数据分析并非只是简单的数据分析工具三板斧------Excel、SQL、Python，更重要的是数据分析思维。没有数据分析思维和业务知识，就算拿到一堆数据，也不知道如何下手。
推荐书本《数据分析思维------分析方法和业务知识》，本文内容就是提取这本书的主体思维，以提高自身的数据分析素养。
先来点鸡汤：学会把书读薄，就要学会总结，撰写学习博客的过程就是加深印象的过程，也是持续提高自身素质的有效方法。冲冲冲！
此前篇章：
数据分析思维（二）：分析方法------5W2H分析方法、逻辑树分析方法、行业分析方法
数据分析思维（四）：分析方法------对比分析方法、A/B测试
数据分析思维（九）：分析方法------AARRR模型分析方法
漏斗分析方法
一、什么是漏斗分析方法
漏斗分析解决的问题：业务流程从开始到结束过程的每一个节点都会有用户流失，因此需要一种分析方法来衡量每一环节的转化效率。
环节转化率 = 本环节用户数 / 上一环节用户数。
整体转化率 = 某环节用户数 / 第一环节用户数（即一开始的用户数）。
将表格做成漏斗分析图：
二、漏斗分析方法有什么用
作用：定位问题节点（即找出哪一环节出问题）。
适用场景：常用于用户转化分析或者用户流失分析
关注两个指标：用户转化率、用户流失率
在越靠后的环节转化的用户，价值越高，对产品越忠诚，更认可业务的流程。随着转化用户的不断增加，留存用户的规模也在不断增大，产品的盈利规模也随之增加。
不管什么原因，最终目的都是不断减少用户的流失率。
三、如何使用漏斗分析方法
以汽车行业为例，业务流程可以分为3个部分：售前、售中、售后。
将该业务流程中的指标与漏斗分析结合，就可以得到环节转化率和整体转化率。
漏斗分析的整体转化率，是从整体上评估各环节用户占初始环节用户的比例，可以用于预测未来的大致转化或流失情况，比如预估未来一个月线索为4000，则签约率可以预估为4000 * 13% = 520左右。
漏斗分析的环节转化率，可以评估各业务环节之间的转化情况，通过比较各环节的转化率，从而寻找业务瓶颈点（即转化率异常的环节)，然后可以进一步分析异常原因。
注意的是：转化率不能只单单对比参考自己业务环节之间的转化率，还要结合行业平均值，比如"线索------进件"环节转化率的行业平均值为19%，那么上图中25%的转化率已经高出6个百分点了，那么该环节不应作为最急需解决的环节。
四、注意事项
使用漏斗分析方法来分析用户转化问题时，不同的行业业务流程不一样，所以漏斗分析图也不一样，不可以把漏斗分析方法原封不动地代入某个行业，要结合行业进行调整。
＃ 文章紧供个人学习，后续还会继续更新！