pm-funnel

Preamble (run first)

bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 读取技能包版本号
SKILL_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")" 2>/dev/null && pwd)" || true
if [ -f "$SKILL_ROOT/VERSION" ]; then echo "📦 super-pm $(cat "$SKILL_ROOT/VERSION")"; fi
# 创建目录
mkdir -p docs/05-产品战略

# 检查是否有用户旅程地图作为输入
if [ -f "docs/01-需求调研/用户旅程地图.md" ]; then
  echo "✅ 检测到用户旅程地图，将基于此进行漏斗分析"
fi

---

跨 Agent 交互规则

当流程要求与用户交互时：

1. 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。
2. 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。
3. 一次只问一个问题。
4. 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。
5. 不得在用户回答前生成文档、写入 docs。
6. 已有 docs 文件不能替代本轮用户回答。

---

执行流程

步骤 1: 定义转化漏斗

询问方式：使用 AskUserQuestion 逐个询问

---

问题 1: 业务场景

使用 AskUserQuestion 询问：

请问您要分析哪个业务场景的转化漏斗？

A) 注册转化漏斗（访客→注册用户） B) 购买转化漏斗（浏览→下单→支付） C) 激活转化漏斗（下载→注册→首次使用） D) 留存转化漏斗（新增→次日留存→7日留存） E) 其他（请手动输入）

---

问题 2: 漏斗步骤定义

根据问题1的场景，引导用户定义具体步骤：

示例（购买转化漏斗）：

请确认购买转化漏斗的关键步骤

引导用户输入：

1. 步骤1：[浏览商品详情页]
2. 步骤2：[加入购物车]
3. 步骤3：[进入结算页]
4. 步骤4：[提交订单]
5. 步骤5：[完成支付]

---

问题 3: 当前数据

针对每个步骤，收集当前数据：

使用 AskUserQuestion 询问：

步骤[1]：[浏览商品详情页]的用户数是多少？

引导用户输入每个步骤的用户数：

| 步骤 | 用户数 | 占比 | |------|-------|------| | 步骤1 | [X]万 | 100% | | 步骤2 | [X]万 | [X]% | | 步骤3 | [X]万 | [X]% | | 步骤4 | [X]千 | [X]% | | 步骤5 | [X]千 | [X]% |

---

步骤 2: 计算转化率和流失率

计算公式：

步骤转化率 = (下一步用户数 / 当前步骤用户数) × 100%
步骤流失率 = 100% - 步骤转化率
整体转化率 = (最后一步用户数 / 第一步用户数) × 100%

示例：

| 步骤 | 用户数 | 步骤转化率 | 步骤流失率 | |------|-------|-----------|-----------| | 浏览详情页 | 10,000 | - | - | | 加入购物车 | 3,000 | 30% | 70% | | 进入结算页 | 2,100 | 70% | 30% | | 提交订单 | 1,470 | 70% | 30% | | 完成支付 | 882 | 60% | 40% |

