轉化分析｜一位數據分析師的實驗田復盤

花3個月時間，吭哧吭哧寫了80頁草稿的《投資——1. 知己知彼》，發布之前豪言壯語“2000閱讀量”，到現在累計72，真是piapia打臉！心態那個崩啊！！

朋友們吐槽內容太長、定位不明確、分析深度不夠，都挺有道理，可我還是不知道怎么改，才能達到心心念念的2000閱讀量，想想還是回到相對擅長的數據領域，做個系統分析，看看能否找到一些原因和解決辦法。

鑒于本文篇幅較長，建議根據需要閱讀：
如果你對內容分析感興趣，請直奔第二部分“實例分析：圖文內容轉化”；
如果你在找FineBI繪制漏斗圖的方法，請直奔本文最后一部分“FineBI繪制漏斗圖”；
如果你有時間和耐心看長篇大論，建議從頭開始，慢慢閱讀，也可以關注博主，我將盡力做到知無不言、言無不盡。

圍繞三個模塊展開吧：
1. 營銷實驗田
2. 實例分析：圖文內容轉化
3. FineBI繪制漏斗圖

一、營銷試驗田

1. 為什么會有這樣一塊實驗田？

從作為數據分析師的這一職業來說，工作中的痛點莫過于：用滯后的數據腦補業務場景，依賴上課、看書等“眼看、耳聽”的方式獲得一些理論知識，進而給出了一些自己沒有“動手”實踐過、無需承擔直接責任的實施建議。

這種情況下，通常會遇到兩類問題：
a）腦袋里積攢了非常多想法，如何分辨哪些想法是有效的，以及能產生多大的效果？
b）如何實踐這些想法？可以實踐到什么程度？

這兩類問題關鍵都在于“實踐”，如果囿于無平臺實踐，躊躇不前未免讓人意興闌珊，不妨學一學蘇東坡的處世哲學：用舍由時，行藏在我。

1> 用舍由時：大部分情況下，由于數據分析師本身崗位的功能設定，當有了自認為很厲害、王炸一樣的想法，也可能會因為缺乏實戰經驗、無業務權限而無法實施，難免有壯志難酬之感，當然也有一些優秀的分析師在機緣巧合之下走上業務崗位，但，業務實踐畢竟是拿老板的錢做嘗試，因此有沒有實踐機會，主要取決于所處的環境。

2> 行藏在我：自己的選擇和行為取決于自己，在這個時代，依靠理論泛泛而談是不夠的，花拳繡腿可抵擋不住商業環境的浩浩蕩蕩，公眾號就是博主的自建實驗田，一個可以讓思維自由飛揚、又可以做營銷實踐的地方，春種一粒粟，也期待秋收萬顆子。

《投資》這篇內容就是一粒在博主看來還不錯的種子，可它尚未發芽，更別說結果子了，從數據分析角度來看，就是：轉化沒做好啊！

2. 要提升，做轉化

轉化，指的是信息與行為之間的交互，如：推送一篇內容是信息觸達，用戶接收到信息后，是否閱讀就是行為反饋。

轉化路徑，指的是有先有后、有次序地呈現信息，發生一個又一個動作，形成“開始動作→中間動作→目標動作”的行為路徑，如：看到內容→閱讀→轉發。

漏斗分析，指轉化路徑中每一個動作的完成量，將轉化過程量化、可視化。

通過定義路徑，將用戶行為歸納為一系列關鍵步驟；
運用漏斗分析，可以快速定位到轉化異常的步驟，從而對呈現給用戶的信息進行調整。

3. 轉化分析的4個步驟

1> 定義轉化路徑

·?確定用戶的起始動作、目標動作。
·?目標動作可能會有多種，找一個最關注、最核心的即可，如果認為2個或2個以上都很重要，可以嘗試用福格行為模型，分析每一個目標動作的實現難度，再做選擇。
·?從起始動作到目標動作，可能會有多種行為路徑，根據需要分析的問題，選擇一條最關注、且多數人會選擇的路徑即可。

以微信推文內容為例：

起始動作：推文展現在用戶手機上，即“曝光”。
中間動作：閱讀、瀏覽深度
目標動作：閱讀、關注、轉發、點贊、在看、留言、贊賞。

a）什么是福格行為模型？

·?福格行為模型，由斯坦福大學行為設計實驗室的創始人B.J.福格博士提出，主要是為了研究人類行為的影響因子有哪些，幫助我們更深入地理解行為、設計行為。
·?這項研究指出，人的行為受到3個關鍵因素的影響，即：行為（Behavior）是在動機（Motivation）、能力（Ability）、提示（Prompt）共同作用下發生的，可以簡化為一個公式：B=M+A+P。

