首页
›
数据工程与实时数据平台
›
031-埋点与事件治理
›
《埋点数据用漏斗分析定位流失节点》
VIP20
本课程属于:031-埋点与事件治理
数据工程与实时数据平台 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
埋点数据用漏斗分析定位流失节点
📚 共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
漏斗分析概述
什么是漏斗分析、漏斗分析的价值、核心指标(转化率、流失率)。
概念
指标
02
漏斗模型构建
定义关键步骤、确定用户路径、数据埋点与采集。
建模
埋点
03
流失节点定位方法
步骤间转化率对比、用户分群对比、时间维度分析。
定位
对比
04
实战案例:电商与注册
电商购买流程漏斗分析、注册流程优化。
电商
注册
05
工具与可视化
SQL提取漏斗数据、Python绘制漏斗图、Tableau制作漏斗看板。
SQL
Python
Tableau
06
归因与优化
流失原因假设、A/B测试验证、迭代优化策略。
归因
A/B测试
07
高级技巧
多维度漏斗、用户行为路径聚类、预测性流失预警。
聚类
预警
08
总结与最佳实践
漏斗分析常见误区、报告撰写、团队协作流程。
最佳实践
报告
09
附录:模板与代码库
常用SQL模板、Python代码库、参考文献。
SQL
Python
参考
10
综合大作业
从0到1搭建一个完整的漏斗分析系统。
项目
实战
11
数据采集进阶
埋点方案设计(全埋点 vs 自定义埋点)、数据质量监控。
埋点
质量
12
用户分群漏斗
基于RFM分群、基于行为分群、基于渠道分群。
RFM
分群
13
漏斗对比分析
同期群漏斗、不同版本漏斗、不同渠道漏斗。
对比
同期群
14
归因模型入门
首次点击归因、末次点击归因、线性归因、时间衰减归因。
归因
模型
15
Python实战
用pandas计算转化率、用plotly绘制交互式漏斗。
pandas
plotly
16
SQL实战
用窗口函数计算步骤留存、用CASE WHEN标记用户路径。
窗口函数
CASE
17
Tableau实战
创建参数控制漏斗步骤、制作动态漏斗看板。
参数
看板
18
流失原因深度挖掘
用户调研、日志分析、异常检测。
调研
日志
19
A/B测试与漏斗优化
实验设计、样本量计算、结果解读。
A/B测试
优化
20
多产品线漏斗
跨产品用户流转分析、交叉销售机会识别。
跨产品
交叉销售
21
漏斗与用户生命周期
新用户激活漏斗、老用户留存漏斗、流失用户召回漏斗。
生命周期
留存
22
实时漏斗
流式计算框架(Flink)、实时监控看板搭建。
Flink
实时
23
漏斗分析中的统计学
置信区间、假设检验、效应量。
统计学
假设检验
24
数据治理与漏斗
数据一致性、维度对齐、数据血缘。
治理
血缘
25
行业案例
SaaS产品续费漏斗、游戏内购漏斗、内容平台转化漏斗。
SaaS
游戏
内容
26
漏斗分析报告撰写
故事线设计、数据可视化原则、结论与建议。
报告
可视化
27
团队协作
数据分析师与产品经理的配合、漏斗迭代流程。
协作
迭代
28
自动化漏斗
定时任务调度、异常告警、自动归因。
自动化
告警
29
前沿探索
基于机器学习的流失预测、因果推断在漏斗中的应用。
ML
因果推断
30
课程回顾与知识图谱
核心概念梳理、技能树、学习路径建议。
知识图谱
路径
所属VIP或分类
同VIP:CDC实现埋点数据实时同步
同VIP:Delta-Lake-保障事件数据一致性
同VIP:Kafka实时接入事件流实战