reatlat/fullstory-claude-plugin

Funnel Doctor

Diagnostizieren Sie Conversion-Funnels – finden Sie den undichtesten Schritt, quantifizieren Sie den Verlust und zeigen Sie die Sitzungen, die erklären, warum Nutzer gehen.

Wann verwenden

• „Wo springen Nutzer in unserem Checkout-Prozess ab?“
• „Wie hoch ist die Conversion-Rate von der Anmeldung bis zum ersten Kauf?“
• „Vergleiche den alten Onboarding-Flow mit dem neuen – haben wir die Abschlussrate verbessert?“
• „Zeige mir Sitzungen, in denen Nutzer beim Zahlungsschritt abgebrochen haben“
• „Was ist der größte Abbruch in unserer App? Quantifiziere den verlorenen Umsatz.“

Mentales Modell

Ein Funnel ist eine Abfolge von Schritten, die Nutzer absolvieren müssen. Ziel ist es, den Schritt zu finden, bei dem die meisten Nutzer gehen – nicht nur nach absoluter Anzahl, sondern auch nach dem prozentualen Rückgang vom vorherigen Schritt.

Beispiel: 10.000 kommen auf /checkout → 8.000 geben Versanddaten ein → 6.000 erreichen die Zahlung → 2.000 schließen den Kauf ab. Der größte absolute Rückgang ist die Zahlung (6.000 → 2.000 = 4.000 verloren). Der größte prozentuale Rückgang ist ebenfalls die Zahlung (67% Rückgang). Beides ist wichtig – präsentieren Sie beide Werte.

Arbeitsablauf

Schritt 1: Definieren Sie die Funnel-Schritte

Klären Sie, welche Schritte den Benutzer interessieren. Typische Funnels:

• E-Commerce: Produktseite → in den Warenkorb → Checkout → Versand → Zahlung → Bestätigung
• SaaS-Anmeldung: Landingpage → Anmeldeformular → E-Mail-Verifizierung → Onboarding → erste Aktion
• App-Flow: Startseite → Suche → Ergebnisse → Detail → Buchung

Wenn der Benutzer keine Schritte angibt, fragen Sie nach Start- und Endpunkt. Sie können die mittleren Schritte aus den Seitenaufrufdaten ableiten.

Schritt 2: Erstellen Sie eine Funnel-Metrik

Rufen Sie fullstory:build_metric auf mit:

• query – beschreibt die Funnel-Schritte in der Reihenfolge (z.B. „Nutzer, die /checkout aufgerufen haben, dann die Versandseite erreicht haben, dann die Zahlungsseite erreicht haben, dann den Kauf abgeschlossen haben“)
• output_type="funnel" – dies teilt dem Builder mit, einen sequentiellen Funnel zu erstellen, keine einfache Zählung

Wenn für diesen Flow bereits eine Funnel-Metrik existiert, suchen Sie zuerst: fullstory:get_metric(regex="checkout funnel"). Für Funnels, die mit build_funnel erstellt wurden, verwenden Sie fullstory:get_funnel(id) – es gibt Name, Beschreibung, gerenderte Definition und die korrekte num_steps zurück (benötigt für den get_funnel_sessions-Workflow).

Schritt 3: Berechnen und analysieren

Rufen Sie fullstory:compute_metric(metric_id) auf – oder fullstory:compute_funnel(funnel_id) für Funnel-spezifische Optionen.

Periodenvergleich – fügen Sie compare_to hinzu, um Vorperioden-Deltas zu sehen:

fullstory:compute_funnel(funnel_id, compare_to="previous_period")

Jeder Schritt erhält ein previous-Objekt mit der Anzahl und Conversion-Rate der Vorperiode. Verwenden Sie dies für Fragen wie „Hat das neue Design geholfen?“, anstatt zwei separate Funnels zu erstellen.

Dimensionsaufschlüsselung – fügen Sie dimension hinzu, um nach einer Eigenschaft aufzuteilen:

fullstory:compute_funnel(funnel_id, dimension="device_type")

Jeder Schritt erhält ein groups-Array, das nach dieser Dimension aufgeschlüsselt ist (Browser, Land, Gerät, benutzerdefinierte Variable usw.). Ersetzt manuelle Segment-pro-Gruppe-Workflows.

