Funnel Analysis — метод мобилне аналитике који прати пролазак корисника кроз низ корака до циљне акције. Левкови показују на којој фази корисници одустају и зашто. Према подацима Amplitude, 2025, апликације које редовно анализирају Funnel Analysis повећавају конверзију у просеку за 20% за шест месеци захваљујући прецизном отклањању уских грла. Левка је главни алат продуктовог аналитичара.
Главне тачке
Funnel Analysis (анализа у облику левка) — метод аналитике у којем се издваја низ догађаја који воде до конверзије. Сваки следећи корак укључује само оне кориснике који су извршили све претходне. На излазу се добија „левак“ — широк улаз (сви који су започели) и уски излаз (они који су завршили).
У мобилним апликацијама типичан левак изгледа овако: инсталација → регистрација → онбординг → прва акција → поновна акција → куповина. На сваком кораку део корисника одустаје, а задатак аналитичара је да разуме разлог и смањи губитке.
| Метрика | Формула | Пример |
|---|---|---|
| Conversion Rate | Корисници на кораку N / Корисници на кораку 1 | 70% стигло до корака 3 |
| Step Conversion | Корисници на кораку N+1 / Корисници на кораку N | 85% прешло са корака 2 на корак 3 |
| Drop-off Rate | 1 — Step Conversion | 15% одустало на кораку 2 |
| Average Time | Просечно време између корака | 2,3 минута од инсталације до регистрације |
Метрика Average Time између корака — често потцењен показатељ. Ако од инсталације до регистрације протекне у просеку 45 минута, проблем је у учитавању садржаја или сложености првог екрана.
Левкови се деле на два главна типа — отворене и затворене. Избор зависи од сценарија и флексибилности корисничког пута.
Корисник мора да прође све кораке строгим редом. Ако је прескочио корак или кренуо другим путем — не укључује се у левак. Пример: регистрација → потврда е-поште → попуњавање профила → прва поруџбина. Затворени левкови дају чисту слику, али искључују стварне корисничке сценарије.
Корисник може да извршава кораке било којим редом или да неке прескочи. Систем рачуна конверзију на сваком кораку независно. Пример: преглед каталога → додавање у корпу → оформулар наруџбине. Open Funnel је реалистичнији метод за већину мобилних апликација.
Корак 1 (обавезан): инсталација апликације. Корак 2 (обавезан): приказ екрана претплате. Корак 3 (опциони): преглед тарифа. Корак 4 (обавезан): оформулар претплате. Хибридни приступ пружа равнотежу између чистоће података и реалистичности.
Изградња левка — задатак на споју аналитике и производа. Процес се састоји од пет корака, од формулације хипотезе до аутоматизације извештаја.
Шта желите да корисник уради? purchase_completed, subscription_started, referral_sent. Циљни догађај — врх левка. Сви кораци испод воде ка њему.
Забележите све обавезне догађаје између уласка у апликацију и циљне акције. За e-commerce: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. Сваки догађај би требало већ да постоји у Event Tracking или ће бити додат.
Time window — максимално време између првог и последњег корака. За брзе сценарије (инсталација игре) — 24 сата. За претплатничке — 7 или 30 дана. Догађаји ван прозора се не укључују у анализу.
Избор прозора директно утиче на конверзију: прекратак прозор (1 сат) одсеца кориснике који су се вратили после 2 сата да доврше куповину. Предугачак (30 дана) укључује случајне акције. Оптимум се одређује анализом времена између корака: направите распоред интервала и изаберите прозор на нивоу 90. перцентила.
За брзе левкове (онбординг, регистрација) користите прозор од 1 сата. За средње (прва куповина) — 7 дана. За дуге (претплата) — 30 дана. Унутар истог левка могу постојати различити прозори за различите парове корака.
-- Пример расчёта Funnel в 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
)
Упит користи LAG за праћење низа и ARRAY_POSITION за сортирање корака. Резултат — табела са бројем корисника и конверзијом на сваком кораку.
Направите левак на подацима из последњих 30 дана. Ако је на кораку „checkout_started“ конверзија 80%, а на „purchase_completed“ — 25%, проблем је у формулару плаћања. Упоредите са конкурентским бенчмарковима: просечна конверзија корпе у мобилним апликацијама — 15–25% према Statista (2024).
Подесите дневни извештај са левком на контролној табли (Looker Studio, Tableau). Додајте упозорења: ако Conversion Rate на кораку падне испод контролне границе — обавештење у Slack или Telegram.
Drop-off Analysis — кључна фаза Funnel Analysis-а. Губици на сваком кораку су извор хипотеза за побољшање производа. Разликују се три зоне проблема: техничке грешке, UX баријере и мотивациони сценарији.
Ако на кораку „registration_completed“ после уноса броја телефона одустаје 15% корисника — проверите SMS шлуз. Технички губици се поправљају за 1–2 дана и дају брз пораст конверзије. Користите Firebase Crashlytics у комбинацији са левком за откривање грешака.
