回到文章列表

漏斗分析實戰：以 HelloFresh 為例拆解用戶轉換

2026-03-19·8 分鐘
Product AnalyticsFunnel AnalysisHelloFreshGrowth

漏斗分析（Funnel Analysis）是產品分析裡最基礎也最實用的方法之一。它追蹤用戶在一連串有序步驟中的行為，量化每一步的轉換與流失。本文以 HelloFresh 的訂閱制商業模式為例，從定義漏斗、計算指標到找出瓶頸與優化策略，完整拆解這套分析框架。

注意：文中所有數據皆為假設，僅供說明分析方法使用。

什麼是漏斗分析？

漏斗分析是一種序列模型，用來追蹤用戶從第一個接觸點到最終目標（如購買、註冊）之間，每一步的完成率與流失率。

核心概念：

  • 轉換率（Conversion Rate）：完成當前步驟並進入下一步的用戶比例
  • 流失率（Drop-off Rate）：在當前步驟離開、未進入下一步的比例
  • 整體轉換率：從漏斗頂端到底端的端到端比例

與其他分析方法的區別：

方法 回答的問題
漏斗分析 用戶在哪一步流失最多？
世代分析（Cohort） 不同批次的用戶行為有何差異？
留存分析（Retention） 用戶是否持續回來？

三者常搭配使用，但漏斗分析是診斷轉換問題的第一步。

HelloFresh 的業務背景

HelloFresh 是全球最大的 meal-kit 訂閱服務，商業模式清晰：用戶在線上選擇餐盒方案，每週收到食材與食譜，在家烹飪。

這個模型非常適合用來示範漏斗分析，因為：

  1. 路徑明確：從瀏覽到訂閱有清楚的線性流程
  2. 訂閱制：不只看首次購買，還要看續訂與留存
  3. 多個摩擦點：選方案、註冊、自訂菜單、結帳，每一步都可能流失

關鍵商業指標：

  • CAC（Customer Acquisition Cost）：獲取一位新客的成本
  • Trial-to-Paid Conversion：試用轉正式訂閱的比率
  • Churn Rate：每月取消訂閱的比率

定義漏斗步驟

一個典型的 HelloFresh 新用戶漏斗可以定義為：

步驟 事件名稱 說明
Step 1 page_view_landing 訪問首頁或活動頁
Step 2 plan_browse 瀏覽方案頁面
Step 3 plan_select 選定一個方案
Step 4 signup_complete 完成註冊或登入
Step 5 menu_customize 自訂本週菜單
Step 6 checkout_complete 完成結帳付款
Step 7 reorder 第二週以後的續訂

粒度的取捨

漏斗步驟不是越多越好：

  • 太少（例如只有「訪問 → 結帳」）：看不出問題在哪
  • 太多（例如拆到每個表單欄位）：噪音太大，難以聚焦
  • 建議：3-7 個步驟，每步對應一個有意義的用戶決策點

計算轉換率與流失率

假設我們追蹤了一個月的數據：

步驟 用戶數 步進轉換率 累計轉換率
首頁訪問 100,000 — 100%
瀏覽方案 60,000 60.0% 60.0%
選擇方案 25,000 41.7% 25.0%
註冊 15,000 60.0% 15.0%
自訂菜單 10,000 66.7% 10.0%
結帳 7,000 70.0% 7.0%
續訂 3,500 50.0% 3.5%

公式：

步進轉換率 = 當步用戶數 / 上一步用戶數
累計轉換率 = 當步用戶數 / 第一步用戶數
流失率 = 1 - 步進轉換率

從這張表可以快速看出：瀏覽方案 → 選擇方案（41.7%）和結帳 → 續訂（50.0%）是兩個最大的瓶頸。

找出瓶頸：常見分析手法

光看整體漏斗還不夠，你需要切維度來診斷根因。

1. 逐步 Drop-off 分析

找出 drop-off 最大的那一步，優先處理。上例中「瀏覽方案 → 選擇方案」流失了 58.3% 的用戶，是最該優先調查的環節。

2. 按渠道分群

渠道 首頁 → 結帳轉換率
Google Ads 5.2%
自然搜尋 8.1%
好友推薦 12.3%
社群媒體 3.8%

好友推薦的轉換率遠高於付費廣告，可能意味著推薦計畫的 ROI 更高。

3. 按裝置分群

裝置 自訂菜單 → 結帳轉換率
桌面 78.5%
手機 58.2%

手機端結帳轉換率明顯偏低，可能是行動端結帳流程有 UX 問題。

4. Time-to-Convert 分析

用戶在每一步停留多久才進入下一步？

  • 瀏覽方案 → 選擇方案：中位數 4.2 分鐘（猶豫期長，可能方案比較太複雜）
  • 自訂菜單 → 結帳：中位數 1.1 分鐘（流暢，無明顯摩擦）

停留時間過長通常代表用戶遇到困惑或猶豫。

優化策略

針對每個瓶頸，對應不同的優化手段：

瀏覽 → 選擇（41.7%，最大瓶頸）

  • 簡化方案比較：減少方案數量，突出差異，加入推薦標籤（如「最受歡迎」）
  • A/B 測試定價頁：測試不同排版、預設選項、價格錨定
  • 加入社會證明：顯示訂閱人數、評分、用戶評價

