mcpField
D
data-and-funnel-analytics

data-and-funnel-analytics

github.com/manojbajaj95营销与增长109421 次安装6 周前更新
代码仓库

关于 data-and-funnel-analytics

面向营销与产品团队的数据分析技能,提供追踪规划、漏斗分析、产品参与度评估和 ROI 计算方法。内容覆盖从事件设计与数据解读到转化路径诊断,并强调让追踪数据服务于决策。

主要功能

  1. 01规划事件命名、属性与 UTM 参数
  2. 02分析转化漏斗并定位流失环节
  3. 03评估产品参与度与留存指标
  4. 04按 Hook、Story、Offer 验证漏斗
  5. 05计算 ROI、回本点与回收周期

适用场景

  1. 01为网站或产品制定事件追踪计划
  2. 02比较不同用户群体的漏斗转化
  3. 03诊断营销流量与转化路径问题
  4. 04评估投资方案的收益与回收风险

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/manojbajaj95/claude-gtm-plugin --skill data-and-funnel-analytics

安装后在 Claude Code 中输入/data-and-funnel-analytics确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

examples/
basic_funnel_report.html
basic_funnel.py
segmented_funnel_report.html
segmented_funnel.py
references/
full-guide.md
prpm.json
roi-reference.md

详细介绍

数据与漏斗分析

工作区上下文

提问前先阅读引导上下文:strategy/brand.md 了解品牌、受众、产品、渠道、工具、限制和指标;about/me.md 了解个人表达风格;content/ideas.md 和 content/calendar.md 了解内容规划。仅在必要时参考旧版产品营销上下文文件。将生成的草稿保存到 content/<platform>/drafts/YYYY-MM-DD_short-topic-slug.md,并将可长期参考的经验反馈到 strategy/brand.md、about/me.md 或 content/ideas.md。

工作约定

此技能适用于其 frontmatter 指定的范围,并可独立使用:按照本地说明、参考资料、脚本和资源开展工作;仅询问任务所需但缺失的信息;将超出范围的工作交接给相邻技能;并交付可执行的成果、决策、计划、草稿或诊断。

端到端分析:设置跟踪、解读数据、分析漏斗、衡量产品参与度、验证转化路径并计算 ROI。

原则: 跟踪数据是为了做决策,而不是为了收集数据——每个事件都应有助于采取行动。


分析跟踪

事件命名规范

格式:小写蛇形命名 object_action。

signup_completed | cta_hero_clicked | checkout_started | onboarding_step_completed

规则:使用具体而非含糊的名称(cta_hero_clicked,而不是 button_clicked);已完成的操作使用过去时;将上下文放在属性中,而不是事件名称中。

跟踪计划
类别事件关键属性
营销page_viewpage_title, page_location, referrer
cta_clickedbutton_text, location, page
form_submittedform_type, page
signup_completedmethod, plan
产品onboarding_step_completedstep_number, step_name
feature_usedfeature_name, context
trial_startedplan, source
purchase_completedplan, value, currency
电子商务product_viewedproduct_id, category, price
product_added_to_cartproduct_id, price, quantity
checkout_startedcart_value, items_count
标准属性
  • 用户上下文: user_id, user_type (free/paid/admin), plan_type
  • 归因: source, medium, campaign, content, term(UTM 参数)
  • 页面: page_title, page_location, content_group
  • 个人身份信息(PII)卫生: 切勿将电子邮件、姓名或电话号码作为事件属性发送。仅使用经过哈希处理的用户 ID。
GA4 实施
// gtag.js custom event
gtag('event', 'signup_completed', {
  'method': 'email',
  'plan': 'free',
  'user_id': userId
});

// GTM dataLayer
dataLayer.push({
  'event': 'signup_completed',
  'method': 'email',
  'plan': 'free'
});

增强型衡量(在 GA4 中启用):page_view, scroll, outbound_click, site_search, video_engagement, file_download。

转化: 管理 → 事件 → 切换“标记为转化”。计数方式:每个会话一次(表单提交)或每次都计数(购买)。

UTM 参数

规范:utm_source={channel}&utm_medium={cpc|email|organic|social}&utm_campaign={id}&utm_content={variant}&utm_term={keyword}

  • 应用于所有付费链接和电子邮件链接
  • 切勿用于站内链接(会破坏会话归因)
  • 使用小写字母,以连字符代替空格
  • 在 UTM 跟踪表中记录
隐私与合规
  • GDPR/CCPA:实施同意管理机制,在获得同意前阻止 GA4
  • GA4 数据保留期限:最长 14 个月(管理 → 数据设置)
  • 启用 IP 匿名化

分析解读

GA4 基准
指标良好警示较差较差时采取的措施
平均页面停留时间>3 分钟1–3 分钟<1 分钟深化内容
跳出率<40%40–70%>70%添加站内链接,优化引言
互动率>60%30–60%<30%检查内容质量
滚动深度>75%50–75%<50%添加视觉分隔
每次会话浏览页数>2.51.5–2.5<1.5优化站内链接
Google Search Console 基准
指标良好警示较差较差时采取的措施
点击率(CTR)>5%2–5%<2%优化标题/元描述
平均排名1–34–10>10加强内容,建立链接
展示次数增长稳定下降更新内容
流量质量矩阵
                    High Engagement
                          │
           ┌──────────────┼──────────────┐
           │  HIDDEN GEM  │   STAR       │
           │  Low traffic  │   High traffic│
           │  → Promote   │   → Maintain  │
Low ───────┼──────────────┼──────────────┼─── High
Traffic    │  UNDERPERFORM│   LEAKY      │   Traffic
           │  Low traffic  │   High traffic│
           │  → Rework    │   → Optimize  │
           └──────────────┼──────────────┘
                          │
                    Low Engagement
异常检测
指标显著变化警报级别
流量周环比 ±30%HIGH
点击率周环比 ±1ppMEDIUM
排名±5 位HIGH
跳出率周环比 ±10ppMEDIUM

