正文
理财购买转化漏斗
如上图表示:“2018年3月份，浏览标的页面的28100名用户，在7天内投资成功的转化与流失情况”。
这里漏斗分析与事件分析不同的地方：漏斗分析基于用户，或是说基于人来统计某一批用户所发生的行为，不会受到历史浏览页面用户的事件影响，更加准确的暴露某一时间段产品存在的问题。
通过漏斗模型及时发现问题
我们通过建立了注册转化漏斗，度量每一步的转化率和整体的注册转化率，通过时间维度来监控每一步和整体转化率的趋势。
例如：4月12日发现输入图形验证码这一步转化率在有明显异常，于是紧急通知技术同事排查，发现图形验证码功能失效，导致大量用户无法显示
。
紧急修复后，转化率回到之前的水平。所以，通过对每一步漏斗转化率的监控分析，可以及时发现问题，及时止损。
3. 留存分析
留存用户：
即用户发生初始行为一段时间后，发生了目标行为，即认定该用户为留存用户。
留存行为：
某个目标用户完成了起始行为之后，在后续日期完成了特定留存行为，则留存人数 +1
留存率：
是指发生“留存行为用户”占发生“初始行为用户”的比例。常见指标有次日留存率、七日留存率、次月留存率等。
留存表：
留存表中给出了目标用户的留存详情，主要包括以下几个信息：
用户留存表
留存曲线图：
留存曲线图可以观测随着时间推移，用户留存率的衰减情况。
以电商为例，我们观察运营策略优化/产品改版，是否会影响用户的购买行为。此时我们可以将用户行为分为：
然后根据客户注册的时间按周进行分组，得到同期群，制作留存曲线图，观察该群体用户发生购买的 30日留存。通过比较不同的同期群，可以获知新用户购买率指标是否在提升。
留存曲线图
留存行为一般都与我们的目标有强相关性。我们在进行留存分析时，一定要根据自身业务的实际需要，确定高价值的留存行为才能能对产品的优化提供指导性建议。
