मोबाइल एनालिटिक्स में फ़नल विश्लेषण — यह क्या है, फ़नल के चरण और कैसे बनाएं

फ़नल विश्लेषण क्या है?

फ़नल विश्लेषण (Funnel Analysis) एक एनालिटिक्स विधि है जिसमें कन्वर्ज़न की ओर ले जाने वाली घटनाओं का एक अनुक्रम पहचाना जाता है। प्रत्येक अगले चरण में केवल वे उपयोगकर्ता शामिल होते हैं जिन्होंने पिछले सभी चरण पूरे किए। परिणाम एक “फ़नल” है — चौड़ा प्रवेश (सभी जिन्होंने शुरू किया) और संकीर्ण निकास (जिन्होंने पूरा किया)।

मोबाइल ऐप्स में, एक विशिष्ट फ़नल इस तरह दिखता है: इंस्टॉल → पंजीकरण → ऑनबोर्डिंग → पहली कार्रवाई → दोहराई गई कार्रवाई → खरीद। प्रत्येक चरण पर, कुछ उपयोगकर्ता छोड़ देते हैं, और विश्लेषक का कार्य कारण समझना और हानि कम करना है।

फ़नल के बुनियादी मीट्रिक

चरणों के बीच औसत समय मीट्रिक को अक्सर कम आंका जाता है। यदि इंस्टॉल से पंजीकरण तक औसतन 45 मिनट लगते हैं, तो समस्या सामग्री लोडिंग या पहली स्क्रीन की जटिलता में है।

मोबाइल एनालिटिक्स में फ़नल के प्रकार

फ़नल दो मुख्य प्रकारों में विभाजित होते हैं — खुले और बंद। चुनाव परिदृश्य और उपयोगकर्ता यात्रा के लचीलेपन पर निर्भर करता है।

बंद फ़नल (Strict Funnel)

उपयोगकर्ता को सभी चरण सख्त क्रम में पूरे करने होंगे। यदि वह कोई चरण छोड़ता है या दूसरा रास्ता लेता है, तो फ़नल में शामिल नहीं किया जाता। उदाहरण: पंजीकरण → ईमेल पुष्टि → प्रोफ़ाइल भरना → पहला ऑर्डर। बंद फ़नल साफ तस्वीर देते हैं लेकिन वास्तविक उपयोगकर्ता परिदृश्यों को बाहर करते हैं।

खुला फ़नल (Open Funnel)

उपयोगकर्ता किसी भी क्रम में चरण कर सकता है या कुछ छोड़ सकता है। सिस्टम प्रत्येक चरण पर स्वतंत्र रूप से कन्वर्ज़न गिनता है। उदाहरण: कैटलॉग देखना → कार्ट में जोड़ना → चेकआउट। खुला फ़नल अधिकांश मोबाइल ऐप्स के लिए अधिक यथार्थवादी तरीका है।

• बंद फ़नल — सख्त अनुक्रम, सभी चरण अनिवार्य
• खुला फ़नल — मुक्त क्रम, चरण वैकल्पिक
• हाइब्रिड — पहले चरण अनिवार्य, बाद के मुक्त

सदस्यता ऐप के लिए हाइब्रिड फ़नल उदाहरण

चरण 1 (अनिवार्य): ऐप इंस्टॉल। चरण 2 (अनिवार्य): सदस्यता स्क्रीन देखना। चरण 3 (वैकल्पिक): योजनाएं देखना। चरण 4 (अनिवार्य): सदस्यता खरीदना। हाइब्रिड दृष्टिकोण डेटा शुद्धता और यथार्थवाद के बीच संतुलन देता है।

फ़नल बनाने के चरण

फ़नल बनाना एनालिटिक्स और उत्पाद के प्रतिच्छेदन पर एक कार्य है। प्रक्रिया में पाँच चरण होते हैं, परिकल्पना निर्माण से लेकर रिपोर्ट स्वचालन तक।

चरण 1: लक्ष्य कन्वर्ज़न परिभाषित करें

आप उपयोगकर्ता से क्या करवाना चाहते हैं? purchase_completed, subscription_started, referral_sent। लक्ष्य घटना फ़नल का शीर्ष है। नीचे के सभी चरण उसकी ओर ले जाते हैं।

चरण 2: पथ को घटनाओं में विभाजित करें

ऐप प्रवेश और लक्ष्य कार्रवाई के बीच सभी अनिवार्य घटनाएं सूचीबद्ध करें। ई-कॉमर्स के लिए: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed। प्रत्येक घटना पहले से Event Tracking में मौजूद होनी चाहिए या जोड़ी जाएगी।

