Funnel analysis deep dive: события, окна, сегменты, ловушки

Действуй как product analyst. Спроектируй и проанализируй воронку для цели: {{funnel_goal}}. Источник событий: {{event_taxonomy}}.

Шаг 1. Step definition — events, не pageviews

Шаги воронки — это намерения пользователя, а не страницы. Один page может вмещать несколько шагов; один шаг может проходить на нескольких страницах.

Плохо

1. /landing
2. /pricing
3. /signup
4. /checkout
5. /thank-you

Хорошо

1. visited_landing (любая landing)
2. viewed_pricing (scroll до pricing section ≥80% OR клик "see pricing")
3. started_signup (заполнил email или клик "create account")
4. completed_signup (verified email или onboarding step 1)
5. started_checkout (открыл payment form)
6. completed_payment (платёж успешен)

Каждый шаг — observable behavior с однозначным определением.

Шаг 2. Time windows

Воронка без окна — мусор. Пользователь, который зашёл вчера и купил сегодня, может не быть частью одной сессии.

Типы окон

• Same-session — все шаги в одной сессии (30 мин неактивности = новая сессия)
• N-day window — все шаги в N дней с шага 1
• No window — все шаги когда-либо (только для очень длинных циклов)

Выбор

• E-commerce импульсная покупка → same-session
• SaaS trial-to-paid → 14-30 day window
• B2B sales → 30-180 day window
• Onboarding → 7-day window

Trap: оверлапы

Один user, который прошёл воронку дважды, считается один раз (distinct user_id) или дважды (each instance)?

• By user: для conversion rate (% людей которые конвертировались)
• By instance: для optimisation (где люди срываются в каждой попытке)

Зафиксируй явно. Смешивание = ошибки в разы.

Шаг 3. Cohort comparison

Сама по себе воронка ничего не говорит. Сравнивай:

• Across time: эта неделя vs предыдущие 4
• Across segments: paid vs organic, mobile vs desktop, new vs returning
• Pre/post change: до и после релиза / эксперимента

Без сравнения "drop-off на шаге 3 = 40%" — бесполезное число.

Шаг 4. Интерпретация drop-off

Эвристика: если drop-off шага > 70% — это либо качество трафика (UX bullshit не поможет), либо реальная UX проблема (тогда session replay + error logs).

Шаг 5. Segment-aware funnels

Aggregate funnel почти всегда врёт. Пример:

• Aggregate: 100 → 50 → 25 → 10 (10% conversion)
• Mobile: 80 → 30 → 10 → 2 (2.5%)
• Desktop: 20 → 20 → 15 → 8 (40%)

Aggregate скажет "оптимизируй шаг 1→2 (50% drop)". Mobile показывает что весь mobile flow сломан. Desktop — что почти всё ок.

Минимум для production funnel: 3-4 сегментные оси (device, channel, plan, geo). Сразу.

Шаг 6. Vanity funnel — чего избегать

"Vanity funnel" — воронка где numerator такой широкий, что conversion всегда выглядит хорошо. Признаки:

• Step 1 = "visited site" — поймает любого случайного, conversion маленький по дизайну
• Last step = "showed interest" — мутное определение, любое касание считается победой
• No deduplication — один пользователь × 5 visits = 5 "uniqueusers"
• Включает internal traffic — сотрудники, тесты, боты
• Без time window — конверсия растёт со временем "сама" по мере наблюдения

Тест: если ты не можешь сказать "если мы улучшим X на Y, conversion станет Z" — это vanity funnel.

Шаг 7. Output

## Funnel definition
1. <step> — <event/condition> — <expected % of total>
2. ...

## Time window
N days from step 1

## Counting
By distinct user_id (for CR) or by instance (for opt)

## Segmentation axes
- device
- acquisition_channel
- plan_tier (intent at signup)

## Findings
| Step | Volume | CR step | CR cumulative | Δ vs LW |

## Top drop-off hypotheses
1. ...

## Next experiments
1. ...

Анти-паттерны

• ❌ Воронка из URLs — теряешь behavior, путаешь шаги
• ❌ Без time window — "конверсия 50%" просто потому что считаешь всё время
• ❌ Aggregate без сегментации — Simpson's paradox, неправильные приоритеты
• ❌ "Optimisable everywhere" мышление — каждый шаг = эксперимент = месяцы, фокус на топ-1
• ❌ Не считать internal/bots — артефактно "плохая" воронка
• ❌ Конверсия без CI — N=50 это шум, не результат
• ❌ Сравнение разных периодов воронки если definitions менялись — нечестно