Preamble (run first)
bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 创建必要的目录（支持中英文）
mkdir -p docs/05-产品战略
mkdir -p docs/05-product-strategy
# 检查是否有用户旅程地图作为输入
if [ -f "docs/01-需求洞察/用户旅程地图.md" ] || [ -f "docs/01-demand-insight/user-journey.md" ]; then
echo "✅ 检测到用户旅程地图，将基于此进行漏斗分析"
fi
执行流程
digraph pm_funnel {
rankdir=TB;
node [shape=box, style=filled, fillcolor="#e3f2fd"];
subgraph cluster_define {
label="漏斗定义";
style=filled;
fillcolor="#f5f5f5";
"选择业务场景" [shape=diamond];
"注册转化漏斗" [shape=box, fillcolor="#c8e6c9"];
"购买转化漏斗" [shape=box, fillcolor="#bbdefb"];
"激活转化漏斗" [shape=box, fillcolor="#fff9c4"];
"留存转化漏斗" [shape=box, fillcolor="#ffe0b2"];
}
subgraph cluster_analysis {
label="数据收集与分析";
style=filled;
fillcolor="#e8f5e9";
"定义漏斗各阶段" [shape=box];
"收集各环节数据" [shape=box];
"计算转化率与流失率" [shape=box];
}
subgraph cluster_diagnosis {
label="诊断与优化";
style=filled;
fillcolor="#f3e5f5";
"识别流失关键环节" [shape=box, fillcolor="#f8bbd0"];
"根因分析" [shape=box];
"生成优化建议" [shape=box, fillcolor="#c8e6c9"];
}
"输出漏斗分析报告" [shape=box, fillcolor="#ffccbc"];
"选择业务场景" -> "注册转化漏斗";
"选择业务场景" -> "购买转化漏斗";
"选择业务场景" -> "激活转化漏斗";
"选择业务场景" -> "留存转化漏斗";
"注册转化漏斗" -> "定义漏斗各阶段";
"购买转化漏斗" -> "定义漏斗各阶段";
"激活转化漏斗" -> "定义漏斗各阶段";
"留存转化漏斗" -> "定义漏斗各阶段";
"定义漏斗各阶段" -> "收集各环节数据";
"收集各环节数据" -> "计算转化率与流失率";
"计算转化率与流失率" -> "识别流失关键环节";
"识别流失关键环节" -> "根因分析";
"根因分析" -> "生成优化建议";
"生成优化建议" -> "输出漏斗分析报告";
}
步骤 1: 定义转化漏斗
询问方式：使用 AskUserQuestion 逐个询问
问题 1: 业务场景
使用 AskUserQuestion 询问：
请问您要分析哪个业务场景的转化漏斗？
A) 注册转化漏斗（访客→注册用户） B) 购买转化漏斗（浏览→下单→支付） C) 激活转化漏斗（下载→注册→首次使用） D) 留存转化漏斗（新增→次日留存→7日留存） E) 其他（请手动输入）
问题 2: 漏斗步骤定义
根据问题1的场景，引导用户定义具体步骤：
示例（购买转化漏斗）：
请确认购买转化漏斗的关键步骤
引导用户输入：
- 步骤1：[浏览商品详情页]
- 步骤2：[加入购物车]
- 步骤3：[进入结算页]
- 步骤4：[提交订单]
- 步骤5：[完成支付]
问题 3: 当前数据
针对每个步骤，收集当前数据：
使用 AskUserQuestion 询问：
步骤[1]：[浏览商品详情页]的用户数是多少？
引导用户输入每个步骤的用户数：
| 步骤 | 用户数 | 占比 |
|---|---|---|
| 步骤1 | [X]万 | 100% |
| 步骤2 | [X]万 | [X]% |
| 步骤3 | [X]万 | [X]% |
| 步骤4 | [X]千 | [X]% |
| 步骤5 | [X]千 | [X]% |
步骤 2: 计算转化率和流失率
计算公式：
步骤转化率 = (下一步用户数 / 当前步骤用户数) × 100%
步骤流失率 = 100% - 步骤转化率
整体转化率 = (最后一步用户数 / 第一步用户数) × 100%
示例：
| 步骤 | 用户数 | 步骤转化率 | 步骤流失率 |
|---|---|---|---|
| 浏览详情页 | 10,000 | - | - |
| 加入购物车 | 3,000 | 30% | 70% |
| 进入结算页 | 2,100 | 70% | 30% |
| 提交订单 | 1,470 | 70% | 30% |
| 完成支付 | 882 | 60% | 40% |
整体转化率：882 / 10,000 = 8.82%
步骤 3: 流失原因诊断
针对流失率最高的步骤，分析原因：
步骤3.1: 识别关键流失节点
关键流失节点定义：流失率 > 30% 的步骤
示例：
