Funnel Analysis sa mobile analytics — ano ito, mga yugto ng funnel at paano bumuo

Ano ang Funnel Analysis?

Funnel Analysis (pagsusuri na hugis funnel) — paraan ng analytics kung saan inihihiwalay ang isang sunod-sunod na kaganapan na humahantong sa conversion. Ang bawat susunod na hakbang ay kasama lamang ang mga user na nagsagawa ng lahat ng nauna. Ang resulta ay isang “funnel” — malawak na input (lahat ng nagsimula) at makitid na output (mga nakatapos).

Sa mga mobile app, ang tipikal na funnel ay ganito ang hitsura: pag-install → pagpaparehistro → onboarding → unang aksyon → paulit-ulit na aksyon → pagbili. Sa bawat hakbang, isang bahagi ng mga user ang umaalis, at ang gawain ng analyst ay unawain ang dahilan at bawasan ang mga pagkawala.

Mga pangunahing sukatan ng funnel

Sukatan Average Time sa pagitan ng mga hakbang — isang madalas na minamaliit na indicator. Kung mula sa pag-install hanggang pagpaparehistro ay average na 45 minuto, ang problema ay sa pag-load ng nilalaman o pagiging kumplikado ng unang screen.

Mga uri ng funnel sa mobile analytics

Mga funnel ay nahahati sa dalawang pangunahing uri — bukas at sarado. Ang pagpili ay depende sa senaryo at flexibility ng landas ng user.

Saradong funnel (Strict Funnel)

Dapat dumaan ang user sa lahat ng hakbang nang mahigpit na sunod-sunod. Kung nilaktawan niya ang isang hakbang o dumaan sa ibang landas — hindi siya kasama sa funnel. Halimbawa: pagpaparehistro → kumpirmasyon sa email → pagpuno ng profile → unang order. Ang mga saradong funnel ay nagbibigay ng malinis na larawan, ngunit ibinubukod ang tunay na mga senaryo ng user.

Bukas na funnel (Open Funnel)

Maaaring gawin ng user ang mga hakbang sa anumang pagkakasunud-sunod o laktawan ang ilan. Kinakalkula ng system ang conversion sa bawat hakbang nang nakapag-iisa. Halimbawa: pagtingin sa katalogo → pagdagdag sa cart → pag-order. Open Funnel ay isang mas makatotohanang pamamaraan para sa karamihan ng mga mobile app.

• Saradong funnel — mahigpit na pagkakasunod-sunod, lahat ng hakbang ay sapilitan
• Bukas na funnel — malayang pagkakasunod-sunod, opsiyonal ang mga hakbang
• Hybrid — unang mga hakbang ay sapilitan, kasunod ay malaya

Halimbawa ng hybrid funnel para sa subscription app

Hakbang 1 (sapilitan): pag-install ng app. Hakbang 2 (sapilitan): pagpapakita ng screen ng subscription. Hakbang 3 (opsyonal): pagtingin sa mga plano. Hakbang 4 (sapilitan): pagkumpleto ng subscription. Ang hybrid na diskarte ay nagbibigay ng balanse sa pagitan ng kalinisan ng datos at pagiging makatotohanan.

Mga yugto ng pagbuo ng funnel

Pagbuo ng funnel — isang gawain sa interseksyon ng analytics at produkto. Ang proseso ay binubuo ng limang hakbang, mula sa pagbuo ng hypothesis hanggang sa pag-automate ng ulat.

Hakbang 1: Tukuyin ang target na conversion

Ano ang gusto mong gawin ng user? purchase_completed, subscription_started, referral_sent. Target na kaganapan — tuktok ng funnel. Ang lahat ng hakbang sa ibaba ay patungo dito.

Hakbang 2: Hatiin ang landas sa mga kaganapan

Itala ang lahat ng sapilitang kaganapan sa pagitan ng pagpasok sa app at target na aksyon. Para sa e-commerce: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. Ang bawat kaganapan ay dapat na nasa Event Tracking na o idadagdag.

Hakbang 3: Pumili ng time window

Time window — pinakamataas na oras sa pagitan ng una at huling hakbang. Para sa mabilis na senaryo (pag-install ng laro) — 24 na oras. Para sa subscription — 7 o 30 araw. Ang mga kaganapan sa labas ng window ay hindi kasama sa pagsusuri.

