数据可视化图表系列解析——漏斗图

释义

漏斗图适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较能够直观地发现和说明问题所在的环节，进而做出决策。漏斗图的起始总是 100%，并在各个环节依次减少，漏斗图用梯形面积表示某个环节业务量与上一个环节之间的差异。

漏斗图从上到下，有逻辑上的顺序关系，表现了随着业务流程的推进业务目标完成的情况（如用户的转化情况、订单的处理情况、招聘的录用情况等）。一般来说，所有梯形的高度应是一致的，这会有助人们辨别数值间的差异。

制作工具：DataEase

应用示例

数据情况如下，主要为公司在某一阶段对于招聘情况的统计，属于单流程，切各个环节直接具备逻辑关系。

制作工具：DataEase

使用漏斗图展示如下所示，能够清晰的观察到在招聘的各个环节中人员数量的变化情况。

制作工具：DataEase

适用场景

1.数据是有序的，彼此之间有逻辑上的顺序关系，阶段最好大于 3 个；

2.该流程应是“消耗性”的流程，如在电商领域，从用户注册到下单；在人力领域，从收到简历到入职等等情况，如下图示例；

制作工具：DataEase

3.在实际应用中，漏斗图很适合于跟踪用户的转化率和保留率、跟踪点击广告/市场营销活动的进度和成功率，以及揭示线性流程中的瓶颈。在新闻领域，漏斗图也较适合社会平等、阶层分化、资源分配等的话题。

不适用场景

漏斗图不适合没有逻辑关系的数据，换句话说，如果数据不构成“流程”，那么不能使用漏斗图。例如下图所示，展示了大学一些课程的学生到课率，每门课之间的到课人数没有逻辑上的影响关系，不构成漏斗的流程。

制作工具：DataEase

作为一种统计图表，漏斗图的“长相”，本质上是由数据决定的。梯形的高度、面积都是有意义的，不应想当然的篡改。以下图为例，本意是想表现男性和女性在 STEM 领域的表现差异，但是漏斗的形状与实际的数据完全对不上。

在传达数据时，漏斗图是通过“面积”表示的，对于人眼来说，面积的识别本来就不太容易。如果我们在制作漏斗图时，再人为的改变漏斗中每一个梯形的高度，那么识别起来就十分困难。

图片来源：图之典

更多场景示例

1.互联网产品的 AARRR 模型，包含了获客、日活、留存、转化、变现等一系列追踪指标。

2.分析社会现象，如美国的“篮球漏斗”。最上方是在高中打篮球的男孩，最后是进入 NBA 打职业篮球的男孩。

图片来源：图之典