選擇 → 註冊（60.0%）

  • 降低註冊摩擦：支援 Google/Apple 社交登入
  • 延遲註冊：先讓用戶選完菜單再要求註冊（先創造沉沒成本）
  • 訪客結帳：允許不註冊直接購買

自訂菜單 → 結帳（70.0%）

  • 預設菜單：提供系統推薦的默認搭配，減少選擇負擔
  • 儲存偏好：記住飲食偏好（素食、無麩質等），自動篩選

結帳 → 續訂（50.0%，留存關鍵）

  • Onboarding 郵件：第一週寄送烹飪技巧、食譜影片
  • 難度配對：根據用戶經驗推薦適合難度的食譜
  • 彈性暫停：允許跳過一週而非直接取消
  • 離開挽留：取消流程中提供折扣或方案調整

優先排序：Impact × Effort

優化項目 預期影響 實作難度 優先序
簡化方案比較 高 低 P0
社交登入 中 低 P1
預設菜單 中 中 P1
Onboarding 郵件 高 中 P0
彈性暫停 高 高 P2

工具與實作

分析平台

  • Mixpanel / Amplitude：內建漏斗分析功能，拖拉設定步驟即可產出報表
  • Google Analytics 4：漏斗探索報告（Exploration → Funnel）
  • 自建方案：事件表 + SQL 查詢

SQL 範例

假設你有一張事件表 events(user_id, event_name, timestamp)，用視窗函數計算漏斗：

WITH funnel AS (
  SELECT
    user_id,
    MAX(CASE WHEN event_name = 'page_view_landing' THEN 1 ELSE 0 END) AS step1,
    MAX(CASE WHEN event_name = 'plan_browse' THEN 1 ELSE 0 END) AS step2,
    MAX(CASE WHEN event_name = 'plan_select' THEN 1 ELSE 0 END) AS step3,
    MAX(CASE WHEN event_name = 'signup_complete' THEN 1 ELSE 0 END) AS step4,
    MAX(CASE WHEN event_name = 'checkout_complete' THEN 1 ELSE 0 END) AS step5
  FROM events
  WHERE timestamp BETWEEN '2026-02-01' AND '2026-02-28'
  GROUP BY user_id
)
SELECT
  COUNT(*) AS total_users,
  SUM(step1) AS landing,
  SUM(CASE WHEN step1 = 1 AND step2 = 1 THEN 1 ELSE 0 END) AS browse,
  SUM(CASE WHEN step1 = 1 AND step2 = 1 AND step3 = 1 THEN 1 ELSE 0 END) AS selected,
  SUM(CASE WHEN step1 = 1 AND step2 = 1 AND step3 = 1 AND step4 = 1 THEN 1 ELSE 0 END) AS signup,
  SUM(CASE WHEN step1 = 1 AND step2 = 1 AND step3 = 1 AND step4 = 1 AND step5 = 1 THEN 1 ELSE 0 END) AS checkout
FROM funnel;

這段 SQL 確保用戶必須依序完成每一步才被計入下一步，避免跳步造成的數據膨脹。

呈現給 Stakeholder

  • 用水平柱狀圖呈現漏斗，每一步標註轉換率與絕對數字
  • 加上趨勢折線圖，追蹤每週漏斗轉換率的變化
  • 附上分群比較表，讓產品經理一眼看出哪個渠道或裝置需要優化

常見陷阱

1. 只看虛榮指標

只優化漏斗頂端（如首頁流量）卻忽略下游轉換，最終不會帶來營收增長。

2. 歸因窗口不清

用戶今天瀏覽、下週才結帳，算不算同一個漏斗？你需要定義清楚的歸因窗口（例如 7 天內完成所有步驟才計入）。

3. 生存者偏差

只分析進入漏斗的用戶，忽略了完全沒進入漏斗的人。也許最大的問題不在漏斗內，而是根本沒人知道你的產品。

4. 過度切分

把數據切成太多維度（渠道 × 裝置 × 地區 × 新舊客），樣本量太小，結論不可靠。切分前先確認每個分群有足夠的樣本。

5. 只看數字不看原因

漏斗分析告訴你哪裡有問題，但不告訴你為什麼。搭配質化方法（用戶訪談、Session Recording、問卷）才能找到真正的根因。

結語

漏斗分析是產品分析的起點，不是終點。它幫你快速定位轉換瓶頸，但真正的優化需要結合分群分析、A/B 測試與質化研究。

以 HelloFresh 為例，我們可以看到：即使是一個看似簡單的「瀏覽→購買」流程，拆解後也藏著多個可優化的環節。關鍵在於：定義清楚的步驟、追蹤正確的事件、用數據找出瓶頸、然後用 Impact × Effort 排序來決定先做什麼。

記住：漏斗會隨產品演進而改變。定期重新檢視漏斗定義，確保它反映的是當前的用戶旅程，而不是半年前的假設。

回到文章列表