Ang pagpili ng window ay direktang nakakaapekto sa conversion: masyadong maikling window (1 oras) ay pumutol sa mga user na bumalik pagkatapos ng 2 oras upang tapusin ang pagbili. Masyadong mahaba (30 araw) ay kasama ang random na mga aksyon. Ang optimum ay natutukoy sa pamamagitan ng pagsusuri ng oras sa pagitan ng mga hakbang: bumuo ng distribusyon ng mga interval at pumili ng window sa antas ng ika-90 percentile.

Para sa mabilis na funnel (onboarding, pagpaparehistro) gumamit ng 1 oras na window. Para sa katamtaman (unang pagbili) — 7 araw. Para sa mahaba (subscription) — 30 araw. Sa loob ng parehong funnel ay maaaring may iba't ibang window para sa iba't ibang pares ng hakbang.

-- Halimbawa ng pagkalkula ng Funnel sa BigQuery
WITH funnel_steps AS (
  SELECT
    user_id,
    event_name,
    event_timestamp,
    LAG(event_name) OVER (
      PARTITION BY user_id ORDER BY event_timestamp
    ) AS previous_event
  FROM `project.events.*`
  WHERE event_name IN (
    'app_opened', 'product_viewed',
    'add_to_cart', 'purchase_completed'
  )
)
SELECT
  event_name AS step,
  COUNT(DISTINCT user_id) AS users,
  ROUND(
    COUNT(DISTINCT user_id)
    / MAX(COUNT(DISTINCT user_id)) OVER (), 3
  ) AS conversion_rate
FROM funnel_steps
GROUP BY step
ORDER BY ARRAY_POSITION(
  ['app_opened', 'product_viewed',
   'add_to_cart', 'purchase_completed'],
  event_name
)

Ang query ay gumagamit ng LAG para subaybayan ang pagkakasunod-sunod at ARRAY_POSITION para ayusin ang mga hakbang. Resulta — talahanayan na may bilang ng mga user at conversion sa bawat hakbang.

Hakbang 4: Suriin sa makasaysayang datos

Bumuo ng funnel sa datos ng nakaraang 30 araw. Kung sa hakbang “checkout_started” ang conversion ay 80%, at sa “purchase_completed” — 25%, ang problema ay sa form ng pagbabayad. Ikumpara sa mga competitive benchmark: average na conversion ng cart sa mobile app ay 15–25% ayon sa Statista (2024).

Hakbang 5: I-automate ang pagsubaybay

Mag-set up ng araw-araw na ulat na may funnel sa dashboard (Looker Studio, Tableau). Magdagdag ng mga alerto: kung ang Conversion Rate sa hakbang ay bumaba sa ibaba ng control limit — abiso sa Slack o Telegram.

Pagsusuri ng pagkawala sa funnel

Drop-off Analysis — pangunahing yugto ng Funnel Analysis. Ang mga pagkawala sa bawat hakbang ay pinagmumulan ng mga hypothesis para sa pagpapabuti ng produkto. Tatlong zone ng problema ang nakikilala: mga bug sa teknikal, hadlang sa UX, at mga senaryo ng motibasyon.

Teknikal na pagkawala

Kung sa hakbang “registration_completed” pagkatapos maglagay ng numero ng telepono, 15% ng mga user ay umaalis — suriin ang SMS gateway. Teknikal na pagkawala ay naaayos sa loob ng 1–2 araw at nagbibigay ng mabilis na pagtaas ng conversion. Gamitin ang Firebase Crashlytics kasama ng funnel para makita ang mga bug.

Hadlang sa UX

Kung sa hakbang “cart_viewed” → “checkout_started” nawawala ang 40% — ang problema ay sa UX ng cart. Maaaring wala ang button na “Mag-order” sa itaas ng fold ng screen o hindi ipinapakita ang gastos sa pagpapadala bago ilagay ang address. Pagsusuri ng UX ay nangangailangan ng replay ng session (Hotjar, UXCam, Smartlook).

