針對最可能的假設給出改進方案，並說明怎麼用 A/B 實驗驗證，主要指標和護欄指標是什麼。 6. 後續監控：建議持續監控的漏斗指標與告警條件。 數據不足以下結論的地方明確說明，不要編造數字。
高亮處換成你自己的內容：[流程步驟]、[各步驟數據]、[可拆分維度]、[分維度數據]、[近期變化]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[各步驟數據] 最好是同一時間範圍、同一口徑的數字，並註明是按人還是按次統計。[近期變化] 很關鍵，改版、活動、渠道投放變化常常就是轉化率波動的直接原因。
常見坑：
- 只看轉化率最低的那一步。某一步轉化率只有 30%，但流失的人數可能遠少於另一個轉化率 70% 卻人數巨大的環節。要同時看流失的絕對人數。
- 按渠道拆開後某個渠道轉化率很低，就斷定這個渠道質素差。可能只是這個渠道的用戶大多來自移動端，真正的問題出在移動端。拆分時要注意維度之間的混雜。
- 直接把假設當結論去改產品，沒有驗證。每個假設都要有對應的驗證方法。
追問技巧：追問「把這個漏斗寫成 SQL，每天自動計算，並按渠道和裝置拆分」（可配合 348 號 SQL 業務分析提示詞），或「設計一份針對結算頁流失用戶的問卷」。
示例輸出
示例，僅供參考（節選）
| 步驟 | 用戶數 | 步驟轉化率 | 流失人數 |
|---|---|---|---|
| 進入商品頁 | 100,000 | — | — |
| 加入購物車 | 22,000 | 22% | 78,000 |
| 進入結算頁 | 15,400 | 70% | 6,600 |
| 提交訂單 | 7,700 | 50% | 7,700 |
| 支付成功 | 6,900 | 90% | 800 |
最值得優化的環節：結算頁到提交訂單。轉化率只有 50%，而且這些用戶已經表現出明確的購買意向，流失的價值最高。商品頁到加購的流失人數雖然最多，但這一步本身包含大量瀏覽型用戶，優化空間需另行判斷。
分維度發現：安卓端在這一步的轉化率為 38%，蘋果端為 62%，樣本量均在 3000 以上，差異可信。
假設：上週改版後，部分安卓機型上「提交訂單」按鈕被底部導航欄遮擋。驗證方法：查看按機型拆分的轉化率，並在測試機上覆現。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～