चरण 3: समय विंडो चुनें

समय विंडो — पहले और अंतिम चरण के बीच अधिकतम समय। तेज़ परिदृश्यों (गेम इंस्टॉल) के लिए — 24 घंटे। सदस्यता-आधारित के लिए — 7 या 30 दिन। विंडो के बाहर की घटनाएं विश्लेषण में शामिल नहीं की जाती हैं।

विंडो का चुनाव सीधे कन्वर्ज़न को प्रभावित करता है: बहुत छोटी विंडो (1 घंटा) उन उपयोगकर्ताओं को काट देती है जो खरीद पूरी करने के लिए 2 घंटे बाद लौटे। बहुत लंबी (30 दिन) यादृच्छिक क्रियाएं शामिल करती है। इष्टतम चरणों के बीच समय के विश्लेषण के माध्यम से निर्धारित किया जाता है: अंतराल वितरण बनाएं और 90वें प्रतिशतक पर विंडो चुनें।

तेज़ फ़नल (ऑनबोर्डिंग, पंजीकरण) के लिए 1 घंटे की विंडो का उपयोग करें। मध्यम (पहली खरीद) के लिए — 7 दिन। लंबी (सदस्यता) के लिए — 30 दिन। एक ही फ़नल के भीतर विभिन्न चरण जोड़ों के लिए अलग-अलग विंडो का उपयोग किया जा सकता है।

-- BigQuery में Funnel की गणना का उदाहरण
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
)

क्वेरी अनुक्रम को ट्रैक करने के लिए LAG और चरणों को क्रमबद्ध करने के लिए ARRAY_POSITION का उपयोग करती है। परिणाम प्रत्येक चरण पर उपयोगकर्ता संख्या और कन्वर्ज़न वाली एक तालिका है।

चरण 4: ऐतिहासिक डेटा पर मान्य करें

पिछले 30 दिनों के डेटा पर फ़नल बनाएं। यदि “checkout_started” पर 80% कन्वर्ज़न है लेकिन “purchase_completed” पर 25% है, तो समस्या भुगतान फॉर्म में है। प्रतिस्पर्धी बेंचमार्क से तुलना करें: Statista (2024) के अनुसार मोबाइल ऐप्स में औसत कार्ट कन्वर्ज़न 15–25% है।

चरण 5: निगरानी स्वचालित करें

डैशबोर्ड (Looker Studio, Tableau) में फ़नल के साथ दैनिक रिपोर्ट सेट करें। अलर्ट जोड़ें: यदि किसी चरण पर कन्वर्ज़न दर नियंत्रण सीमा से नीचे गिरती है, तो Slack या Telegram पर सूचना भेजें।

फ़नल में हानि का विश्लेषण

ड्रॉप-ऑफ़ विश्लेषण फ़नल विश्लेषण का एक महत्वपूर्ण चरण है। प्रत्येक चरण पर हानियां उत्पाद सुधार के लिए परिकल्पनाओं का स्रोत हैं। तीन समस्या क्षेत्रों की पहचान की जाती है: तकनीकी बग, UX बाधाएं और प्रेरक परिदृश्य।

तकनीकी हानियां

यदि “registration_completed” चरण पर फ़ोन नंबर दर्ज करने के बाद 15% उपयोगकर्ता छोड़ देते हैं, तो SMS गेटवे जांचें। तकनीकी हानियां 1–2 दिनों में ठीक हो जाती हैं और तेज़ कन्वर्ज़न वृद्धि देती हैं। बग पहचानने के लिए Firebase Crashlytics को फ़नल के साथ संयोजन में उपयोग करें।

UX बाधाएं

यदि “cart_viewed” → “checkout_started” पर 40% खो जाता है, तो समस्या कार्ट UX में है। हो सकता है स्क्रीन की तह के ऊपर “चेकआउट” बटन न हो, या पता दर्ज करने से पहले डिलीवरी लागत न दिखाई गई हो। UX विश्लेषण के लिए सत्र रीप्ले (Hotjar, UXCam, Smartlook) आवश्यक हैं।

प्रेरक हानियां

यदि उपयोगकर्ता “payment_selected” तक पहुंचता है लेकिन खरीद पूरी नहीं करता, तो प्रस्ताव का मूल्य कीमत से कम है। प्रेरक हानियां छूट, परीक्षण और सामाजिक प्रमाण से ठीक की जाती हैं। A/B परीक्षण: 50% उपयोगकर्ताओं को भुगतान पृष्ठ पर समीक्षाएं दिखाएं और कन्वर्ज़न की तुलना करें।