Präsentieren Sie die Ergebnisse als Schritt-für-Schritt-Aufschlüsselung:

Checkout-Funnel (letzte 30 Tage)
1. /checkout               10.000 Nutzer  (100%)
2. Versandformular          8.000 Nutzer  (80% — 2.000 verloren)
3. Zahlungsseite            6.000 Nutzer  (75% der Verbliebenen — 2.000 verloren)
4. Bestätigung              2.000 Nutzer  (33% der Verbliebenen — 4.000 verloren) ← GRÖSSTER ABBRUCH
Gesamt-Conversion: 20%

Mit compare_to Deltas anhängen:

4. Bestätigung              2.000 Nutzer  (33% der Verbliebenen — 4.000 verloren)
   Vorperiode:              1.400 Nutzer  (28% der Verbliebenen)
   Delta:                   +600 Nutzer    (+5%-Punkte Conversion)  ↑

Mit dimension zeigen Sie die Conversion pro Gruppe bei jedem Schritt.

Heben Sie den Schritt mit dem größten absoluten Rückgang UND dem größten prozentualen Rückgang hervor – sie sind oft identisch, aber nicht immer.

Schritt 4: Mit Segmenten eingrenzen

Wenn der Benutzer nach einer bestimmten Kohorte fragt (mobile Nutzer, Enterprise, neu vs. wiederkehrend), erstellen Sie ein Segment und hängen Sie es an:

fullstory:build_segment("mobile Nutzer") → segment_id
fullstory:update_metric(metric_id, segment_id)
fullstory:compute_metric(metric_id)

Für A/B-Vergleiche von Funnels (alter Flow vs. neuer, mobil vs. Desktop) verwenden Sie das Skill comparisons, um den richtigen Mechanismus (Dimensionalität vs. Segmente) zu wählen.

Schritt 5: Untersuchen Sie den schlimmsten Schritt

Sobald Sie den undichtesten Schritt identifiziert haben, finden Sie heraus, warum:

1. Rufen Sie fullstory:get_sessions(metric_id=metric_id) auf, gefiltert auf Sitzungen, die den Problem-Schritt erreicht, aber nicht abgeschlossen haben.
2. Laden Sie 3–5 Sitzungen über den session-context-Agenten mit gezielten Aufgaben:
   • „Was hat der Nutzer auf der Zahlungsseite gemacht, bevor er gegangen ist? Ist ein Fehler aufgetreten?“
   • „Hat die Formularvalidierung ihn blockiert? Welche Felder wurden hervorgehoben?“
   • „Hat er vor dem Abbruch Wut-Klicks oder Dead-Clicks ausgeführt?“

Schritt 6: Berichten

Fassen Sie alles zusammen:

• Die Funnel-Zahlen (Tabellenformat)
• Welcher Schritt das größte Problem ist (mit sowohl absolutem als auch prozentualem Verlust)
• Was die Sitzungsbeweise darüber zeigen, warum Nutzer an diesem Schritt gehen
• Falls zutreffend, geschätzte Umsatzauswirkung (Nutzeranzahl × durchschnittlicher Bestellwert)

Richtlinien

• Zeigen Sie immer sowohl den absoluten Rückgang (Nutzeranzahl) als auch den prozentualen Rückgang bei jedem Schritt an.
• Geben Sie die metric_url an, damit der Benutzer in der FullStory-Oberfläche nachprüfen kann.
• Wenn ein Funnel-Schritt einen sehr hohen Rückgang aufweist, priorisieren Sie die Untersuchung dieses Schritts – verbringen Sie nicht gleich viel Zeit mit jedem Schritt.
• Fragen Sie den Benutzer nach dem durchschnittlichen Bestellwert für die Umsatzauswirkung. Raten Sie nicht.
• Wenn der Benutzer fragt „Hat das neue Design geholfen?“, erstellen Sie zwei Funnel-Metriken (vor/nach dem Bereitstellungsdatum) und präsentieren Sie sie nebeneinander.