動機

·?動機是一切行為發生的前提，要做成一件事，首先必須“想做”才會去做，如：想學習才會去讀書、想減肥才會去運動…
·?動機具有復雜性，如：讀書的動機是什么？為了解決實際遇到的問題、為了通過考試、還是為了探索世界？需要找到真正核心的動機，只有最核心的動機才能產生長期、堅持“想做”一件事。
·?動機具有波動性，“三分鐘熱度”講的就是動機的波動性，一件事剛開始做的時候，通常有非常強烈的動機，但是很難長期維持高漲的動機，因此單一憑借動機，行為大概率無法改變。

能力

·?能力是行為發生的必要條件，不同行為對能力的要求不同，即使有強烈的動機，如果缺乏必要的能力，行為也難以發生。
·?福格博士提出了能力鏈理論，可以從時間、資金、體力、腦力、日程，這5個維度分別來思考一件事情難在哪里？從而調整難度，讓一件事情變得“容易做”。
·?舉個例子，早睡早起為什么如此難？顯然不是時間、資金、體力、腦力的問題，可能會有晚上睡不著、早起犯困的情況，因此早睡早起問題大概率在于：如何制定合理的日程表？

提示

·?提示是具體行為可以發生的信號，跟談朋友的關系有點相像，有動機有能力沒有提示，全靠猜，猜又猜不對，顯然就談不好嘛。
·?如果想培養一個習慣，可以做一個習慣清單，將它安排在日程之中，用SQL語言來說，就是：case when 'A' then 'B'，通過不斷練習，直到行為可以自然而然地發生。

b）用福格行為模型分析目標動作

對“閱讀、點贊、關注、在看、轉發、留言、贊賞”這些目標動作，可以從動機和能力兩個維度進行深入分析，看看每種行為發生的驅動力和所需條件。
* 關于提示的分析，在本文第二部分的影響因子分析中做簡要說明。

動機層面

·?閱讀：希望獲取信息、提升知識水平、個人技能等。
·?點贊：表達對內容的認同感，較閱讀動機稍高一些。
·?關注：對創作者有持續興趣，希望獲得更多相關內容。
·?在看：可能涉及個人隱私或特定社交需求。
·?轉發：包含社交分享和傳播意愿。
·?留言：希望與作者或其他讀者深入交流。
·?贊賞：對內容的高度認可，需要超高的動機強度。

按照動機強弱排序，得出：
閱讀<點贊<關注<在看<轉發<留言<贊賞。

能力層面

·?閱讀：需要時間與一定的腦力。
·?點贊：比閱讀多了一個點贊的動作。
·?關注：比閱讀多了一個關注的動作。
·?在看：比閱讀多了一個點擊在看的動作。
·?轉發：比閱讀多了一個分享的動作。
·?留言：需要讀者用文字表達想法，在腦力消耗上稍高一些。
·?贊賞：需要讀者深度閱讀內容，以判斷內容是否值得贊賞，同時還有資金要求。

按照能力要求的高低排序，我們得到：
閱讀<點贊≈關注≈在看≈轉發<留言<贊賞。

從目標動作發生的綜合難度來看：
閱讀<點贊<關注<在看<轉發<留言<贊賞。

假設選擇轉化路徑：曝光→閱讀→轉發。

2> 轉化率：整體、逐級

a）整體轉化率

以起始動作為100%，每個動作完成的比例，可以快速了解到整體的轉化情況。
漏斗值：曝光量（1000）→閱讀量（600）→轉發量（30）
轉化率：曝光率（100%）→閱讀率（60%）→轉發率（3%）

b）逐級轉化率

每相鄰兩個步驟之間的轉化率，可以知道每兩個步驟之間的轉化情況，快速定位到流失率較高的環節。
曝光→閱讀：600/1000=60%
閱讀→轉發：30/600=5%

3> 維度拆解

a）為什么要做維度拆解？

·?相同的信息，在不同的時間、傳遞給不同的人，給出的動作反饋可能是不同的，同理，相同的內容，在不同渠道、以不同的曝光方式、呈現給不同的讀者，轉化率也可能是不同的。
·?由于轉化是多種因素共同作用的結果，如果揉合在一起看總轉化率，經常難以得出確切的結論，也找不到適當的方法來調整，因此需要對轉化漏斗進行維度拆解，進行更為細致的分析。

