Funnel Analysis a mobil analitikában — mi ez, a tölcsér szakaszai és hogyan építsük

Mi az a Funnel Analysis?

Funnel Analysis (tölcsér alakú elemzés) — analitikai módszer, amelyben elkülönítik a konverzióhoz vezető események sorozatát. Minden következő lépés csak azokat a felhasználókat foglalja magában, akik az összes előzőt végrehajtották. Az eredmény egy “tölcsér” — széles bemenet (mindenki, aki elkezdte) és keskeny kimenet (akik befejezték).

A mobilalkalmazásokban egy tipikus tölcsér így néz ki: telepítés → regisztráció → onboarding → első művelet → ismételt művelet → vásárlás. Minden lépésnél a felhasználók egy része kiesik, és az elemző feladata megérteni az okot és csökkenteni a veszteségeket.

A tölcsér alap metrikái

Az Average Time metrika a lépések között — gyakran alábecsült mutató. Ha a telepítéstől a regisztrációig átlagosan 45 perc telik el, a probléma a tartalom betöltésében vagy az első képernyő összetettségében van.

Tölcsér típusok a mobil analitikában

A tölcsérek két fő típusra oszthatók — nyitott és zárt. A választás a forgatókönyvtől és a felhasználói út rugalmasságától függ.

Zárt tölcsér (Strict Funnel)

A felhasználónak szigorúan sorrendben kell végigmennie az összes lépésen. Ha kihagyott egy lépést vagy más úton ment — nem kerül be a tölcsérbe. Példa: regisztráció → e-mail megerősítés → profil kitöltése → első rendelés. A zárt tölcsérek tiszta képet adnak, de kizárják a valós felhasználói forgatókönyveket.

Nyitott tölcsér (Open Funnel)

A felhasználó bármilyen sorrendben végrehajthatja a lépéseket, vagy kihagyhat néhányat. A rendszer minden lépésnél függetlenül számítja ki a konverziót. Példa: katalógus böngészése → kosárba helyezés → rendelés leadása. Az Open Funnel realisztikusabb módszer a legtöbb mobilalkalmazás számára.

• Zárt tölcsér — szigorú sorrend, minden lépés kötelező
• Nyitott tölcsér — szabad sorrend, lépések opcionálisak
• Hibrid — az első lépések kötelezőek, a továbbiak szabadok

Példa hibrid tölcsérre előfizetéses alkalmazáshoz

1. lépés (kötelező): alkalmazás telepítése. 2. lépés (kötelező): előfizetési képernyő megjelenítése. 3. lépés (opcionális): díjszabások megtekintése. 4. lépés (kötelező): előfizetés véglegesítése. A hibrid megközelítés egyensúlyt teremt az adatok tisztasága és a valósághűség között.

A tölcsér építésének szakaszai

A tölcsér építése — az analitika és a termék határán lévő feladat. A folyamat öt lépésből áll, a hipotézis megfogalmazásától a jelentés automatizálásáig.

1. lépés: Határozza meg a célkonverziót

Mit szeretne, hogy a felhasználó tegyen? purchase_completed, subscription_started, referral_sent. Célesemény — a tölcsér csúcsa. Az összes alatta lévő lépés ehhez vezet.

2. lépés: Bontsa fel az utat eseményekre

Jegyezze fel az összes kötelező eseményt az alkalmazásba való belépés és a célművelet között. E-kereskedelemhez: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. Minden eseménynek már léteznie kell az Event Trackingben, vagy hozzá lesz adva.

3. lépés: Válasszon időablakot

Time window — a maximális idő az első és az utolsó lépés között. Gyors forgatókönyvekhez (játéktelepítés) — 24 óra. Előfizetéseshez — 7 vagy 30 nap. Az ablakon kívüli események nem kerülnek be az elemzésbe.

Az ablak megválasztása közvetlenül befolyásolja a konverziót: a túl rövid ablak (1 óra) kizárja azokat a felhasználókat, akik 2 óra múlva tértek vissza a vásárlás befejezéséhez. A túl hosszú (30 nap) véletlenszerű műveleteket foglal magában. Az optimumot a lépések közötti idő elemzésével határozzák meg: készítsen intervallumeloszlást és válassza az ablakot a 90. percentilis szintjén.

Gyors tölcsérekhez (onboarding, regisztráció) használjon 1 órás ablakot. Közepeshez (első vásárlás) — 7 nap. Hosszúhoz (előfizetés) — 30 nap. Ugyanazon a tölcséren belül különböző lépéspárokhoz különböző ablakok lehetnek.

-- Funnel kiszámításának példája a BigQuery-ben
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
)

A lekérdezés a LAG függvényt használja a sorrend követésére és az ARRAY_POSITIONt a lépések rendezésére. Az eredmény — egy táblázat a felhasználók számával és a konverzióval minden lépésnél.

4. lépés: Ellenőrizze történeti adatokon

Építse fel a tölcsért az elmúlt 30 nap adatain. Ha a “checkout_started” lépésnél a konverzió 80%, a “purchase_completed”-nél pedig 25%, a probléma a fizetési űrlapban van. Hasonlítsa össze a versenytárs benchmarkokkal: a kosár átlagos konverziója mobilalkalmazásokban 15–25% a Statista (2024) szerint.

