بونوس: مشکلات رایج داده (و چه کاری درباره آن‌ها انجام دهید)

ردیابی نحوه پیشرفت افراد از طریق یک فرآیند چندمرحله‌ای و جایی که خارج می‌شوند.

نحوه انجام تحلیل قیف

ردیابی نحوه پیشرفت افراد از طریق یک فرآیند چندمرحله‌ای و جایی که خارج می‌شوند.

بیشتر افرادی که به سایت شما می‌آیند هرگز ثبت‌نام نمی‌کنند، محصول شما را امتحان نمی‌کنند، یا به تسویه حساب نمی‌رسند. آن‌ها کجا می‌روند؟ چه چیزی باعث شد که ترک کنند؟ و چند نفر به هر مرحله رسیدند؟

در این راهنما، یاد می‌گیرید چگونه آن پاسخ‌ها را با استفاده از تحلیل قیف پیدا کنید، همراه با داده‌ای که نیاز دارید، نحوه انجام تحلیل، و نحوه امتحان آن خودتان با یک مجموعه داده نمونه.

تحلیل قیف چیست؟

تحلیل قیف نشان می‌دهد که کاربران چگونه از طریق یک سری مراحل حرکت می‌کنند و کجا خارج می‌شوند. به آن مثل یک قیف واقعی فکر کنید: پهن در بالا و باریک در پایین. افراد زیادی در بالا شروع می‌کنند، اما کمتر در پایین تمام می‌کنند. این فقط یک نمودار نیست، بلکه راهی برای نقشه‌برداری از سفر کاربران شما مرحله به مرحله است.

یک مثال ساده:

فرض کنید می‌خواهید جریان ثبت‌نام خود را تحلیل کنید. چهار مرحله کلیدی را تعریف می‌کنید:

مرحله 1: بازدید از صفحه اصلی

مرحله 2: ثبت‌نام

مرحله 3: شروع آزمایشی

مرحله 4: خرید پلن

حالا تصور کنید 1,000 نفر از صفحه اصلی شما بازدید کردند، اما فقط 50 نفر یک پلن خریدند. قیف شما ممکن است اینطور به نظر برسد:

Step	Users	Conversion from previous	Conversion from total
Visited homepage	1,000	–	–
Signed up	600	60%	60%
Started trial	200	33%	20%
Purchased plan	50	25%	5%

این تجزیه جایی که کاربران خارج می‌شوند را برجسته می‌کند. در این مورد، ثبت‌نام‌ها قوی هستند، اما تبدیل آزمایشی به پرداخت جایی است که همه چیز از هم می‌پاشد.

نوبت شما: 3 تا 5 مرحله کلیدی که کاربران شما قبل از تبدیل از آن‌ها عبور می‌کنند چیست؟ آن‌ها را حتی به طور تقریبی ترسیم کنید. این‌ها مراحل قیف شما خواهند شد.

داده‌ای که نیاز دارید

جدول بالا شامل داده تجمیع شده است. برای ساخت قیف خود، به داده خام با سه ویژگی نیاز دارید: چه کسی کاری انجام داد، چه کاری انجام داد، و چه زمانی انجام داد.

این یعنی هر ردیف معمولاً شامل فیلدهایی مثل این‌ها خواهد بود: user_id (چه کسی)، event_name (چه کاری)، و event_time (چه زمانی).

در اینجا نحوه به نظر رسیدن داده تمیز:

user_id	event_name	event_time
A	visited_homepage	2025-07-30 09:00:36
A	signed_up	2025-07-30 09:05:11
B	visited_homepage	2025-07-30 10:02:07
B	signed_up	2025-07-30 10:04:40
B	started_trial	2025-07-30 10:06:03

این نوع لاگ رویداد ستون فقرات تحلیل قیف است. همچنین می‌توانید فیلدهای اضافی مثل device، country، یا campaign_source را برای تقسیم قیف‌ها بر اساس بخش‌های مخاطب شامل کنید.

در بسیاری از موارد، باید داده خود را تغییر شکل دهید یا مدل کنید به این فرمت قبل از اینکه بتوانید یک قیف را محاسبه کنید.

نحوه محاسبه داده برای یک قیف

پس از اینکه داده شما تمیز شد، محاسبه قیف ساده است: تعداد کاربرانی که به هر مرحله می‌رسند را بشمارید، سپس نرخ تبدیل بین مراحل را محاسبه کنید.

بیایید از یک مثال استفاده کنیم:

user_id	event_name
A	visited_homepage
A	signed_up
A	started_trial
B	visited_homepage
B	signed_up
C	visited_homepage

مرحله 1 (بازدید از صفحه اصلی): 3 کاربر — A، B، C

مرحله 2 (ثبت‌نام): 2 کاربر — A و B

مرحله 3 (شروع آزمایشی): 1 کاربر — A

حالا نرخ تبدیل را محاسبه کنید:

نرخ تبدیل مرحله به مرحله:
- صفحه اصلی → ثبت‌نام = 2 ÷ 3 = 66.7%
- ثبت‌نام → آزمایشی = 1 ÷ 2 = 50%
نرخ تبدیل از شروع:
- صفحه اصلی → آزمایشی = 1 ÷ 3 = 33.3%

این ریاضی ساده پایه هر نمودار قیف است، مهم نیست داده شما چقدر پیچیده شود.

در اینجا نحوه به نظر رسیدن آن اعداد به عنوان یک قیف:

ساخت قیف‌ها در متابیس

برای ساخت یک نمودار قیف در متابیس، می‌توانید از query builder یا SQL استفاده کنید.

با شناسایی رویدادهایی که هر مرحله در قیف شما را نشان می‌دهند شروع کنید، چیزهایی مثل visited_homepage، signed_up، یا started_trial.

سپس:

رویدادهای خود را خلاصه کنید با شمارش user_id
گروه‌بندی بر اساس مرحله قیف، مثل event_name برای شمارش کاربران در هر مرحله
تجسم به عنوان یک نمودار قیف.

برای تنظیمات پیشرفته‌تر (مثل ترکیب مراحل از جداول مختلف یا استفاده از SQL)، راهنمای نمودارهای قیف ما را بررسی کنید.

خودتان امتحان کنید: CSV نمونه

آماده هستید تحلیل قیف را در عمل به کار ببرید؟

ما یک مجموعه داده نمونه آماده کرده‌ایم که می‌توانید دانلود کنید و خودتان کاوش کنید.

این CSV شامل داده رویداد کاربر مثل user_id، event_name، و event_time است تا بتوانید با استفاده از مراحلی که یاد گرفتید ساخت قیف‌ها در متابیس را تمرین کنید.

دانلود مجموعه داده قیف نمونه

CSV را به متابیس آپلود کنید و یک نمودار قیف بسازید تا ببینید کاربران کجا خارج می‌شوند و نرخ تبدیل چگونه تغییر می‌کند.

باید به یک قیف برسید که چیزی شبیه این به نظر برسد:

این تمرین به مجموعه داده نمونه از پیش تعریف شده متکی است، اما همچنین می‌توانید داده تمرینی خود را با استفاده از تولیدکننده مجموعه داده AI تولید کنید.