b）如何做維度拆解？

·?維度分類，指的是從哪些維度來進行拆解，如：閱讀的曝光渠道、讀者的年齡等。
·?維度分類的構成，指的是每個維度可以分為哪些層級，如：閱讀的曝光渠道這個維度，包括公眾號消息、公眾號主頁、推薦、搜一搜、朋友圈、對話框、朋友在看等。
·?維度分類構成的轉化率，以微信內容的曝光渠道為例，從最上層的曝光量開始，進行目標動作的轉化漏斗拆解：轉發量=曝光量×曝光點擊率×閱讀轉發率，需要把轉化步驟具象化一些，還原讀者的閱讀時看到的內容，參考下圖。

4> 轉化因子分析

對維度拆解后的轉化漏斗進行影響因子的分析，包括兩個部分：影響因子、因子分類。

a）從指標思考影響因子

·?曝光量：內容的初始曝光量主要與選題方向、標題吸引力、以及內容的更新頻率有關。
·?曝光→點擊：與選題、標題、封面設計的視覺吸引力、發布時間的合理性、以及摘要的簡潔明了有關，其中標題的影響較大。
·?閱讀→轉發：主要與讀者需求匹配度、內容專業度、圖文設計有關。

b）對影響因子進行分類

·?由于轉化的影響因子較多，我們從兩個維度對因子進行分類：內因與外因、可控與不可控，再有針對性地進行調整，重點關注內因×可控的影響因子。
·?內因，指與內容本身相關的因素，如：選題、標題、摘要、封面設計、發布時間、圖文設計、更新頻率、內容專業度等，運營者可以直接控制和調整。
·?外因，指外部環境的影響因素，如：選題的推薦權重、搜索的排名規則、讀者的行為偏好等，運營者可能無法獲得相關信息、或進行直接控制。

二、實例分析：圖文內容轉化

這部分會圍繞公眾號發布的近20篇內容，做個轉化分析示例，希望可以回答這3個很重要、復雜度高且樸實的問題：

是什么（What）：《投資》這篇內容的數據表現如何？
為什么（Why）：為什么閱讀量如此之少？
怎么辦（How）：如何改進呢？

1. 定義轉化路徑

開始動作：曝光
中間動作：閱讀
目標動作：閱讀、點贊、轉發、關注、在看、留言、贊賞。

* 點擊與閱讀：用戶看到圖文曝光，點擊后進入內容頁面，到達內容頁面開始閱讀，一般而言，點擊→閱讀的轉化率在95%以上，暫且認為點擊量≈閱讀量，本篇中可能存在混用這兩個動作的情況，在這里稍作解釋。

在第一部分用福格行為模型分析，對目標動作的實現難度分析，得出的結論是：閱讀<點贊<關注<在看<轉發<留言<贊賞，即在上述目標動作中，瀏覽相對容易發生，贊賞發生的難度較大。

應該選擇哪個作為目標動作呢？

a）在心理上來講，博主比較關注“閱讀量”，因為讀者通過閱讀量可以直觀判斷內容的熱度，間接判斷內容的質量。
b）進一步分析了瀏覽量的構成，發現朋友圈帶來的閱讀量占比較高，說明閱讀量主要是由用戶轉發帶來的，即：優質內容是因，高閱讀量是果。
c）幾個月前微信把的“轉發量”數據在用戶端展示了出來，相較于閱讀量，它是一個含金量更高的指標，更能代表內容的質量，因此更傾向于選擇“轉發”作為目標動作。

由此，確定轉化路徑：曝光→閱讀→轉發。

2. 內容轉化率

a）投資內容的數據表現

整體：
曝光量（603）→閱讀量（63）→轉發量（7）
曝光率（100%）→點擊率（10.4%）→轉發率（1.2%）

逐級：
曝光→瀏覽：10.4%
瀏覽→轉發：11.1%

b）分析過程

·?曝光量：因微信公眾號后臺歷史數據缺失，僅對比近3篇內容的曝光量，發現投資主題的曝光量相對較低，需要進一步分析是哪個曝光渠道的原因。
·?閱讀量：閱讀量處于近20篇內容末位，閱讀量=曝光量×曝光點擊率，需要進一步分析內容的曝光點擊率。
·?轉發量：轉發量數據無明顯異常。
·?曝光→點擊→轉發：整體轉化率偏低，需要分析逐級轉化率，以確定是哪個環節的問題。
·?曝光→點擊：在最近3篇的內容中，投資的曝光點擊率最低，需要拆解曝光渠道漏斗，逐一排查原因。
·?閱讀→轉發：投資的閱讀轉發率較高，處于Top2水平，僅次于小爆文《用數學理解世界》，一定程度上是讀者對內容質量的認可，這一點點認可就可以給博主Power！

