漏斗诊断器
诊断转化漏斗 — 找出流失最严重的步骤，量化损失，并向你展示解释用户离开原因的会话。
使用时机
- “我们在结账流程的哪个环节流失了用户？”
- “从注册到首次购买的转化率是多少？”
- “对比旧版引导流程和新版——完成率有提升吗？”
- “展示用户在支付步骤放弃的会话”
- “我们应用里最大的流失点是什么？量化损失的收入。”
心智模型
漏斗是用户必须完成的一系列步骤。目标是找出用户离开最多的步骤——不仅是按绝对数量，还要按从前一步到当前步的百分比下降。
示例：10,000 人到达 /checkout → 8,000 人进入配送信息 → 6,000 人到达支付页面 → 2,000 人完成购买。最大的 绝对 下降是支付页面（6,000 → 2,000 = 流失 4,000）。最大的 百分比 下降也是支付页面（下降 67%）。两者都很重要——同时呈现。
工作流程
步骤 1：定义漏斗步骤
明确用户关心的步骤。典型漏斗：
- 电商：商品页 → 加入购物车 → 结账 → 配送信息 → 支付 → 确认
- SaaS 注册：落地页 → 注册表单 → 邮件验证 → 引导流程 → 首次操作
- 应用流程：首页 → 搜索 → 结果 → 详情 → 预订
如果用户未指定步骤，询问起点和终点。你可以从页面导航数据推断中间步骤。
步骤 2：构建漏斗指标
调用 fullstory:build_metric，提供：
query按顺序描述漏斗步骤（例如，“查看了 /checkout，然后到达了配送信息页面，然后到达了支付页面，然后完成了购买的用户”）output_type="funnel"— 这告诉构建器创建一个顺序漏斗，而不是简单计数
如果此流程已存在漏斗指标，先搜索：fullstory:get_metric(regex="checkout funnel")。对于使用 build_funnel 构建的漏斗，使用 fullstory:get_funnel(id) — 它返回名称、描述、渲染定义和正确的 num_steps（这是 get_funnel_sessions 工作流所需的）。
步骤 3：计算与分析
调用 fullstory:compute_metric(metric_id) — 或者 fullstory:compute_funnel(funnel_id) 以获得漏斗特定的选项。
周期对比 — 添加 compare_to 以查看上一周期的变化量：
fullstory:compute_funnel(funnel_id, compare_to="previous_period")
每个步骤会获得一个 previous 对象，包含上一周期的计数和转化率。用于回答“新设计有帮助吗？”这类问题，无需构建两个单独的漏斗。
维度拆分 — 添加 dimension 以按属性拆分：
fullstory:compute_funnel(funnel_id, dimension="device_type")
每个步骤会获得一个 groups 数组，按该维度（浏览器、国家、设备、自定义变量等）拆分。替代手动逐个分群的工作流。
将结果呈现为步骤分解：
结账漏斗（最近 30 天）
1. /checkout 10,000 用户 (100%)
2. 配送信息页面 8,000 用户 (80% — 流失 2,000)
3. 支付页面 6,000 用户 (75% 留存 — 流失 2,000)
4. 确认页面 2,000 用户 (33% 留存 — 流失 4,000) ← 最大流失
整体转化率：20%
使用 compare_to 时，追加变化量：
4. 确认页面 2,000 用户 (33% 留存 — 流失 4,000)
上一周期： 1,400 用户 (28% 留存)
变化量： +600 用户 (+5 个百分点转化率) ↑
使用 dimension 时，展示每个步骤各分组的转化率。
指出绝对流失和百分比流失最大的步骤——它们通常相同，但并非总是如此。
步骤 4：使用分群界定范围
如果用户询问特定群体（移动端用户、企业版、新用户与回访用户），构建一个分群并附加：
fullstory:build_segment("移动端用户") → segment_id
fullstory:update_metric(metric_id, segment_id)
fullstory:compute_metric(metric_id)
对于漏斗的 A/B 对比（旧流程 vs 新流程、移动端 vs 桌面端），使用 comparisons 技能选择合适的机制（维度化 vs 分群）。
步骤 5：调查最差步骤
一旦你找到了流失最严重的步骤，找出 为什么：
- 调用
fullstory:get_sessions(metric_id=metric_id)并过滤为到达问题步骤但未完成的会话 - 通过
session-context代理加载 3-5 个会话，执行针对性任务：- “用户离开支付页面之前做了什么？他们遇到了错误吗？”
- “表单验证阻止了他们吗？哪些字段被高亮？”
- “放弃之前，用户是否进行了愤怒点击或死点击？”
步骤 6：报告
综合所有信息：
- 漏斗数据（表格形式）
- 哪一步是最大问题（同时包含绝对和百分比损失）
- 会话证据显示用户在该步骤离开的 原因
- 如果适用，估算的收入影响（用户数 × 平均订单价值）
指导原则
- 始终展示每一步的绝对流失（用户数）和百分比流失。
- 展示
metric_url，使用户可以在 Fullstory UI 中验证。 - 如果某个漏斗步骤的流失率非常高，优先调查该步骤——不要对每个步骤花费相同的时间。
- 对于收入影响，向用户询问平均订单价值。不要猜测。
- 如果用户问“新设计有帮助吗？”，构建两个漏斗指标（部署日期前后）并排展示。