漏鬥分析是一種在電子商務網站分析中常用的技術，SmartNoteBook是一個基于Notebook的低代碼工具，通過結合SQL和Python的優勢，以低代碼的方式提供了資料轉換、分析和可視化的功能，降低了分析難度，充分發揮了SQL和Python的特點，使分析過程更加高效、靈活和可維護。本文帶您使用SmartNoteBook進行漏鬥分析(Funnel Analysis)。
圖：漏鬥分析(Midjourney生成)
什麼是漏鬥分析(Funnel analysis)
漏鬥分析(Funnel analysis)是一種在電子商務網站分析中常用的技術，用于了解使用者在網站上的轉化過程和行為流程。該分析方法以"漏鬥"的形式描述了使用者從通路網站開始到最終完成某種目标（如購買産品）的整個轉化過程。
在電子商務網站分析中，漏鬥通常由一系列關鍵步驟或階段組成，例如：通路網站、浏覽産品、将産品添加到購物車、進行結賬、最終完成購買等。每個階段的使用者數量可能會逐漸減少，就像漏鬥一樣，是以得名"漏鬥分析"。
通過漏鬥分析，營運人員可以識别出在轉化過程中的瓶頸或流失點，分析哪些步驟導緻了使用者的流失，進而采取措施改進使用者體驗、優化轉化率。這種分析方法有助于發現網站/APP存在的問題，并制定針對性的優化政策，以提高整體的轉化效果。
AIDA模型
AIDA模型是漏鬥分析的理論基礎，AIDA模型是一種營銷的理論架構，漏鬥分析基于AIDA模型提供了一種資料分析的方法。
AIDA模型是一種市場營銷模型，旨在描述消費者在購買過程中經曆的心理階段，包括認知（Awareness）、興趣（Interest）、渴望（Desire）和行動（Action）。該模型強調在推銷産品或服務時，通過引起消費者的注意、建立興趣和渴望，最終促使他們采取行動。它主要關注的是消費者心理狀态和推銷政策。
AIDA模型通過 Awareness、Interest、Desire 和 Action 追蹤客戶,是一個購買漏鬥，買家在每個階段來回走動，以支援他們進行最終購買。
AIDA模型
AIDA模型在電子商務轉化漏鬥過程中可能的映射：
- 認知（Awareness）--> 網站通路：使用者了解我們的産品并且我們引起了他們的注意。
- 興趣（Interest）--> 浏覽商品：使用者開始以有意義的方式與我們的産品進行互動。
- 渴望（Desire）--> 加入購物車：使用者體驗到我們的産品的價值并且有動力進行轉化。
- 行動（Action）--> 購買産品 ：使用者進行轉化。
漏鬥分析
為了便于漏鬥分析，我們引用kaggle (https://www.kaggle.com/datasets/aerodinamicc/ecommerce-website-funnel-analysis) 上的一組資料集，包含五個資料集，分别為：home_page_table、search_page_table、payment_page_table、payment_confirmation_table、user_table，他們資料示例和關系如下：
建立漏鬥(全管道的漏鬥分析)
加載包和引入資料：
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
home_page = pd.read_csv('/home/home_page_table.csv')
search = pd.read_csv('/home/search_page_table.csv')
payment_page = pd.read_csv('/home/payment_page_table.csv')
payment_confirm = pd.read_csv('/home/payment_confirmation_table.csv')
user = pd.read_csv('/home/user_table.csv')
合并資料：
SELECT user.user_id,device,sex, home_page.page as page
FROM user ,home_page where user.user_id=home_page.user_id
union all
SELECT user.user_id,device,sex, search.page as page
FROM user , search where user.user_id=search.user_id
union all
SELECT user.user_id,device,sex, payment_page.page as page
FROM user ,payment_page where user.user_id=payment_page.user_id
union all
SELECT user.user_id,device,sex, payment_confirm.page as payment_confirm
FROM user , payment_confirm where user.user_id=payment_confirm.user_id
;
轉換資料：
select page , count(*) as page_count
from all_data group by page
order by page_count desc
生成全管道漏鬥圖：
a_fig = px.funnel(over_all_funnel, y='page',
x='page_count',
width=800, height=400)
a_fig.show()
終端類型漏鬥
按照終端類型進行漏鬥分析，首先彙總資料：
select page,device , count(*) as page_count
from all_data group by page ,device
order by page_count desc
輸出漏鬥圖：
d_fig = px.funnel(device_funnel, y='page', x='page_count', color='device',
width=800, height=400)
d_fig.show()
性别分類的漏鬥分析
按照性别進行漏鬥分析，首先彙總資料：
select page,sex , count(*) as page_count from all_data
group by page ,sex
order by page_count desc
輸出漏鬥圖：
應用資料透視圖輸出漏鬥分析
SmartNoteBook在notebook基礎上開發低代碼的元件完成資料轉換、分析和可視化工作，在保持高靈活性、高适應性基礎，降低使用門檻。
分析過程的模型視圖(Graph圖)
SmartNoteBook模型視圖(Graph)是用于展現Notebook中單元格之間的邏輯依賴關系關系。在模型視圖中，每個單元格被表示為一個節點，而單元格之間的引用關系則表示為邊。通過模型視圖，可以更直覺地了解和分析Notebook的邏輯依賴關系，進而提升代碼執行效率。
模型視圖類似于腦圖，它能夠輔助資料模組化人員更好地梳理和優化模型。通過觀察模型視圖，可以更清晰地了解各個單元格之間的關聯，幫助優化代碼結構和流程，提高模組化過程的效率和可維護性。此外，模型視圖也友善了模型的分享，可以通過可視化的方式展示Notebook的結構和邏輯，便于與他人交流和合作。
上述整個過程是使用SmartNoteBook 實作的，通過 SQL 和 Python 的結合，大大降低分析難度，充分發揮 SQL 與 Python 各自特點，完美組合。