फ़नल विश्लेषण

फ़नल विश्लेषण एक ऐसी विधि है जिसके द्वारा यह जांच की जाती है कि उपयोगकर्ता किसी विशिष्ट लक्ष्य, जैसे खरीदारी, साइन अप या सदस्यता, की ओर निर्धारित चरणों के अनुक्रम से कैसे आगे बढ़ते हैं, ताकि यह पता लगाया जा सके कि लक्ष्य पूरा होने से पहले उपयोगकर्ताओं का सबसे बड़ा अनुपात किस चरण में ही सेवा छोड़ देता है। फ़नल को आमतौर पर कई चरणों के रूप में दर्शाया जाता है, उदाहरण के लिए लैंडिंग पृष्ठ पर जाना, उत्पाद देखना, कार्ट में जोड़ना, चेकआउट शुरू करना और खरीदारी करना। प्रत्येक चरण में शेष उपयोगकर्ताओं की संख्या या प्रतिशत दिखाया जाता है ताकि रिपोर्ट की समीक्षा करने वाले किसी भी व्यक्ति को किसी भी दो लगातार चरणों के बीच ड्रॉप-ऑफ का सापेक्ष आकार तुरंत दिखाई दे, इसके लिए कच्चे इवेंट टेबल को सीधे समझने या प्रत्येक चरण के लिए अलग क्वेरी चलाने की आवश्यकता नहीं होती है। फ़नल को बंद (क्लोज्ड) या खुले (ओपन) प्रकार से बनाया जा सकता है, जिसमें उपयोगकर्ताओं को गिनती के लिए प्रत्येक चरण को एक निश्चित क्रम में पूरा करना आवश्यक होता है, और खुले (ओपन) प्रकार से भी बनाया जा सकता है। इन दोनों विकल्पों के बीच का चुनाव ड्रॉप-ऑफ प्रतिशत की व्याख्या करने के तरीके को काफी हद तक बदल देता है।

यह विधि इसलिए महत्वपूर्ण है क्योंकि यह एक समग्र रूपांतरण दर को एक वास्तविक निदान उपकरण में बदल देती है। किसी वेबसाइट की कुल रूपांतरण दर 2 प्रतिशत है, यह जानने से समस्या को ठीक करने के बारे में बहुत कम जानकारी मिलती है, जबकि यह जानना कि 60 प्रतिशत उपयोगकर्ता शिपिंग लागत देखने और भुगतान पूरा करने के बीच में ही वेबसाइट छोड़ देते हैं, टीम के अगले स्प्रिंट के लिए एक ठोस, परीक्षण योग्य लक्ष्य प्रदान करता है। इसलिए, फ़नल विश्लेषण वह प्राथमिक तकनीक है जिसका उपयोग रूपांतरण समस्या का पता लगाने से लेकर यह समझने तक किया जाता है कि उपयोगकर्ता यात्रा में समस्या वास्तव में कहाँ से उत्पन्न होती है। यह किसी भी डिज़ाइन या सामग्री परिवर्तन को किसी अन्य प्रतिस्पर्धी विचार पर प्राथमिकता देने से पहले आवश्यक पहला कदम है। लगातार अवधियों में उसी फ़नल की समीक्षा करने से यह भी पता चलता है कि क्या पिछला सुधार वास्तव में कारगर रहा, क्योंकि एक रिलीज़ के बाद बेहतर हुआ चरण कुछ महीनों बाद चुपचाप बिगड़ सकता है क्योंकि पृष्ठ पर कहीं और असंबंधित परिवर्तन किए जाते हैं।

