漏斗的口径本质
漏斗指标的本质是同一批用户按顺序走完各步骤的比例，分子与分母必须来自同一批用户、同一时间窗口。事实层只负责记录步骤事件与用户键，步骤顺序、时间窗口、是否允许回流这些口径在指标层定义。最常见的错误是把「当日各步骤事件数相除」当成转化率，分母里混进了非同一批用户，算出的数值甚至可能超过百分之百。
基本信息
| 精度 | 同批用户 + 步骤顺序 + 时间窗口 |
|---|---|
| 数据 | 步骤事件明细，含用户键与步骤标识 |
| 边界 | 多路径、回流、部分完成 |
| 口径参数 | 窗口长度、步骤定义、去重规则 |
| 常见实现 | 按用户聚合后各步骤取最大标记相除 |
典型使用场景
- 电商下单漏斗：浏览、加购、下单、支付四段转化
- 注册激活漏斗：注册、实名、首单，衡量流程摩擦
- 内容消费漏斗：曝光、点击、完播，评估内容吸引力
- 多路径场景下确定主路径口径，或改用路径分析替代单漏斗
- 版本迭代前后对比漏斗，定位流失变化集中在哪个环节
同批用户漏斗
同批用户漏斗
-- 同一批用户、同一窗口内，按步骤取最大标记再相除
WITH step AS (
SELECT user_id,
max(CASE WHEN step = 'view' THEN 1 ELSE 0 END) AS s1,
max(CASE WHEN step = 'cart' THEN 1 ELSE 0 END) AS s2,
max(CASE WHEN step = 'pay' THEN 1 ELSE 0 END) AS s3
FROM dwd_funnel_event
WHERE dt BETWEEN '2026-10-05' AND '2026-10-12'
GROUP BY user_id
)
SELECT sum(s1) AS view_uv, sum(s2) AS cart_uv, sum(s3) AS pay_uv,
sum(s2) / sum(s1) AS cart_rate,
sum(s3) / sum(s2) AS pay_rate
FROM step;口径要素对照
| 要素 | 定义方式 | 不同选择的差异 |
|---|---|---|
| 归属批次 | 按首步发生日归组 | 按完成日归组会让转化率滞后 |
| 窗口长度 | 如 7 日内完成 | 窗口越长转化率越高 |
| 步骤顺序 | 严格顺序或允许乱序 | 宽松口径会让转化率虚高 |
| 回流处理 | 是否允许回到上一步 | 不声明则跨期对比不可比 |
漏斗口径的三要素，窗口长度、步骤定义、去重规则，必须写进指标卡；任何一项变化都要按口径变更发布，否则前后对比的结论不成立。
分步转化率相乘应约等于整体转化率，若明显不等，说明中间步骤存在重合或串联错误，这本身就是一条有效的自动校验规则。