mcpField
F
funnel-analysis

funnel-analysis

github.com/liangdabiao营销与增长29866 次安装25 周前更新
代码仓库

关于 funnel-analysis

funnel-analysis 是用于分析多步骤转化路径的技能，面向营销、产品和业务流程分析者。它计算各步骤转化率、比较用户分群，并生成可视化和优化建议。

主要功能

  1. 01构建多步骤转化漏斗
  2. 02计算各步骤转化率
  3. 03按用户属性细分分析
  4. 04创建交互式可视化
  5. 05生成优化建议

适用场景

  1. 01定位电商购买路径流失点
  2. 02分析用户注册流程转化
  3. 03比较不同设备的转化表现
  4. 04评估销售管道各阶段转化

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/liangdabiao/claude-data-analysis-ultra-main --skill funnel-analysis

安装后在 Claude Code 中输入/funnel-analysis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。

README.md
examples/
basic_funnel.py
funnel_analyzer.py
segmented_funnel.py
visualizer.py
examples/sample_data/
README.md
guide/
funnel_guide.md
templates/
funnel_report_template.md

详细介绍

漏斗分析技能

通过多步骤转化漏斗分析用户行为，找出营销活动、用户旅程和业务流程中的瓶颈及优化机会。

快速开始

此技能可帮助你：

  1. 根据多步骤用户数据构建转化漏斗
  2. 计算各步骤之间的转化率
  3. 按不同用户属性进行细分分析
  4. 使用 Plotly 创建交互式可视化图表
  5. 生成业务洞察和优化建议

适用场景

  • 营销活动分析（推广 → 购买）
  • 用户引导流程分析
  • 网站转化漏斗优化
  • 应用用户旅程分析
  • 销售管道分析
  • 潜在客户培育流程分析

关键要求

安装所需软件包：

pip install pandas plotly matplotlib numpy seaborn

核心工作流

1. 数据准备

你的数据应包含：

  • 用户旅程步骤（点击、页面浏览、操作）
  • 用户标识符（customer_id、user_id 等）
  • 时间戳或步骤指示标记
  • 可选：用于细分的用户属性（性别、设备、位置）
2. 分析流程
  1. 加载并合并用户旅程数据
  2. 定义漏斗步骤并计算指标
  3. 进行细分分析（按设备、性别等）
  4. 创建可视化图表
  5. 生成洞察和建议
3. 输出内容
  • 漏斗可视化图表
  • 转化率表格
  • 细分分析报告
  • 优化建议

使用场景示例

电商购买漏斗
# Steps: Promotion → Search → Product View → Add to Cart → Purchase
# Analyze by device type and customer segment
用户注册漏斗
# Steps: Landing Page → Sign Up → Email Verification → Profile Complete
# Identify where users drop off most
内容消费漏斗
# Steps: Article View → Comment → Share → Subscribe
# Measure engagement conversion rates

常见分析模式

  1. 瓶颈识别：找出流失率最高的步骤
  2. 细分对比：比较不同用户群体的转化率
  3. 时间分析：跟踪转化率随时间的变化
  4. A/B 测试：比较不同的漏斗版本
  5. 优化效果：衡量改进前后的变化

集成示例

请参阅 examples/ 目录，其中包含：

  • basic_funnel.py - 简单的漏斗分析
  • segmented_funnel.py - 高级细分分析
  • 用于测试的示例数据集

最佳实践

  • 确保数据质量和一致性
  • 明确定义漏斗步骤
  • 考虑用户旅程的时间窗口
  • 验证统计显著性
  • 关注可执行的洞察

评论

支持 Markdown