Funnel conversion calculator

Ang funnel ay pagkakasunod ng mga step, na bawat isa ay nilalampasan ng bahagi ng mga user mula nakaraang step. Hayaang U₁, U₂, …, U_n ay bilang ng unique user sa bawat step. Kinakalkula ng calculator:

Ang huling linya ay ang pangunahing katangian ng funnel: ang overall conversion ay product ng mga step conversion. Kaya ang parehong relative na pagtaas sa anumang step ay nagbibigay ng parehong pagtaas sa dulo: pagtaas mula 50% tungo 60% sa ikatlong step ay pantay na mahalaga sa pagtaas mula 70% tungo 84% sa unang step — parehong tumaas ng 20%.

Ang what-if na senaryo

Kung tataas ang conversion ng step k ng factor na (1 + u) at pinananatili ng mga susunod na step ang kanilang conversion, ang mga user sa step k at sa bawat susunod na step ay minu-multiply ng parehong factor:

Ang assumption na “hindi nagbabago ang mga susunod na step” ay hindi palaging realistic: kung tinutulak ang mga user na hindi gaano motivated sa isang step, mas madalas na aalis sila sa susunod. Ituring ang resulta bilang upper bound at patunayan ang pagbabago gamit ang A/B test.

May dalawang tapat na depinisyon ang “pinakahinang punto” ng funnel, at ipinapakita ng calculator ang dalawa.

• Pinakahinang step — ang step na may pinakamababang conversion CR_k, naka-highlight na pula sa chart. Sinasagot nito ang “kung saan pinakamalang gumagana ang proseso”: kung nakalulusot ang mas kaunti sa kalahati ng mga dumating, karaniwang may malinaw na problema — nakalilitong screen, labis na field, walang dahilan para magpatuloy.
• Pinakamaraming nawala — ang step na may pinakamalaking drop-off D_k sa bilang ng user. Ang mga unang step ay halos palaging nawawalan ng mas maraming tao dahil mas maraming traffic ang dumaraan dito.

Para sa pag-prioritize, tingnan ang dalawang numero at ang halaga ng pagbabago. Mula sa product formula, ang parehong relative na pagtaas sa anumang step ay may parehong epekto sa dulo. Ngunit ang pagtaas ng conversion mula 45% tungo 54% ay karaniwang mas madali kaysa mula 90% tungo 108% (na imposible) — bakit ang mga step na may mababang conversion ay may mas maraming puwang na tumaas.

Ang onboarding funnel

Sa SaaS, ang pinakamahal na leak ay kadalasan nasa pagitan ng sign-up at unang key action — ang sandaling unang nakakuha ng value ang user: gumawa ng project, ikonekta ang data source, imbitahan ang teammate. Mga karaniwang step: sign-up → pagkumpirma ng email → profile o onboarding → unang key action → pagbalik sa loob ng isang linggo. Paano pumili ng key action at maghatid ng mas maraming user dito: paano pataasin ang user activation sa SaaS; ang mga step ng onboarding: onboarding checklist.

• Event sa halip ng user. Kung binuksan ng isang tao ang checkout page tatlong beses, ito ay isang user sa step, hindi tatlo. Ang mga funnel na batay sa event ay madaling nagbibigay ng “conversion” na higit sa 100%.
• Iba’t ibang panahon para sa iba’t ibang step. Ang mga sign-up sa Marso at pagbabayad sa Marso ay iba’t ibang tao: ilan sa mga nagbayad ay nag-sign up sa Pebrero. Mas tapat ang cohort funnel: lahat na nag-sign up sa Marso, at ilan ang umabot sa bawat step sa loob ng takdang window, halimbawa 14 araw.
• Mga step na maaaring laktawan. Kung maaaring pumasok ang user sa produkto nang walang onboarding, ang “unang key action” ay maaaring may mas maraming tao kaysa “nakumpleto ang onboarding”. Nagbababala ang calculator tungkol sa mga ganitong step; buuin ang funnel mula sa mga step na tunay na magkakasunod o ituring ang mga lumaktaw bilang hiwalay na segment.
• Average ng lahat ng channel. Ang mga funnel ng paid at organic, mobile at desktop ay kadalasang nagkakaiba nang ilang beses. Ang kabuuang numero ay maaaring nagtatago ng problemang nasa isang segment lamang.
• Masyadong maikling window. Ang “bumalik sa ika-7 araw” ay hindi mabibilang para sa mga user na nag-sign up kahapon. Isama lamang ang mga user na natapos na ang observation window.
• Konklusyon nang walang test. Ang step conversion na tumaas pagkatapos ng pagbabago ay maaaring seasonality o pagbabago ng traffic. Patunayan gamit ang A/B test — sinasabi ng A/B test calculator kung ilang user ang kailangan.

1. Croll A., Yoskovitz B. Lean Analytics: Use Data to Build a Better Startup Faster. O'Reilly Media, 2013 — mga funnel, pagpili ng key metric, mga yugto ng user lifecycle.
2. McClure D. Startup Metrics for Pirates: AARRR! Talk, 2007 — ang funnel na acquisition → activation → retention → revenue → referral.
3. Amplitude Docs — Funnel Analysis chart: unique user, pagkakasunod ng step at conversion window (amplitude.com/docs).
4. Mixpanel Docs — Funnels: conversion window, uniques vs totals (docs.mixpanel.com).