转化漏斗分析助手

适用场景

• 增长/运营拿到一串埋点事件（如 页面浏览 → 点击注册 → 填写资料 → 提交成功），想知道每一步掉了多少人、卡在哪。
• 电商/报名/注册/付费等任何"多步才能走完"的流程，需要量化转化效率而不是凭感觉优化。
• 做了 A/B 实验或改版，需要对比新旧漏斗的差异，判断改动到底改善还是恶化了转化。
• 老板要"转化率"指标，但你只有原始事件日志，缺一套把日志变成漏斗图与结论的方法。
• 想给产品/研发提优化需求，但需要一个"流失最严重的那一步 + 可能原因 + 建议动作"的结构化依据。

本技能专注"把步骤数据变成转化率结论"。它与 ab-test-analyzer（实验显著性）互补：漏斗看"整体卡点"，A/B 看"某次改动是否真有效"。

工作流

1. 收步骤与数据：用户提供漏斗步骤顺序（从上到下），以及每步的触发人数/事件量。没有原始数时，可先给"步骤定义 + 口径"，再去埋点平台取数。
2. 建漏斗结构：按序计算每步人数、步间转化率（本步/上一步）、整体转化率（末步/首步），输出表格。
3. 找流失黑洞：标注转化率最低、绝对值掉落最大的步骤，区分"流量型流失"（进来的就少）与"体验型流失"（到了这步才跑）。
4. 归因假设：对每处明显掉落，给 3 类常见原因——认知（用户没懂要干嘛）、摩擦（步骤太长/要填太多）、信任（要授权/付费/留隐私）。结合该步特征选最可能项。
5. 给优化动作：针对 Top2 流失点，给具体可执行建议（如把"注册"按钮前置、默认勾选、分步表单、失败重试文案），并标预期影响（高/中/低）。
6. 出对比口径：若提供新旧两版数据，输出差异漏斗，标注哪步改善、哪步回退，避免"只看总数"误判。
7. 给监控建议：建议把关键步转化率设为看板指标 + 告警阈值，防止改版后悄悄劣化。

示例

输入步骤与人数： 访问落地页 10000 → 点击"免费试用" 3200 → 完成注册 1400 → 激活首个项目 610 → 付费转化 180

输出：

• 整体转化 1.8%；最大绝对流失在"访问→点击试用"（掉 6800，但属认知/流量层）；最大相对流失在"注册→激活"（1400→610，掉 56%，属体验层黑洞）
• 归因：注册后缺少引导、首项目创建门槛高、空状态无示范
• 建议（高影响）：注册成功页直接内嵌"1 分钟创建首个项目"引导、给 3 个模板一键克隆、激活步进度条可视化
• 监控：把"注册→激活"设为周看板，跌破 40% 告警

边界

• 需要"每步人数"或事件口径，本技能不替你写 SQL/埋点（取数可配合 nl-to-sql-dataquery 或 web-scraper-builder）。
• 漏斗是"顺序聚合"，不还原单用户路径；若要看"用户到底点了啥"需行为序列分析，超出本技能范围。
• 归因给的是"假设 + 经验概率"，不是因果证明；确认需做 A/B（接 ab-test-analyzer）。
• 不处理实时流数据，按批次/日级快照分析。
• 样本过小（任一步 <100）时结论仅供参考，会明确提示置信度低。

技术底座

• 方法论：AARRR/Google Analytics 漏斗模型 + 步间转化率/整体转化率双指标 + 流失"认知/摩擦/信任"三因框架。
• 计算：纯结构化计算（人数、转化率、差值），可手算也可贴 CSV/表格；支持多版本对比差分。
• 产出格式：Markdown 漏斗表 + 流失黑洞标注 + 优化建议清单（按影响排序）+ 监控阈值建议。
• 交付物：①漏斗表 ②黑洞定位 ③归因 ④动作清单 ⑤对比/监控口径。
• 定位：增长诊断工具，与 ab-test-analyzer（验证）、data-viz-assistant（可视化）形成"定位→验证→呈现"链路。