Анализът на фунията е метод за изследване как потребителите се движат през определена последователност от стъпки към конкретна цел, като покупка, регистрация или абонамент, с цел да се установи къде най-големият дял от потребителите се отказват, преди да завършат тази цел. Фунията обикновено се визуализира като поредица от етапи, например посещение на целева страница, преглед на продукт, добавяне в количката, започване на плащане и покупка, като броят или процентът на потребителите, останали на всеки етап, се показва така, че относителният размер на отпадането между всеки две последователни стъпки да е веднага видим за всеки, който разглежда отчета, без да се налага директно да тълкува таблици със сурови събития или да изпълнява отделна заявка за всеки етап. Фуниите могат да се изграждат като затворени, изискващи потребителите да завършат всяка стъпка в строг ред, за да бъдат отчетени, или като отворени, позволяващи на потребителите да влязат във всяка точка от последователността, а изборът между двете съществено променя начина, по който трябва да се тълкуват получените проценти на отпадане.
Този метод е важен, защото превръща единичния обобщен коефициент на конверсия в реален диагностичен инструмент. Знанието, че уебсайтът конвертира с 2 процента общо, казва много малко за това какво точно да се поправи, докато знанието, че 60 процента от потребителите отпадат конкретно между показването на разходите за доставка и завършването на плащането, дава конкретна, тестваема цел за следващия спринт на екипа. Затова анализът на фунията е основната техника за преминаване от забелязването, че съществува проблем с конверсията, към разбирането къде точно в потребителското пътуване този проблем всъщност възниква, което е необходимата първа стъпка, преди която и да е промяна в дизайна или съдържанието да може разумно да бъде приоритизирана пред друга конкуриращата се идея. Прегледът на една и съща фуния през последователни периоди разкрива и дали предишна поправка действително е издържала, тъй като стъпка, която се е подобрила след едно издание, може тихо да регресира месеци по-късно, когато другаде на страницата се внедряват несвързани промени.
Фуниите обикновено се изграждат и анализират с инструменти като отчетите за проучване на фунии в Google Analytics 4, Mixpanel или Amplitude, които изискват всяка стъпка предварително да бъде определена като проследявано събитие, което прави точното проследяване на събития абсолютно необходимо условие за надежден анализ на фунии от какъвто и да е вид. Аналитиците обикновено изграждат както обща фуния, така и няколко сегментирани версии, например разделяйки фуниите по източник на трафик, тип устройство или нови спрямо връщащи се посетители, защото стъпка, която изглежда да се представя адекватно в агрегат, може да прикрива сериозен проблем за един сегмент, като мобилните потребители, докато се представя напълно добре за друг, като потребителите на настолни устройства, пристигащи от търсене по марка с вече висока интенция да купят.
Честа грешка е определянето на стъпките на фунията твърде широко или твърде слабо свързано с реалния потребителски интерфейс, например третирането на цялото многополево плащане като една стъпка, вместо да се раздели на информация за доставка, платежна информация и преглед на поръчката, което скрива точно детайлната точка на отпадане, която анализът е трябвало да разкрие. Друг често срещан капан е анализирането на фуния само с линейна, последователна логика, когато реалното поведение на потребителите често е нелинейно — посетителите се връщат назад, за да сравняват продукти, отварят няколко раздела или се връщат през множество сесии и устройства, преди най-накрая да конвертират, модели, които строгият стъпка-по-стъпка модел на фуния може сериозно да изкриви, ако не бъдат умишлено отчетени в основната конфигурация на анализа и отчитането.
В консултантската работа по CRO анализът на фунията обикновено е втората стъпка от ангажимента, след одита на проследяването на събития, и пряко подпомага приоритизирането кой етап да се тества първи — по принцип етапът с най-висок процент на отпадане спрямо потенциалната му възстановима стойност в приходи. Консултантите често съчетават количествените данни от фунията с качествено проучване, като записи на сесии на потребители, отпаднали на конкретна стъпка, или анкети при напускане на страницата, които питат защо посетителят е избрал да не продължи, за да преминат от установяването къде потребителите си тръгват към разбирането защо са си тръгнали, което в крайна сметка оформя добре насочена хипотеза, основана на доказателства, в която си струва да се инвестират ресурси за тестване. Представянето на констатациите от фунията заедно с оценената стойност в приходи от затварянето на дадена пролука, а не само на самия процент на отпадане, също прави разговорите за приоритизиране с нетехнически заинтересовани страни значително по-конкретни и убедителни.
Още термини, започващи с F
Фасетна навигация (Faceted Navigation)Feature flag (превключвател на функции)Тестване на първото кликване (First Click Testing)First Contentful Paint (FCP)Данни от първа страна (First-Party Data)Законът на Фиц (Fitts's Law)Петсекунден тест (Five-Second Test)Ефект на трептене (Flicker Effect)Оптимизация на форми (Form Optimization)Ограничаване на честотата (Frequency Capping)Триене (Friction)