- 步骤1→2：流失率70%（关键流失节点）
- 步骤4→5：流失率40%（关键流失节点）
步骤3.2: 诊断流失原因
针对关键流失节点，使用 AskUserQuestion 询问：
步骤1→2（浏览详情页→加入购物车）流失率高达70%，可能的原因是？
A) 产品价格过高 B) 商品信息不清晰 C) 用户购买意愿不强 D) 竞品对比流失 E) 页面加载慢 F) 其他（请手动输入）
针对每个流失原因，引导用户深入分析：
请提供数据支撑或用户反馈（如有）
步骤3.3: 用户反馈收集
询问：
是否有用户调研或客服反馈数据？
A) 有用户调研数据 B) 有客服反馈记录 C) 有用户评论/投诉 D) 暂无数据，需要收集
如果选择D，提供数据收集建议：
建议收集方法：
- 用户问卷调研（流失用户问卷）
- 客服反馈分析
- 用户访谈（深度访谈5-10人）
- 数据埋点（详细行为数据）
步骤 4: 优化建议生成
根据流失原因，生成针对性优化建议：
场景A: 产品价格过高导致流失
优化建议：
- 提供价格优惠（首单优惠、优惠券）
- 展示性价比（对比竞品、突出优势）
- 分期付款选项
- 价格锚定策略（展示高价商品对比）
场景B: 商品信息不清晰导致流失
优化建议：
- 优化商品详情页设计
- 增加视频展示
- 用户评价前置
- 关键信息突出展示
场景C: 页面加载慢导致流失
优化建议：
- 优化图片加载（压缩、懒加载）
- CDN加速
- 服务器性能优化
- 减少不必要的请求
场景D: 结算流程复杂导致流失
优化建议：
- 简化结算步骤
- 一键购买功能
- 默认地址/支付方式
- 进度条引导
步骤 5: A/B测试建议
针对关键优化项，设计A/B测试：
测试设计模板：
测试名称：[优化项目名称]
测试目标：提升步骤[X]到步骤[X+1]的转化率
测试周期：[X]周
样本量：[X]万用户
A组（对照组）：[当前方案]
B组（实验组）：[优化方案]
评估指标：
- 主指标：步骤转化率
- 辅助指标：整体转化率、GMV
预期效果：转化率提升[X]%
步骤 6: 生成漏斗优化方案
使用 Write 工具生成文档：
---
product: [产品名称]
version: 2.0.0
created_at: [当前时间]
author: [用户]
skill: pm-funnel
status: draft
---
# 漏斗分析与优化方案
## 一、漏斗概览
### 业务场景
**分析场景**：购买转化漏斗
**分析周期**：[起始日期] - [结束日期]
**数据来源**：[数据平台名称]
---
### 漏斗定义
**转化路径**：
1. 浏览商品详情页
2. 加入购物车
3. 进入结算页
4. 提交订单
5. 完成支付
---
## 二、漏斗数据分析
### 整体数据
| 步骤 | 用户数 | 步骤转化率 | 步骤流失率 | 累计转化率 |
|------|-------|-----------|-----------|-----------|
| 浏览详情页 | 10,000 | - | - | 100% |
| 加入购物车 | 3,000 | 30% | 70% | 30% |
| 进入结算页 | 2,100 | 70% | 30% | 21% |
| 提交订单 | 1,470 | 70% | 30% | 14.7% |
| 完成支付 | 882 | 60% | 40% | 8.82% |
**关键指标**：
- 整体转化率：8.82%
- 平均步骤转化率：57.5%
- 最大流失节点：浏览详情页→加入购物车（流失率70%）
---
### 流失用户画像
**流失用户特征**：
- 新用户占比：[X]%
- 来源渠道：[渠道分布]
- 设备分布：[iOS/Android占比]
- 访问时段：[时段分布]
---
## 三、关键流失节点分析
### 节点1: 浏览详情页→加入购物车
**流失率**：70%
**流失用户数**：7,000人
**流失原因诊断**：
| 原因 | 占比 | 数据支撑 |
|------|------|---------|
| 价格高于预期 | 35% | 用户调研：65%用户认为价格偏高 |
| 商品信息不全 | 25% | 客服反馈：商品描述不清 |
| 页面加载慢 | 20% | 平均加载时间：5.2秒 |
| 竞品对比流失 | 15% | 跳出用户：40%访问竞品 |
| 其他原因 | 5% | - |
**详细分析**：
1. **价格因素**（35%流失）
- 商品平均价格：[X]元
- 用户期望价格：[X]元
- 竞品平均价格：[X]元
- 价格敏感度：高
2. **信息因素**（25%流失）
- 商品图片数量：平均3张
- 商品描述字数：平均150字
- 视频展示：缺失
- 用户评价：平均15条
3. **性能因素**（20%流失）
- 平均加载时间：5.2秒
- 行业标准：3秒以内
- 跳出率：[X]%
---
### 节点2: 提交订单→完成支付
**流失率**：40%
**流失用户数**：588人
**流失原因诊断**：
| 原因 | 占比 | 数据支撑 |
|------|------|---------|
| 支付方式有限 | 30% | 仅支持微信支付 |
| 结算流程复杂 | 25% | 平均结算时间：3分钟 |
| 运费过高 | 20% | 平均运费：15元 |
| 支付失败 | 15% | 支付成功率：85% |
| 其他原因 | 10% | - |