Ако на кораку „cart_viewed“ → „checkout_started“ губите 40% — проблем је у UX корпе. Можда недостаје дугме „Оформулар наруџбине“ изнад линије екрана или трошак доставе није приказан пре уноса адресе. UX анализа захтева понављање сесија (Hotjar, UXCam, Smartlook).
Ако корисник стигне до „payment_selected“, али не заврши куповину — вредност понуде је мања од цене. Мотивациони губици се лече попустима, пробним периодима, друштвеним доказом. A/B тест: покажите 50% корисника рецензије на страници плаћања и упоредите конверзију.
Техника 5 Whys примењена на левак: на кораку где је конверзија пала за 20%, поставите узастопно пет питања „зашто“. Зашто корисници не стижу до плаћања? Зато што се формулар плаћања дуго учитава. Зашто се дуго учитава? Зато што захтев ка платном шлузу тајмаутира. Зашто тајмаутира? Зато што SDK није ажуриран. Методологија открива основни узрок, не симптом.
Кохортна анализа левка — још један алат. Упоредите левак корисника који су инсталирали апликацију у јануару и фебруару. Ако фебруарска кохорта показује пад конверзије на кораку „регистрација“ од 15%, узрок је промена екрана онбординга примењена крајем јануара. Кохорте изолују временске факторе.
Према подацима CXL Institute (2024), систематски Drop-off Analysis са накнадним A/B тестирањем хипотеза даје просечан пораст конверзије левка од 30% за 3 месеца.
Сваки алат нуди свој приступ изградњи левкова. Избор зависи од сложености производа и буџета.
Amplitude — лидер продуктове аналитике. Уграђени Funnel Analysis омогућава сегментирање левка по кохортама, уређајима, верзијама апликације. Pathfinder показује гранања — колико корисника је кренуло алтернативним путем после корака 2.
Mixpanel Flows визуализује левак као граф прелаза. Плус — ажурирање у реалном времену. Минус — ограничена филтрација у бесплатном плану. Погодан за средње пројекте са тимом до 10 аналитичара.
Firebase нуди бесплатан Funnel Report са ограничењем до 10 корака. Интеграција са BigQuery омогућава изградњу прилагођених левкова путем SQL-а. Идеалан за стартапе који тек почињу да анализирају конверзију.
За enterprise решења користите Tableau са извором из BigQuery-а. То даје потпуну флексибилност: прилагођене метрике, свеобухватну аналитику од инсталације до LTV, праћење у реалном времену. Захтева запошљавање BI инжењера.
GA4 пружа Funnel Exploration у одељку Explore. Подржава до 10 корака, сегментацију по параметрима корисника и поређење временских периода. Минус — ограничена флексибилност у поређењу са Amplitude, али потпуно бесплатан и интегрисан са Google Ads.
| Алат | Бесплатно | Макс. корака | BigQuery | Real-time |
|---|---|---|---|---|
| Firebase | Да | 10 | Да | Не |
| Amplitude | Не | ∞ | Да | Да |
| Mixpanel | Не | ∞ | Не | Да |
| GA4 | Да | 10 | Да | Не |
| Tableau+BigQuery | Не | ∞ | Да | Да |
Избор алата одређен је учесталошћу анализе. За дневно праћење левкова погодни су Amplitude или Mixpanel. За недељне стратешке извештаје — Tableau са BigQuery. За стартапе — Firebase или GA4.
Често постављана питања
Оптималан број корака је 4–7. Мање од 4 — левак је превише агрегиран, проблеми се не виде. Више од 7 — пада прецизност: до 8. корака стиже премало корисника за статистичку значајност. Фокусирајте се на кључне тачке доношења одлука.
Инсталација — улаз у левак само за плаћени саобраћај. За органски саобраћај улаз је app_opened или screen_view првог екрана. Користите атрибуцију (AppsFlyer / Adjust) да раздвојите инсталације по извору и израчунате конверзију за сваки канал.
Рекламни кабинети (Meta, Google) рачунају конверзију по свом моделу атрибуције (last-click, view-through). Funnel Analysis рачуна строго по догађајима унутар апликације. Одступање од 10–20% је нормално. Фокусирајте се на унутрашњи левак као извор истине.
Дневно — за продуктове метрике. Недељно — за стратешке извештаје. Дневни преглед левка омогућава уочавање пада конверзије одмах након објављивања проблематичне верзије. Подесите упозорење при паду Step Conversion испод 3 сигме од просека.
Само на основу Screen View — да, са ограничењима. Левак по екранима ће показати где корисник одлази, али неће објаснити зашто. За потпуну анализу потребни су пословни догађаји: add_to_cart је информативнији од screen_view екрана корпе.
Закључак
Развићемо мобилну апликацију под кључ
IT Sectr креира iOS и Android апликације за стартапе и предузећа од 2017. године. Саветоваћемо вас и предложити најбоље решење.
Прочитајте такође