結論：投資內容的曝光量與曝光點擊率較低，說明問題主要出現在閱讀內容之前的步驟，即：曝光->點擊這個過程。

3. 渠道轉化數據

接下來篩選2個關鍵且為一級曝光位置的渠道：公眾號主頁+消息、推薦、搜一搜，做個維度拆解分析。

a）公眾號主頁+消息

·?曝光量：442，曝光量較高，主要依賴于我們“龐大”的粉絲基數。
·?曝光→點擊：10.4%，粉絲讀者的點擊率較低，與內容選題、標題、摘要、封面設計、推送時間有關。
·?閱讀→轉發：10.9%，轉發率暫無明顯異常。

b）推薦

·?曝光量：161，推薦曝光量較低，與微信平臺的推薦規則有關。
·?曝光→點擊：1.9%，點擊率較低，與標題有關。
·?閱讀→轉發：66.7%，轉發率較高。

結論：兩大核心位置都出現了曝光點擊率較低的問題，從影響因子的交集來看，標題是最導致點擊率偏低的主要原因。

4. 影響因子分析

找到了問題點，接下來就要討論“How”的事情了。
在這一部分會聊聊每個影響因子的一些思考，有些多，有些少，也會找一些參考資料，看看有沒有一些可以借鑒的規則和方法。

1> 選題

選題，或者說話題，不同的話題有不同的推薦量、搜索量，不同的話題吸引到不同的用戶。

a）根據話題的留存時間可以劃分為：流量型、存量型。

·?流量型，代表對即時的事件分析，也可以稱為事件性議題，是短期的信息訴求，對時效性要求較高。
·?存量型，代表對長期存在問題的分析，存在不同的立場與觀點，因此有討論的空間，也可以稱為話題性議題，可以是老問題的新解法、新觀點，比如：男與女、貧與富、城市與農村，每一組都有認同性爭議，可以跨越世紀、跨越年代討論。

b）根據內容研究的深度可以分為：專業類、科普類。

·?專業類，專家寫給專業的人看，有大量的專業詞匯。
·?科普類，專業的人寫給對相關知識感興趣的讀者閱讀。

從內容的留存時間來看，博主更傾向于存量型內容，如果時隔兩年再次閱讀，仍可以帶來思考，那這篇內容的觀點、邏輯在一定程度上是經受住了考驗，算得上一篇優質內容。
從內容的研究深度來看，暫時不能自詡為專家，正在科普類與專業類之間找一個交匯點，讓不同話題具有相似的表達風格和邏輯，這樣讀者可以在多樣化的主題中感受到內容的連貫性與專業度。

2> 標題

“曾經有3個標題擺在我面前，我沒有好好選，等看到數據才追悔莫及，寫內容最痛苦的事莫過于此；
如果有10個標題讓我再選一次，我會對那個標題說I believe you，如果要在這份信任上加個閱讀量，我希望是2000！”

每一篇內容，博主會準備至少3個標題，這次準備了10個：

a）一位數據分析師的實驗田復盤（最喜歡這個標題，可缺少了搜索關鍵詞）
b）一位數據分析師的內容轉化分析（奇奇怪怪的組裝）
c）如何做轉化漏斗分析？（中規中矩，缺少了特色）
d）硬核內容：轉化分析（有點標題黨的意思）
e）內容運營的實戰分析（關鍵詞有了，少了文藝范）
f）FineBI繪制漏斗圖（只概括了其中一小部分，不夠切合主題）
g）內容轉化分析（過于簡潔，難以快速理解主題）
h）美女教你學FineBI（美女在哪呢？）
i）用漏斗分析復盤我的公眾號（太直接了，委婉一些好嘛）
j）最懂內容的數據分析師（是不是調起得有點高？）