5. lépés: Automatizálja a monitorozást

Állítson be napi jelentést a tölcsérrel egy irányítópulton (Looker Studio, Tableau). Adjon hozzá riasztásokat: ha a Conversion Rate egy lépésnél a kontrollhatár alá esik — értesítés a Slacken vagy Telegramon.

Veszteségelemzés a tölcsérben

Drop-off Analysis — a Funnel Analysis kulcsfontosságú szakasza. A veszteségek minden lépésnél hipotézisek forrását jelentik a termék fejlesztéséhez. Három probléma zónát különböztetünk meg: technikai hibák, UX akadályok és motivációs forgatókönyvek.

Technikai veszteségek

Ha a “registration_completed” lépésnél a telefonszám megadása után a felhasználók 15%-a kiesik — ellenőrizze az SMS átjárót. A technikai veszteségek 1–2 nap alatt javíthatók és gyors konverziónövekedést eredményeznek. Használja a Firebase Crashlytics-t a tölcsérrel kombinálva a hibák felderítésére.

UX akadályok

Ha a “cart_viewed” → “checkout_started” lépésnél 40% vész el — a probléma a kosár UXében van. Lehet, hogy hiányzik a “Rendelés leadása” gomb a képernyő hajtásvonala felett, vagy a szállítási költség nem jelenik meg a cím megadása előtt. Az UX elemzés munkamenet-ismétléseket igényel (Hotjar, UXCam, Smartlook).

Motivációs veszteségek

Ha a felhasználó eljut a “payment_selected”-ig, de nem fejezi be a vásárlást — az ajánlat értéke alacsonyabb az árnál. A motivációs veszteségek kezelése kedvezményekkel, próbaidőszakokkal, társadalmi bizonyítékkal történik. A/B teszt: mutasson a felhasználók 50%-ának véleményeket a fizetési oldalon és hasonlítsa össze a konverziót.

• Technikai — hibák, időtúllépések, API hibák (akár 20% veszteség)
• UX akadályok — bonyolult navigáció, rejtett CTA (akár 35%)
• Motivációs — ár, bizalomhiány (akár 45%)

Elemzési módszertan: 5 Whys a tölcsérhez

A 5 Whys technika a tölcsérre alkalmazva: annál a lépésnél, ahol a konverzió 20%-kal csökkent, tegyen fel egymás után öt “miért” kérdést. Miért nem jutnak el a felhasználók a fizetésig? Mert a fizetési űrlap lassan töltődik. Miért töltődik lassan? Mert a fizetési átjáróhoz intézett kérés időtúllépést kap. Miért kap időtúllépést? Mert az SDK nincs frissítve. A módszertan feltárja a gyökérokot, nem a tünetet.

Kohort elemzés a tölcsérhez — egy másik eszköz. Hasonlítsa össze azoknak a felhasználóknak a tölcsérét, akik januárban és februárban telepítették az alkalmazást. Ha a februári kohort 15%-os konverziócsökkenést mutat a “regisztráció” lépésnél, az ok a január végén bevezetett onboarding képernyő változása. A kohortok elkülönítik az időbeli tényezőket.

A CXL Institute (2024) adatai szerint a szisztematikus Drop-off Analysis a hipotézisek ezt követő A/B tesztelésével átlagosan 30%-os tölcsérkonverzió-növekedést eredményez 3 hónap alatt.

Eszközök a Funnel Analysishoz

Minden eszköz saját megközelítést kínál a tölcsérek építéséhez. A választás a termék összetettségétől és a költségvetéstől függ.

Amplitude — Pathfinder és Funnel Analysis

Amplitude — a termékelemzés vezetője. A beépített Funnel Analysis lehetővé teszi a tölcsér szegmentálását kohortok, eszközök, alkalmazásverziók szerint. A Pathfinder megmutatja az elágazásokat — hány felhasználó ment alternatív úton a 2. lépés után.

Mixpanel — Flows

Mixpanel Flows a tölcsért átmeneti grafikonként jeleníti meg. Plusz — valós idejű frissítés. Mínusz — korlátozott szűrés az ingyenes csomagban. Közepes projektekhez alkalmas, legfeljebb 10 elemzőből álló csapattal.

Firebase Analytics — Funnel Report

Firebase ingyenes Funnel Reportot kínál, legfeljebb 10 lépés korláttal. A BigQuery integráció lehetővé teszi egyedi tölcsérek építését SQL segítségével. Ideális azoknak a startupoknak, amelyek most kezdik elemezni a konverziót.

Tableau + BigQuery

Enterprise megoldásokhoz használja a Tableau-t BigQuery forrással. Ez teljes rugalmasságot biztosít: egyedi metrikák, átfogó analitika a telepítéstől az LTV-ig, valós idejű monitorozás. BI mérnök felvételét igényli.

Google Analytics 4 — Funnel Exploration

GA4 Funnel Explorationt kínál az Explore szekcióban. Támogatja a legfeljebb 10 lépést, a felhasználói paraméterek szerinti szegmentálást és az időszakok összehasonlítását. Mínusz — korlátozott rugalmasság az Amplitude-hoz képest, de teljesen ingyenes és integrált a Google Ads-szel.

A Funnel Analysis eszközök összehasonlítása

Az eszköz kiválasztását az elemzés gyakorisága határozza meg. Napi tölcsérmonitorozáshoz az Amplitude vagy a Mixpanel alkalmas. Heti stratégiai jelentésekhez — Tableau BigQuery-vel. Startupok számára — Firebase vagy GA4.