---
## 四、优化建议
### 优先级排序
| 优化项 | 预期提升 | 实施难度 | 投入成本 | 优先级 |
|-------|---------|---------|---------|--------|
| 价格策略优化 | +5% | 中 | 低 | P0 |
| 详情页优化 | +3% | 低 | 低 | P1 |
| 页面性能优化 | +2% | 中 | 中 | P1 |
| 支付流程优化 | +1.5% | 低 | 低 | P2 |
| 支付方式扩展 | +1% | 高 | 高 | P2 |
---
### 优化方案详情
#### 方案1: 价格策略优化（P0）
**目标**：降低价格敏感用户流失，提升转化率5%
**具体措施**：
1. 首单优惠：新用户首单立减[X]元
2. 满减活动：满[X]元减[X]元
3. 优惠券：定向发放优惠券
4. 价格锚定：展示原价vs现价
**实施计划**：
- Week 1：设计优惠券方案
- Week 2：开发优惠功能
- Week 3：上线测试
**预期效果**：
- 浏览→加购转化率：30% → 35%（+5%）
- 整体转化率：8.82% → 9.3%（+0.48%）
---
#### 方案2: 详情页优化（P1）
**目标**：提升信息完整性，降低信息缺失流失
**具体措施**：
1. 增加商品视频展示
2. 优化商品图片（增至6-8张）
3. 用户评价前置
4. 关键参数表格化展示
**实施计划**：
- Week 1：设计详情页模板
- Week 2：开发新模板
- Week 3：商家培训
**预期效果**：
- 浏览→加购转化率：30% → 33%（+3%）
---
#### 方案3: 页面性能优化（P1）
**目标**：提升加载速度，降低性能流失
**具体措施**：
1. 图片压缩（WebP格式）
2. CDN加速
3. 懒加载优化
4. 服务端渲染（SSR）
**实施计划**：
- Week 1：性能分析
- Week 2-3：优化实施
- Week 4：效果验证
**目标指标**：
- 平均加载时间：5.2秒 → 2.5秒
- 跳出率：[X]% → [X]%
---
#### 方案4: 支付流程优化（P2）
**目标**：简化支付流程，提升支付转化率
**具体措施**：
1. 一键支付功能
2. 默认地址记忆
3. 支付进度提示
4. 支付失败自动重试
**预期效果**：
- 提交→支付转化率：60% → 70%（+10%）
---
## 五、A/B测试计划
### 测试1: 价格优惠策略
**测试名称**：首单优惠效果测试
**测试周期**：2周
**样本量**：10,000新用户
**测试设计**：
- A组（对照组）：无优惠
- B组（实验组）：首单立减10元
**评估指标**：
- 主指标：浏览→加购转化率
- 辅助指标：整体转化率、GMV、客单价
**预期效果**：
- 转化率提升：+5%
- GMV提升：+3%
---
### 测试2: 详情页优化
**测试名称**：视频展示效果测试
**测试周期**：2周
**样本量**：20,000用户
**测试设计**：
- A组（对照组）：现有详情页
- B组（实验组）：增加视频展示
**评估指标**：
- 主指标：浏览→加购转化率
- 辅助指标：页面停留时长、跳出率
---
## 六、监控与迭代
### 监控指标
**实时监控**（每小时）：
- 各步骤转化率
- 整体转化率
- GMV
**周报监控**：
- 转化率趋势
- 流失原因变化
- 优化效果对比
---
### 迭代机制
**迭代周期**：每2周复盘一次
**迭代流程**：
1. 数据分析 → 识别问题
2. 假设提出 → 设计优化方案
3. A/B测试 → 验证效果
4. 全量上线 → 监控效果
5. 持续优化
---
## 七、下一步建议
建议执行：
1. /pm-abtest - 设计详细的A/B测试方案
2. /pm-growth - 制定增长执行方案
3. /pm-report - 建立数据监控体系
---
**项目状态**: 漏斗分析完成
**生成时间**: [当前时间]
**生成工具**: super-pm v2.0.0
注意事项
- 数据准确性：确保数据埋点准确，避免数据偏差
- 多维度分析：结合用户分群、渠道、设备等多维度分析
- 归因准确：正确归因流失原因，避免误判
- 持续优化：漏斗优化是持续过程，需定期复盘
输出质量对比
✅ Good 示例：
- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」
❌ Bad 示例：
- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」
常见误区 / Red Flags — STOP
出现以下情况立即停止并回溯：
| 误区 | 正确做法 |
|---|---|
| 使用"应该"、"大概"、"看起来"做结论 | 必须基于实际数据和验证 |
| 未运行检查就声称已完成 | 先验证，再陈述 |
| 因时间紧迫跳过关键步骤 | 没有例外，时间紧更要严格 |
| "这次应该没问题"的想法 | 每次都要重新验证 |
产出质量检查 / Verification Checklist
- 前置依赖已满足（输入文档/数据已收集）
- 核心步骤已全部执行
- 输出文档已生成到
docs/目录 - 每个判断都有数据/证据支撑
- 已推荐 2-3 个