Funnel Analysis inom mobil analys — vad det är, trattens steg och hur man bygger

Vad är Funnel Analysis?

Funnel Analysis (trattformad analys) — en analysmetod där en sekvens av händelser som leder till konvertering isoleras. Varje efterföljande steg omfattar endast de användare som utfört alla föregående. Resultatet blir en “tratt” — bred ingång (alla som började) och smal utgång (de som slutförde).

I mobilappar ser en typisk tratt ut så här: installation → registrering → onboarding → första åtgärd → upprepad åtgärd → köp. Vid varje steg hoppar en del av användarna av och analytikerns uppgift är att förstå orsaken och minska förlusterna.

Grundläggande trattmått

Måttet Average Time mellan steg — en ofta underskattad indikator. Om det i genomsnitt tar 45 minuter från installation till registrering ligger problemet i inladdning av innehåll eller komplexiteten hos första skärmen.

Tratttyper inom mobil analys

Trattar delas in i två huvudtyper — öppna och stängda. Valet beror på scenariot och flexibiliteten i användarvägen.

Stängd tratt (Strict Funnel)

Användaren måste gå igenom alla steg i strikt ordning. Om han hoppade över ett steg eller tog en annan väg — inkluderas han inte i tratten. Exempel: registrering → e-postbekräftelse → profilifyllning → första beställningen. Stängda trattar ger en ren bild men utesluter verkliga användarscenarier.

Öppen tratt (Open Funnel)

Användaren kan utföra stegen i valfri ordning eller hoppa över vissa. Systemet beräknar konverteringen vid varje steg oberoende. Exempel: katalogbläddring → lägg i varukorg → lägg beställning. Open Funnel är en mer realistisk metod för de flesta mobilappar.

• Stängd tratt — strikt ordning, alla steg obligatoriska
• Öppen tratt — fri ordning, steg valfria
• Hybrid — första stegen obligatoriska, efterföljande fria

Exempel på hybrid tratt för en prenumerationsapp

Steg 1 (obligatoriskt): installation av appen. Steg 2 (obligatoriskt): visning av prenumerationsskärmen. Steg 3 (valfritt): visning av priser. Steg 4 (obligatoriskt): slutförande av prenumeration. Hybridmetoden ger en balans mellan datarenhet och realism.

Steg för att bygga en tratt

Att bygga en tratt — en uppgift i skärningspunkten mellan analys och produkt. Processen består av fem steg, från hypotesformulering till rapportautomation.

Steg 1: Definiera målkonverteringen

Vad vill du att användaren ska göra? purchase_completed, subscription_started, referral_sent. Målhändelse — toppen av tratten. Alla steg nedan leder till den.

Steg 2: Dela upp vägen i händelser

Anteckna alla obligatoriska händelser mellan inträde i appen och målåtgärd. För e-handel: app_opened → product_viewed → add_to_cart → checkout_started → payment_selected → purchase_completed. Varje händelse bör redan finnas i Event Tracking eller kommer att läggas till.

Steg 3: Välj tidsfönster

Time window — maximal tid mellan första och sista steget. För snabba scenarier (spelinstallation) — 24 timmar. För prenumerationer — 7 eller 30 dagar. Händelser utanför fönstret inkluderas inte i analysen.

Valet av fönster påverkar direkt konverteringen: ett för kort fönster (1 timme) avskär användare som återvände efter 2 timmar för att slutföra köpet. Ett för långt (30 dagar) inkluderar slumpmässiga handlingar. Optimum bestäms genom analys av tid mellan steg: skapa en intervallfördelning och välj fönster på 90:e percentilnivån.

För snabba trattar (onboarding, registrering) använd ett fönster på 1 timme. För medel (första köp) — 7 dagar. För långa (prenumeration) — 30 dagar. Inom samma tratt kan det finnas olika fönster för olika stegpar.

-- Exempel på Funnel-beräkning i 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
)

Frågan använder LAG för att spåra sekvensen och ARRAY_POSITION för att sortera stegen. Resultatet — en tabell med antal användare och konvertering vid varje steg.

Steg 4: Kontrollera på historisk data

Bygg tratten på data från de senaste 30 dagarna. Om konverteringen vid steget “checkout_started” är 80% och vid “purchase_completed” — 25%, ligger problemet i betalningsformuläret. Jämför med konkurrenskraftiga riktmärken: genomsnittlig varukorgskonvertering i mobilappar är 15–25% enligt Statista (2024).