整体转化率：882 / 10,000 = 8.82%

---

步骤 3: 流失原因诊断

针对流失率最高的步骤，分析原因：

---

步骤3.1: 识别关键流失节点

关键流失节点定义：流失率 > 30% 的步骤

示例：

• 步骤1→2：流失率70%（关键流失节点）
• 步骤4→5：流失率40%（关键流失节点）

---

步骤3.2: 诊断流失原因

针对关键流失节点，使用 AskUserQuestion 询问：

步骤1→2（浏览详情页→加入购物车）流失率高达70%，可能的原因是？

A) 产品价格过高 B) 商品信息不清晰 C) 用户购买意愿不强 D) 竞品对比流失 E) 页面加载慢 F) 其他（请手动输入）

针对每个流失原因，引导用户深入分析：

请提供数据支撑或用户反馈（如有）

---

步骤3.3: 用户反馈收集

询问：

是否有用户调研或客服反馈数据？

A) 有用户调研数据 B) 有客服反馈记录 C) 有用户评论/投诉 D) 暂无数据，需要收集

如果选择D，提供数据收集建议：

建议收集方法：

1. 用户问卷调研（流失用户问卷）
2. 客服反馈分析
3. 用户访谈（深度访谈5-10人）
4. 数据埋点（详细行为数据）

---

步骤 4: 优化建议生成

根据流失原因，生成针对性优化建议：

---

场景A: 产品价格过高导致流失

优化建议：

1. 提供价格优惠（首单优惠、优惠券）
2. 展示性价比（对比竞品、突出优势）
3. 分期付款选项
4. 价格锚定策略（展示高价商品对比）

---

场景B: 商品信息不清晰导致流失

优化建议：

1. 优化商品详情页设计
2. 增加视频展示
3. 用户评价前置
4. 关键信息突出展示

---

场景C: 页面加载慢导致流失

优化建议：

1. 优化图片加载（压缩、懒加载）
2. CDN加速
3. 服务器性能优化
4. 减少不必要的请求

---

场景D: 结算流程复杂导致流失

优化建议：

1. 简化结算步骤
2. 一键购买功能
3. 默认地址/支付方式
4. 进度条引导

---

步骤 5: A/B测试建议

针对关键优化项，设计A/B测试：

测试设计模板：

测试名称：[优化项目名称]
测试目标：提升步骤[X]到步骤[X+1]的转化率
测试周期：[X]周
样本量：[X]万用户

A组（对照组）：[当前方案]
B组（实验组）：[优化方案]

评估指标：
- 主指标：步骤转化率
- 辅助指标：整体转化率、GMV

预期效果：转化率提升[X]%

---

步骤 6: 生成漏斗优化方案

使用 Write 工具生成文档到 docs/05-产品战略/漏斗优化方案.md：

---
product: [产品名称]
created_at: [当前时间]
author: [用户]
skill: pm-funnel
status: draft
---

# 漏斗分析与优化方案

## 一、漏斗概览

### 业务场景

**分析场景**：购买转化漏斗
**分析周期**：[起始日期] - [结束日期]
**数据来源**：[数据平台名称]

---

### 漏斗定义

**转化路径**：
1. 浏览商品详情页
2. 加入购物车
3. 进入结算页
4. 提交订单
5. 完成支付

---

## 二、漏斗数据分析

### 整体数据

| 步骤 | 用户数 | 步骤转化率 | 步骤流失率 | 累计转化率 |
|------|-------|-----------|-----------|-----------|
| 浏览详情页 | 10,000 | - | - | 100% |
| 加入购物车 | 3,000 | 30% | 70% | 30% |
| 进入结算页 | 2,100 | 70% | 30% | 21% |
| 提交订单 | 1,470 | 70% | 30% | 14.7% |
| 完成支付 | 882 | 60% | 40% | 8.82% |

**关键指标**：
- 整体转化率：8.82%
- 平均步骤转化率：57.5%
- 最大流失节点：浏览详情页→加入购物车（流失率70%）

---

### 流失用户画像

**流失用户特征**：
- 新用户占比：[X]%
- 来源渠道：[渠道分布]
- 设备分布：[iOS/Android占比]
- 访问时段：[时段分布]

---

## 三、关键流失节点分析

### 节点1: 浏览详情页→加入购物车

**流失率**：70%
**流失用户数**：7,000人

**流失原因诊断**：

| 原因 | 占比 | 数据支撑 |
|------|------|---------|
| 价格高于预期 | 35% | 用户调研：65%用户认为价格偏高 |
| 商品信息不全 | 25% | 客服反馈：商品描述不清 |
| 页面加载慢 | 20% | 平均加载时间：5.2秒 |
| 竞品对比流失 | 15% | 跳出用户：40%访问竞品 |
| 其他原因 | 5% | - |

**详细分析**：

1. **价格因素**（35%流失）
   - 商品平均价格：[X]元
   - 用户期望价格：[X]元
   - 竞品平均价格：[X]元
   - 价格敏感度：高

2. **信息因素**（25%流失）
   - 商品图片数量：平均3张
   - 商品描述字数：平均150字
   - 视频展示：缺失
   - 用户评价：平均15条

3. **性能因素**（20%流失）
   - 平均加载时间：5.2秒
   - 行业标准：3秒以内
   - 跳出率：[X]%

---

### 节点2: 提交订单→完成支付

**流失率**：40%
**流失用户数**：588人

**流失原因诊断**：

| 原因 | 占比 | 数据支撑 |
|------|------|---------|
| 支付方式有限 | 30% | 仅支持微信支付 |
| 结算流程复杂 | 25% | 平均结算时间：3分钟 |
| 运费过高 | 20% | 平均运费：15元 |
| 支付失败 | 15% | 支付成功率：85% |
| 其他原因 | 10% | - |

---

## 四、优化建议

### 优先级排序

| 优化项 | 预期提升 | 实施难度 | 投入成本 | 优先级 |
|-------|---------|---------|---------|--------|
| 价格策略优化 | +5% | 中 | 低 | P0 |
| 详情页优化 | +3% | 低 | 低 | P1 |
| 页面性能优化 | +2% | 中 | 中 | P1 |
| 支付流程优化 | +1.5% | 低 | 低 | P2 |
| 支付方式扩展 | +1% | 高 | 高 | P2 |