用戶在查找資料時，一般是這樣的行為路徑：在搜索欄內輸入關鍵詞，瀏覽搜索結果中相關內容的標題，選擇一個感興趣的標題點擊，也就是“搜索→曝光→點擊”，基于這一行為路徑，我們需要思考什么樣的標題能被互聯網搜索到，在被搜索到之后可以吸引用戶的注意力。

a）互聯網搜索

·?在互聯網的海量信息中，用戶獲取指定信息主要依賴于搜索引擎，即通過“關鍵詞”查找。
·?在電商平臺，商家為了提高商品的搜索曝光量，把幾乎所有可能與商品產生聯系的詞匯，都放在了商品名稱中，包含了品名、類別、規格等，如：東方樹葉飲料官方正品茉莉花烏龍茶500ml，按照這種起標題的手法，是不是得這么寫：數據分析師內容營銷實戰公眾號轉化漏斗轉化率，作為一篇圖文內容的標題，詞語組合錯亂顯然是不合適的，需要對關鍵詞進行篩選。
·?假設你有5個備選的關鍵詞，應該選擇哪一個呢？可以用微信指數小程序查看每個關鍵詞的搜索熱度做個參考。

b）廣告設計

在《廣告學人》中提到：標題代表著一則廣告花費的80%，它直接關系到讀者是否愿意點擊并閱讀你的內容，也給了我們一些關于如何寫標題的原則和方法。

·?標題長度：6-12個字的標題更佳。
·?標題風格：讀者在高速穿過廣告叢林，要簡潔、直截了當，不要用雙關語、引經據典、晦澀難懂的詞句。
·?標題文字：標題好比商品標簽，如果你想讓做母親的人讀廣告，在標題里就要有“母親”這個詞，以此類推。

綜上，博主決定用這個標題：轉化分析 | 一位數據分析師的實驗田復盤，包含了主題、搜索關鍵詞，還有最中意的那一個標題。

3> 關于內容

a）開頭

·?博主寫內容的習慣是開頭三段論：1、2、3、闡述為什么要寫這個主題，認為這樣子邏輯遞進的表達方式更清晰，更易于讀者理解。
·?然而，一項研究表明，非常創作者喜歡三段論開頭，但對讀者而言，這樣子的開頭鋪墊太長、原因太模糊、缺乏力量，讀者需要的是一個強有力的開篇，能夠快速抓住注意力。

b）氛圍

·?專業類的博主傾向于輸出純干貨的內容，盡量避免過多的個人情感與主觀觀點表達，同時認為這是讀者需要的。
·?從讀者角度來講，有人喜歡快捷指南、有人欣賞對問題的深度剖析，也有人需要知道對話者是誰？他的立場和動機是什么？因此在內容的開頭稍作背景鋪墊。

c）設計

社會中人們偏愛帥哥美女，做內容也一樣，需要有視覺上的美感。

圖文內容視覺由字體、圖片、布局這三類基本元素組合而成，經過合理組合設計，就可以營造出一篇具有設計感的內容。

* 關于圖文設計的原則，可以參考這篇內容：色輪在手，審美可以有http://mp.weixin.qq.com/s?__biz=MzUzOTYwMjgwNg==&mid=2247484775&idx=1&sn=a785e19bf6e4e19415b26bd7ecc2042b&chksm=fac4bf7ecdb33668f6b3489679f91f84ac960a1a6337a7bba3b9f1b2e806147ca24da829a10b&scene=21#wechat_redirect??????

d）篇幅

·?有研究數據表明，1000-3000字的資訊類內容，在碎片化時間盛行的互聯網更易于吸引讀者。
·?博主傾向于寫5000+字的長文，盡可能在一篇內容里把一件事情聊清楚，如果拆成幾篇短文稿，轉發、收藏就不太合適，在這一點上，暫時沒有很好的想法。

4>?轉化目標的提示

·?點贊、轉發、在看、留言：在每篇內容底部有清晰的提示按鈕，歡迎互動哦~
·?關注：在每篇文章末尾會增加公眾號的卡片，希望感興趣的讀者關注。
·?贊賞：有些朋友點贊的時候告訴我，“這點贊要錢啊”，看來是點贊和贊賞按鈕太相像了，這次把贊賞功能取消，咱們集中火力做轉發！