Steg 5: Automatisera övervakning

Ställ in en daglig rapport med tratten i en instrumentpanel (Looker Studio, Tableau). Lägg till varningar: om Conversion Rate vid ett steg sjunker under kontrollgränsen — meddelande i Slack eller Telegram.

Förlustanalys i tratten

Drop-off Analysis — den avgörande fasen i Funnel Analysis. Förluster vid varje steg är en källa till hypoteser för produktförbättring. Tre problemzoner urskiljs: tekniska fel, UX-barriärer och motivationsscenarier.

Tekniska förluster

Om 15% av användarna hoppar av vid steget “registration_completed” efter att ha angett telefonnummer — kontrollera SMS-gatewayen. Tekniska förluster åtgärdas på 1–2 dagar och ger snabb konverteringsökning. Använd Firebase Crashlytics i kombination med tratten för att upptäcka fel.

UX-barriärer

Om 40% förloras vid steget “cart_viewed” → “checkout_started” — ligger problemet i UX för varukorgen. Kanske saknas knappen “Lägg beställning” ovanför skärmens viklinje eller leveranskostnaden visas inte innan adressen anges. UX-analys kräver sessionsuppspelningar (Hotjar, UXCam, Smartlook).

Motivationsförluster

Om användaren når “payment_selected” men inte slutför köpet — är erbjudandets värde lägre än priset. Motivationsförluster behandlas med rabatter, provperioder, socialt bevis. A/B-test: visa 50% av användarna recensioner på betalningssidan och jämför konverteringen.

• Tekniska — fel, timeouts, API-fel (upp till 20% förluster)
• UX-barriärer — komplex navigering, dold CTA (upp till 35%)
• Motivations — pris, brist på förtroende (upp till 45%)

Analysmetodik: 5 Whys för tratten

Tekniken 5 Whys tillämpad på tratten: vid steget där konverteringen minskade med 20%, ställ fem ”varför”-frågor i följd. Varför når inte användarna betalningen? För att betalningsformuläret laddas långsamt. Varför laddas det långsamt? För att begäran till betalningsgatewayen timeoutar. Varför timeoutar den? För att SDK inte är uppdaterad. Metodiken avslöjar grundorsaken, inte symptomet.

Kohortanalys av tratten — ytterligare ett verktyg. Jämför tratten för användare som installerade appen i januari och februari. Om februari-kohorten visar en konverteringsminskning på 15% vid steget “registrering”, är orsaken en ändring av onboardingskärmen som infördes i slutet av januari. Kohorter isolerar temporära faktorer.

Enligt data från CXL Institute (2024) ger systematisk Drop-off Analysis med efterföljande A/B-testning av hypoteser en genomsnittlig ökning av trattkonverteringen på 30% på 3 månader.

Verktyg för Funnel Analysis

Varje verktyg erbjuder sitt eget tillvägagångssätt för att bygga trattar. Valet beror på produktens komplexitet och budget.

Amplitude — Pathfinder och Funnel Analysis

Amplitude — ledare inom produktanalys. Den inbyggda Funnel Analysis möjliggör segmentering av tratten efter kohorter, enheter, appversioner. Pathfinder visar förgreningar — hur många användare som tog en alternativ väg efter steg 2.

Mixpanel — Flows

Mixpanel Flows visualiserar tratten som en övergångsgraf. Plus — realtidsuppdatering. Minus — begränsad filtrering i den gratis planen. Lämplig för medelstora projekt med ett team på upp till 10 analytiker.

Firebase Analytics — Funnel Report

Firebase erbjuder en gratis Funnel Report med en gräns på upp till 10 steg. Integration med BigQuery möjliggör att bygga anpassade trattar via SQL. Idealisk för startups som precis börjar analysera konvertering.

Tableau + BigQuery

För enterprise-lösningar använd Tableau med BigQuery som källa. Detta ger full flexibilitet: anpassade mått, omfattande analys från installation till LTV, övervakning i realtid. Kräver anställning av en BI-ingenjör.

Google Analytics 4 — Funnel Exploration

GA4 erbjuder Funnel Exploration i avsnittet Explore. Stöder upp till 10 steg, segmentering efter användarparametrar och jämförelse av tidsperioder. Minus — begränsad flexibilitet jämfört med Amplitude, men helt gratis och integrerad med Google Ads.

Jämförelse av Funnel Analysis-verktyg

Valet av verktyg bestäms av analysfrekvensen. För daglig trattövervakning är Amplitude eller Mixpanel lämpliga. För veckovisa strategiska rapporter — Tableau med BigQuery. För startups — Firebase eller GA4.