产品分析

北极星指标

代表客户价值的唯一指标:

公司北极星指标
Slack周活跃用户数
Airbnb已预订晚数
Spotify收听时长
ShopifyGMV

标准:代表客户价值、与收入相关、可频繁衡量、能凝聚团队。

各阶段关键指标
阶段指标
获客流量来源、CPC、访客 → 注册转化率
激活注册 → 首次核心操作、价值实现时间、引导流程完成率
留存DAU/MAU(黏性)、D1/D7/D30 留存率、流失率
收入MRR/ARR、ARPU、LTV、LTV:CAC 比率
推荐病毒系数、推荐注册数、NPS
留存基准
时间范围良好较差
D160–80%<40%
D740–60%<10%
D3030–50%<2%

良好 = 曲线趋于平缓。较差 = 急剧下滑。

仪表板设计
  • 高管: 北极星指标(醒目数字)、收入(MRR/ARR)、关键趋势
  • 产品: 活跃用户、功能使用情况、留存群组、转化漏斗
  • 营销: 流量来源、转化率、CPA、各渠道 ROI

转化漏斗分析

核心工作流
  1. 加载并合并用户旅程数据
  2. 定义漏斗步骤并逐步计算转化率
  3. 按用户属性细分(设备、群组、套餐)
  4. 可视化瓶颈
  5. 生成优化建议
常见漏斗类型
漏斗步骤
电子商务促销 → 搜索 → 查看产品 → 加入购物车 → 购买
SaaS 注册落地页 → 注册 → 验证邮箱 → 完成引导流程
内容查看文章 → 评论 → 分享 → 订阅
分析模式
  • 瓶颈识别 — 流失率最高的步骤
  • 细分对比 — 不同用户群体的转化情况
  • 时间分析 — 随时间变化的转化情况
  • A/B 测试 — 对比不同的漏斗方案

请参阅 examples/,了解使用 Plotly 可视化的 Python 实现。


漏斗验证(DotCom Secrets)

根据 Russell Brunson 的框架为现有漏斗评分:钩子 → 故事 → 方案。

评分维度
维度权重衡量内容
钩子强度2x让人停下滑动,吸引注意力
故事共鸣1.5x建立情感联系和信任
方案清晰度2x清晰、有吸引力、令人无法抗拒
价值阶梯契合度1x符合用户升级路径
流量匹配度1.5x与流量的认知热度相匹配
转化路径1x下一步清晰明确、毫无阻碍
评分标准
分数评定
85–100转化利器 — 可开始扩大规模
70–84优秀漏斗 — 修复薄弱环节后再扩大规模
55–69漏损漏斗 — 扩大流量前先修复
40–54故障漏斗 — 重建关键组件
0–39无法运作 — 从头开始
流量热度
热度他们了解合适的漏斗
冷对你一无所知潜客漏斗、价值优先的内容
温了解问题和你的解决方案低价体验产品、网络研讨会、挑战活动
热准备购买销售页面、订单表单、预约通话

完整的评分标准和示例,请参阅 references/full-guide.md。


ROI 分析

核心指标

ROI: (Net Profit / Total Investment) × 100%

  • ✅ 投资:ROI > 100%(现实情景)
  • ⚠️ 复核:ROI 50–100%
  • ❌ 拒绝:ROI < 50%

盈亏平衡点: Investment / Monthly Net Profit

  • ✅ 投资:盈亏平衡点 < 现实目标的 50%
  • ❌ 拒绝:盈亏平衡点 > 70%

回本周期: Investment / Monthly Net Profit

  • ✅ 投资:< 12 个月
  • ⚠️ 复核:12–24 个月
  • ❌ 拒绝:> 24 个月
3 种情景分析

始终模拟最佳 / 现实 / 最差情景:

情景假设收入利润ROI评估
最差悲观风险等级
现实预期目标
最佳乐观上行空间

决策规则: 如果最差情景的 ROI ≥ 0%,则投资风险较低。

执行摘要模板
[Investment] achieves [ROI%] ROI at [conversion/growth rate].
Break-even occurs at [threshold], with payback in [months].
Investment is [recommended/not recommended] because [reason].

有关详细公式(NPV、LTV、CAC、敏感性分析),请参阅 references/roi-reference.md。


验证与质量保证

上线前
  • 事件在 GA4 DebugView 中触发
  • 属性具有预期值
  • 没有重复事件
  • 转化标记正确
  • 落地页已采集 UTM 参数
持续工作
  • 每周: 检查关键事件是否突然下降(变化 >20% 时进行调查)
  • 每月: 审查是否有未设置跟踪的新页面 / 功能
  • 每季度: 全面审查跟踪计划——删除过时事件,添加遗漏事件

工具

类别工具
事件跟踪Mixpanel、Amplitude、PostHog(开源)
会话录制FullStory、LogRocket、Hotjar
A/B 测试Optimizely、VWO
网站分析GA4、Google Search Console
标签管理Google Tag Manager

相关技能

  • ab-test-setup — A/B 测试的衡量与设置
  • seo-and-aeo-strategy — 衡量 SEO/AEO 表现
  • conversion-rate-optimization — 漏斗分析后优化转化
  • executive-dashboard-generator — 根据分析数据构建仪表板

评论

支持 Markdown