Motivational na pagkawala

Kung ang user ay umabot sa “payment_selected” ngunit hindi tinatapos ang pagbili — ang halaga ng alok ay mas mababa kaysa sa presyo. Motivational na pagkawala ay ginagamot sa mga diskwento, pagsubok, ebidensyang panlipunan. A/B test: ipakita sa 50% ng mga user ang mga review sa pahina ng pagbabayad at ikumpara ang conversion.

• Teknikal — bug, timeout, error sa API (hanggang 20% pagkawala)
• Hadlang sa UX — kumplikadong nabigasyon, nakatagong CTA (hanggang 35%)
• Motivational — presyo, kawalan ng tiwala (hanggang 45%)

Metodolohiya ng pagsusuri: 5 Whys para sa funnel

Ang teknik na 5 Whys na inilapat sa funnel: sa hakbang kung saan bumaba ang conversion ng 20%, sunod-sunod na magtanong ng limang “bakit”. Bakit hindi umaabot ang mga user sa pagbabayad? Dahil ang form ng pagbabayad ay matagal mag-load. Bakit matagal mag-load? Dahil ang request sa payment gateway ay nagti-timeout. Bakit nagti-timeout? Dahil hindi na-update ang SDK. Inilalantad ng metodolohiya ang ugat na dahilan, hindi ang sintomas.

Cohort analysis ng funnel — isa pang tool. Ikumpara ang funnel ng mga user na nag-install ng app noong Enero at Pebrero. Kung ang cohort ng Pebrero ay nagpapakita ng 15% pagbaba ng conversion sa hakbang “pagpaparehistro”, ang dahilan ay pagbabago sa onboarding screen na inilapat noong katapusan ng Enero. Ang mga cohort ay nagbubukod ng mga temporal na salik.

Ayon sa datos ng CXL Institute (2024), ang sistematikong Drop-off Analysis na may kasunod na A/B testing ng mga hypothesis ay nagbibigay ng average na 30% pagtaas ng conversion ng funnel sa loob ng 3 buwan.

Mga tool para sa Funnel Analysis

Bawat tool ay nag-aalok ng sariling diskarte sa pagbuo ng mga funnel. Ang pagpili ay depende sa pagiging kumplikado ng produkto at badyet.

Amplitude — Pathfinder at Funnel Analysis

Amplitude — lider sa product analytics. Ang built-in na Funnel Analysis ay nagpapahintulot sa pag-segment ng funnel ayon sa cohort, device, bersyon ng app. Ipinapakita ng Pathfinder ang mga sangay — ilang user ang dumaan sa alternatibong landas pagkatapos ng hakbang 2.

Mixpanel — Flows

Mixpanel Flows ay nagbi-visualize ng funnel bilang graph ng mga transition. Plus — real-time na update. Minus — limitadong pagsasala sa libreng plano. Angkop para sa katamtamang proyekto na may team na hanggang 10 analyst.

Firebase Analytics — Funnel Report

Firebase ay nag-aalok ng libreng Funnel Report na may limitasyon hanggang 10 hakbang. Ang integrasyon sa BigQuery ay nagpapahintulot sa pagbuo ng customized na mga funnel sa pamamagitan ng SQL. Ideal para sa mga startup na nagsisimula pa lamang mag-analisa ng conversion.

Tableau + BigQuery

Para sa enterprise solution gamitin ang Tableau na may source mula sa BigQuery. Ito ay nagbibigay ng buong flexibility: customized na sukatan, komprehensibong analytics mula pag-install hanggang LTV, real-time na pagsubaybay. Nangangailangan ng pagkuha ng BI engineer.

Google Analytics 4 — Funnel Exploration

GA4 ay nagbibigay ng Funnel Exploration sa seksyong Explore. Sumusuporta hanggang 10 hakbang, segmentation ayon sa parameter ng user at paghahambing ng mga panahon. Minus — limitadong flexibility kumpara sa Amplitude, ngunit ganap na libre at integrated sa Google Ads.

Paghahambing ng mga tool sa Funnel Analysis

Ang pagpili ng tool ay tinutukoy ng dalas ng pagsusuri. Para sa araw-araw na pagsubaybay ng funnel, ang Amplitude o Mixpanel ay angkop. Para sa lingguhang strategic na ulat — Tableau na may BigQuery. Para sa startup — Firebase o GA4.