---

### 优化方案详情

#### 方案1: 价格策略优化（P0）

**目标**：降低价格敏感用户流失，提升转化率5%

**具体措施**：
1. 首单优惠：新用户首单立减[X]元
2. 满减活动：满[X]元减[X]元
3. 优惠券：定向发放优惠券
4. 价格锚定：展示原价vs现价

**实施计划**：
- Week 1：设计优惠券方案
- Week 2：开发优惠功能
- Week 3：上线测试

**预期效果**：
- 浏览→加购转化率：30% → 35%（+5%）
- 整体转化率：8.82% → 9.3%（+0.48%）

---

#### 方案2: 详情页优化（P1）

**目标**：提升信息完整性，降低信息缺失流失

**具体措施**：
1. 增加商品视频展示
2. 优化商品图片（增至6-8张）
3. 用户评价前置
4. 关键参数表格化展示

**实施计划**：
- Week 1：设计详情页模板
- Week 2：开发新模板
- Week 3：商家培训

**预期效果**：
- 浏览→加购转化率：30% → 33%（+3%）

---

#### 方案3: 页面性能优化（P1）

**目标**：提升加载速度，降低性能流失

**具体措施**：
1. 图片压缩（WebP格式）
2. CDN加速
3. 懒加载优化
4. 服务端渲染（SSR）

**实施计划**：
- Week 1：性能分析
- Week 2-3：优化实施
- Week 4：效果验证

**目标指标**：
- 平均加载时间：5.2秒 → 2.5秒
- 跳出率：[X]% → [X]%

---

#### 方案4: 支付流程优化（P2）

**目标**：简化支付流程，提升支付转化率

**具体措施**：
1. 一键支付功能
2. 默认地址记忆
3. 支付进度提示
4. 支付失败自动重试

**预期效果**：
- 提交→支付转化率：60% → 70%（+10%）

---

## 五、A/B测试计划

### 测试1: 价格优惠策略

**测试名称**：首单优惠效果测试
**测试周期**：2周
**样本量**：10,000新用户

**测试设计**：
- A组（对照组）：无优惠
- B组（实验组）：首单立减10元

**评估指标**：
- 主指标：浏览→加购转化率
- 辅助指标：整体转化率、GMV、客单价

**预期效果**：
- 转化率提升：+5%
- GMV提升：+3%

---

### 测试2: 详情页优化

**测试名称**：视频展示效果测试
**测试周期**：2周
**样本量**：20,000用户

**测试设计**：
- A组（对照组）：现有详情页
- B组（实验组）：增加视频展示

**评估指标**：
- 主指标：浏览→加购转化率
- 辅助指标：页面停留时长、跳出率

---

## 六、监控与迭代

### 监控指标

**实时监控**（每小时）：
- 各步骤转化率
- 整体转化率
- GMV

**周报监控**：
- 转化率趋势
- 流失原因变化
- 优化效果对比

---

### 迭代机制

**迭代周期**：每2周复盘一次

**迭代流程**：
1. 数据分析 → 识别问题
2. 假设提出 → 设计优化方案
3. A/B测试 → 验证效果
4. 全量上线 → 监控效果
5. 持续优化

---

## 七、下一步建议

建议执行：
1. /pm-abtest - 设计详细的A/B测试方案
2. /pm-growth - 制定增长执行方案
3. /pm-report - 建立数据监控体系

---

**项目状态**: 漏斗分析完成
**生成时间**: [当前时间]
**生成工具**: super-pm

---

注意事项

1. 数据准确性：确保数据埋点准确，避免数据偏差
2. 多维度分析：结合用户分群、渠道、设备等多维度分析
3. 归因准确：正确归因流失原因，避免误判
4. 持续优化：漏斗优化是持续过程，需定期复盘

---

输出质量对比

✅ Good 示例：

- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」

❌ Bad 示例：

- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」

---

常见误区 / Red Flags — STOP

出现以下情况立即停止并回溯：

| 误区 | 正确做法 | |------|---------| | 使用"应该"、"大概"、"看起来"做结论 | 必须基于实际数据和验证 | | 未运行检查就声称已完成 | 先验证，再陈述 | | 因时间紧迫跳过关键步骤 | 没有例外，时间紧更要严格 | | "这次应该没问题"的想法 | 每次都要重新验证 |

---

产出质量检查 / Verification Checklist

• [ ] 前置依赖已满足（输入文档/数据已收集）
• [ ] 核心步骤已全部执行
• [ ] 输出文档已生成到 docs/ 目录
• [ ] 每个判断都有数据/证据支撑
• [ ] 已推荐 2-3 个后续 skill

⚠️ 任何一项未通过 → 补全后再标记完成。

---