5>?更新頻率

·?高頻率更新內容，可以保證賬號的活躍度，獲得更多推薦。
·?訂閱號每天可以發布一次內容。
·?在一定程度上，圖文類內容的發布量與粉絲數量是正向相關的。

最近博主的拖延癥有點厲害了，已經有人私信吐槽了，暫定每2個月更新一篇吧。

6> 發布時間

需要給粉絲朋友們道個歉，上次在凌晨兩點發布內容，確實過于草率了，可能對于博主來說是交作業，而對于讀者來說這個時間點的推送是一種打擾。

那么應該選擇在什么時間點發布內容呢？
以2024.6.11-2024.6.17這一周公眾號內容閱讀量的分時段占比數據做個參考，如下圖所示：
盡管閱讀量基數較小，無法精確判斷哪個時段閱讀量最高，但至少知道了凌晨6點之前、晚上10:00之后，這兩個時段幾乎沒有閱讀量，發布內容也是不合適的，可能會選擇7:00-9:00，18:00-20:00這兩個時間段發布。

關于內容轉化的分析，到這里就暫時收尾啦，是不是有讀者在問，文中的配圖是怎么做的呀？別急，第三部分一起來畫圖。

三、FineBI繪制漏斗圖

你是顏值黨嗎？

想象一下：一邊是Excel中密密麻麻、未經修飾的數字，另一邊是色彩斑斕、善解人意的可視化圖表，就問你選誰？

接下來，博主手把手教你：如何用FineBI制作圖1-6所示的漏斗圖？

圖1：累計轉化漏斗
圖2：累計逐級轉化漏斗
圖3：每日平均轉化漏斗
圖4：每日平均逐級轉化漏斗
圖5：每日轉化漏斗，觀測總轉化率波動
圖6：每日逐級轉化率，觀測每天哪個步驟出現了變化

方法1：匯總表，圖3-圖6

a）數據集

在儀表盤的[數據]Tab內導入如下圖所示的各個步驟的匯總數據，包含：日期、漏斗步驟、漏斗值3個字段。

b）實現步驟

1> 確定制圖需要用到的字段：日期、漏斗步驟、每個步驟的人數、主路徑轉化率、逐級轉化率，逐一計算生成。
2>?第一層漏斗的值：DEF(SUM_AGG(${漏斗值}),[${date}],[${漏斗步驟}="DAU"])
3>?總轉化率=漏斗值/第一層漏斗的值
4>?漏斗步驟排序列：DEF(COUNT_AGG(${漏斗步驟})+1,[${date},${漏斗步驟}],[${date}=EARLIER(${date}),${漏斗值}>EARLIER(${漏斗值})])
5>?每層漏斗上一層漏斗值：DEF(SUM_AGG(${漏斗值}),[${date},${漏斗步驟排序列}],[${date}=EARLIER(${date}),${漏斗步驟排序列}+1=EARLIER(${漏斗步驟排序列})])
6>?逐級轉化率=漏斗值/每層漏斗上一層漏斗值
7> 在[數據]Tab內生成的數據集如下圖中表格所示。
8> 制作可視化圖形，依次選擇圖表類型、拖拉拽字段即可。

方法2：明細表，圖1-圖2

對于一些決策周期較長的業務模式，需要做累計轉化漏斗，在儀表盤界面需要設置篩選器，以實現日期的自由篩選，以FineBI的自帶數據集做個示例（注意：與上述的數據源、數據集不同）。

a）數據集

要實現日期篩選后漏斗值的去重，就需要繪圖區域是明細數據，將如下圖所示的明細數據導入儀表盤的[圖表制作]界面，至少包含：用戶ID、日期、漏斗步驟3個字段。

b）實現步驟

1> 在圖表繪制區域進行計算，先用維度表格展示數據，核對數據計算結果，整體步驟與上述3-6的步驟相似，在函數使用上略有不同。
2> 將用戶ID字段轉換為指標（去重計數），字段重命名為“人數”。
3>?第一個步驟的人數：DEF(${人數},[],[${漏斗步驟}="瀏覽商品"])
4>?轉化率（總）=${人數}/SUM_AGG(${第一個步驟人數})
5>?步驟排序列：DEF(COUNTD_AGG(${漏斗步驟})+1,[${漏斗步驟}],[DEF(${人數},[${漏斗步驟}])>EARLIER(DEF(${人數},[${漏斗步驟}]))])
* 注意，這里是COUNTD_AGG()！！！
6>?上一步驟的人數：DEF(${人數},[${漏斗步驟}],[${步驟排序列}+1=EARLIER(${步驟排序列})])
7>?轉化率（逐級）=${人數}/SUM_AGG(${上一個步驟的人數})
8>?制作可視化圖形，依次選擇圖表類型、拖拉拽字段即可。