• तकनीकी — बग, टाइमआउट, API त्रुटियां (20% तक हानि)
• UX बाधाएं — जटिल नेविगेशन, छिपे हुए CTA (35% तक)
• प्रेरक — कीमत, विश्वास की कमी (45% तक)

विश्लेषण पद्धति: फ़नल के लिए 5 क्यों

फ़नल पर लागू 5 क्यों तकनीक: एक चरण पर जहां कन्वर्ज़न 20% गिर गया, क्रमिक रूप से पाँच “क्यों” प्रश्न पूछें। उपयोगकर्ता भुगतान तक क्यों नहीं पहुंचते? क्योंकि भुगतान फॉर्म धीरे लोड होता है। यह धीरे क्यों लोड होता है? क्योंकि भुगतान गेटवे का अनुरोध टाइमआउट हो जाता है। यह टाइमआउट क्यों होता है? क्योंकि SDK अपडेट नहीं है। पद्धति मूल कारण की पहचान करती है, लक्षण की नहीं।

फ़नल का कोहोर्ट विश्लेषण एक और उपकरण है। जनवरी और फरवरी में ऐप इंस्टॉल करने वाले उपयोगकर्ताओं के फ़नल की तुलना करें। यदि फरवरी कोहोर्ट “पंजीकरण” चरण पर 15% कन्वर्ज़न गिरावट दिखाता है, तो कारण जनवरी के अंत में लागू ऑनबोर्डिंग स्क्रीन में बदलाव है। कोहोर्ट अस्थायी कारकों को अलग करते हैं।

CXL Institute (2024) के अनुसार, व्यवस्थित ड्रॉप-ऑफ़ विश्लेषण और उसके बाद परिकल्पनाओं का A/B परीक्षण 3 महीनों में औसतन 30% फ़नल कन्वर्ज़न वृद्धि देता है।

फ़नल विश्लेषण के लिए उपकरण

प्रत्येक उपकरण फ़नल बनाने का अपना दृष्टिकोण प्रदान करता है। चुनाव उत्पाद की जटिलता और बजट पर निर्भर करता है।

Amplitude — Pathfinder और फ़नल विश्लेषण

Amplitude उत्पाद एनालिटिक्स में अग्रणी है। अंतर्निहित फ़नल विश्लेषण कोहोर्ट, डिवाइस और ऐप संस्करणों द्वारा फ़नल को विभाजित करने की अनुमति देता है। Pathfinder शाखाएं दिखाता है — चरण 2 के बाद कितने उपयोगकर्ताओं ने वैकल्पिक पथ लिया।

Mixpanel — Flows

Mixpanel Flows फ़नल को संक्रमण ग्राफ के रूप में विज़ुअलाइज़ करता है। लाभ: रीयल-टाइम अपडेट। हानि: मुफ्त योजना में सीमित फ़िल्टरिंग। 10 विश्लेषकों तक की टीम वाली मध्यम परियोजनाओं के लिए उपयुक्त।

Firebase Analytics — फ़नल रिपोर्ट

Firebase 10 चरणों तक की सीमा के साथ मुफ्त फ़नल रिपोर्ट प्रदान करता है। BigQuery के साथ एकीकरण SQL के माध्यम से कस्टम फ़नल बनाने की अनुमति देता है। स्टार्टअप के लिए आदर्श जो अभी कन्वर्ज़न का विश्लेषण शुरू कर रहे हैं।

Tableau + BigQuery

एंटरप्राइज़ समाधानों के लिए, BigQuery को स्रोत के रूप में उपयोग करते हुए Tableau का उपयोग करें। यह पूर्ण लचीलापन देता है: कस्टम मीट्रिक, इंस्टॉल से LTV तक एंड-टू-एंड एनालिटिक्स, रीयल-टाइम निगरानी। BI इंजीनियर की आवश्यकता है।

Google Analytics 4 — फ़नल खोज

GA4 Explore अनुभाग में फ़नल खोज प्रदान करता है। 10 चरणों तक, उपयोगकर्ता पैरामीटर द्वारा विभाजन और समय अवधि तुलना का समर्थन करता है। हानि: Amplitude की तुलना में सीमित लचीलापन, लेकिन पूरी तरह से मुफ्त और Google Ads के साथ एकीकृत।

फ़नल विश्लेषण उपकरणों की तुलना

उपकरण का चुनाव विश्लेषण आवृत्ति से निर्धारित होता है। दैनिक फ़नल निगरानी के लिए, Amplitude या Mixpanel उपयुक्त है। साप्ताहिक रणनीतिक रिपोर्ट के लिए — BigQuery के साथ Tableau। स्टार्टअप के लिए — Firebase या GA4।