फ़नल का निर्माण और विश्लेषण आमतौर पर Google Analytics 4 के फ़नल एक्सप्लोरेशन रिपोर्ट, Mixpanel या Amplitude जैसे टूल का उपयोग करके किया जाता है। इन सभी टूल में प्रत्येक चरण को पहले से ही एक ट्रैक किए गए इवेंट के रूप में परिभाषित करना आवश्यक होता है, जिससे सटीक इवेंट ट्रैकिंग किसी भी प्रकार के विश्वसनीय फ़नल विश्लेषण के लिए एक अनिवार्य शर्त बन जाती है। विश्लेषक आमतौर पर एक समग्र फ़नल और कई खंडित संस्करण बनाते हैं, उदाहरण के लिए ट्रैफ़िक स्रोत, डिवाइस प्रकार या नए बनाम पुराने विज़िटर के आधार पर फ़नल को अलग करना। ऐसा इसलिए है क्योंकि एक चरण जो समग्र रूप से पर्याप्त रूप से प्रदर्शन करता हुआ प्रतीत होता है, वह एक खंड (जैसे मोबाइल उपयोगकर्ता) के लिए एक गंभीर समस्या को छिपा सकता है, जबकि दूसरे खंड (जैसे ब्रांडेड खोज से आने वाले डेस्कटॉप उपयोगकर्ता जिनकी खरीदने की पहले से ही उच्च मंशा है) के लिए पूरी तरह से अच्छा प्रदर्शन कर रहा हो।

एक आम गलती यह है कि फ़नल के चरणों को बहुत व्यापक रूप से या वास्तविक उपयोगकर्ता इंटरफ़ेस से बहुत ढीले ढंग से परिभाषित किया जाता है, उदाहरण के लिए, पूरे बहु-फ़ील्ड चेकआउट को एक ही चरण के रूप में मानना, बजाय इसके कि इसे शिपिंग जानकारी, भुगतान जानकारी और ऑर्डर समीक्षा में विभाजित किया जाए। इससे वह बारीक ड्रॉप-ऑफ़ बिंदु छिप जाता है जिसे विश्लेषण का उद्देश्य मूल रूप से उजागर करना था। एक और आम खामी यह है कि फ़नल का विश्लेषण केवल रैखिक, अनुक्रमिक तर्क का उपयोग करके किया जाता है, जबकि वास्तविक उपयोगकर्ता व्यवहार अक्सर गैर-रैखिक होता है, जिसमें आगंतुक उत्पादों की तुलना करने के लिए पीछे की ओर जाते हैं, कई टैब खोलते हैं, या अंततः खरीदारी करने से पहले कई सत्रों और उपकरणों पर वापस आते हैं। ये ऐसे पैटर्न हैं जिन्हें एक सख्त चरण-दर-चरण फ़नल मॉडल गलत तरीके से प्रस्तुत कर सकता है यदि अंतर्निहित विश्लेषण और रिपोर्टिंग कॉन्फ़िगरेशन में जानबूझकर इनका ध्यान नहीं रखा जाता है।

In सीआरओ कंसल्टिंग में, फ़नल विश्लेषण आमतौर पर किसी प्रोजेक्ट का दूसरा चरण होता है, जो इवेंट ट्रैकिंग ऑडिट के बाद आता है। यह सीधे तौर पर यह तय करने में सहायक होता है कि किस चरण का परीक्षण पहले किया जाए, आमतौर पर उस चरण का परीक्षण किया जाता है जिसमें राजस्व के संदर्भ में संभावित वसूली योग्य मूल्य की तुलना में ड्रॉप-ऑफ दर सबसे अधिक होती है। कंसल्टेंट अक्सर मात्रात्मक फ़नल डेटा को गुणात्मक शोध के साथ जोड़ते हैं, जैसे कि उन उपयोगकर्ताओं की सेशन रिकॉर्डिंग जो किसी विशिष्ट चरण पर ड्रॉप-ऑफ कर गए या ऑन-पेज एग्जिट सर्वे जिसमें पूछा जाता है कि कोई विज़िटर आगे क्यों नहीं बढ़ा। इससे उपयोगकर्ताओं के ड्रॉप-ऑफ के स्थान की पहचान करने से लेकर उनके ड्रॉप-ऑफ के कारणों को समझने तक की प्रक्रिया आगे बढ़ती है, जो अंततः एक सुनियोजित, साक्ष्य-आधारित परिकल्पना को आकार देती है जिसमें परीक्षण संसाधनों का निवेश करना सार्थक होता है। केवल ड्रॉप-ऑफ प्रतिशत के बजाय, किसी दिए गए अंतर को भरने के अनुमानित राजस्व मूल्य के साथ फ़नल निष्कर्षों को प्रस्तुत करने से गैर-तकनीकी हितधारकों के साथ प्राथमिकता संबंधी बातचीत अधिक ठोस और प्रभावी हो जाती है।