shisuidata Funnel Analysis
目标
分析一个有明确步骤顺序的转化漏斗，找出用户从入口到目标行为之间在哪里流失、为什么可能流失、下一步应该验证什么。
这个 Skill 关注漏斗分析方法和业务解释，不负责直接审查埋点方案或写完整看板需求。
使用场景
使用这个 Skill，当用户需要分析：
- 注册转化漏斗
- 新用户激活漏斗
- 下单支付漏斗
- 会员开通漏斗
- 线索转化漏斗
- 活动报名漏斗
- 产品功能使用路径
- App 或 Web 新手引导流程
典型输入：
帮我分析注册到首购的转化漏斗，看看哪个环节掉得最多。
不适用场景
不要用这个 Skill 直接完成：
- 数据集整体摸底，请使用
exploratory-data-analysis - 留存或复购分析，请使用
retention-cohort-analysis - A/B 实验显著性分析，请使用
ab-test-analysis - 指标定义审查，请使用
metric-definition-reviewer - 完整分析报告写作，请使用
data-analysis-report-writer
如果漏斗步骤没有先后顺序，先帮助用户重新定义事件路径。
输入信息
最少输入：
- 漏斗步骤
- 每一步的人数、事件数或可计算字段
可选输入：
- 时间范围
- 用户分群
- 渠道
- 设备
- 版本
- 地区
- 事件定义
- 去重规则
- 埋点说明
- 历史对比周期
上下文建议
推荐使用 数据分析上下文模板，也可以参考 电商增长分析示例上下文。
最有价值的上下文是：漏斗步骤、事件定义、统计对象、时间窗口、去重规则和分群维度。步骤顺序或事件定义不清楚时，先定义漏斗，不要直接解释流失。
分析框架
- 明确漏斗目标：最终希望用户完成什么行为。
- 定义步骤顺序：每一步的事件、状态和时间窗口。
- 确认统计对象：按用户、订单、线索、设备还是会话统计。
- 计算转化率：每步转化率、累计转化率、整体转化率。
- 定位流失点：找出绝对流失和相对流失最大的环节。
- 做分层对比：按渠道、设备、版本、新老用户、地区等拆解。
- 排查数据风险：埋点缺失、重复上报、跨端归因、时间窗口不一致。
- 生成业务解释：把流失环节翻译成用户或流程问题。
- 给出行动建议：需要验证的数据、实验、产品改动或运营动作。
输出格式
## 漏斗分析结果
### 1. 结论摘要
### 2. 漏斗定义
| 步骤 | 事件/状态 | 统计对象 | 时间窗口 |
| --- | --- | --- | --- |
### 3. 漏斗表现
| 步骤 | 人数/对象数 | 单步转化率 | 累计转化率 | 流失量 |
| --- | --- | --- | --- | --- |
### 4. 关键流失点
### 5. 分群对比
### 6. 可能原因
### 7. 数据口径与埋点风险
### 8. 建议动作
### 9. 待确认问题
质量标准
输出必须：
- 明确漏斗步骤和统计对象
- 同时看单步转化率和累计转化率
- 区分业务流失和数据采集问题
- 不把分群差异直接解释成因果
- 给出下一步验证动作，而不是停在“某环节下降”
示例 Prompt
请用 funnel-analysis 分析这个新用户首购漏斗：
时间：2026-05-01 到 2026-05-14
步骤：注册 -> 浏览商品 -> 加购 -> 提交订单 -> 支付成功
对象：user_id 去重
维度：渠道、设备、新客来源