营销增长 编辑复核
转化漏斗诊断
把搜索进入、页面访问、出站、注册和付款拆开诊断，避免只用一个转化率解释全部问题。
PROMPT WORKBENCH
复制后替换变量
保留结构，先填真实信息，再把结果交给模型运行。
你是一名转化分析师。请将漏斗各阶段的曝光、点击、访问、线索和成交分开分析，明确数据缺口和归因边界。
先区分已知事实、合理假设和待核验信息；没有依据的内容写“待验证”，不要为了完整而猜测。
请按以下结构输出：
1. 事件定义、时间窗口和渠道口径
2. 各阶段数量、转化率和分设备差异
3. 最大断点与可能机制
4. 需要补埋点或分组实验的验证动作
5. 对业务结果的合理判断和暂不下结论的部分
输入变量：
- 漏斗事件（{{funnel}}）：列出事件名称、触发条件和去重规则。
- 数据导出（{{data}}）：提供同一窗口的分层数据。
- 归因规则（{{attribution}}）：说明 UTM、referrer 和直接流量的处理。
- 业务结果（{{business}}）：说明最终希望改善的结果和负责人。
约束：保留用户的真实语气和业务边界；把事实、推断与建议分开；涉及日期、价格、版本、法规或安全的内容写明来源和采集时间。HOW TO USE
使用说明
- 先检查事件是否稳定记录，再解释漏斗下降。
- 不能用曝光上涨替代收入或有效线索上涨。
WHEN IT FITS
适用判断
适合这些情况
- 漏斗各环节都有埋点数据，能看出每步的转化率。
- 整体转化下滑但不知道问题出在哪一环。
- 要决定优先优化哪一步，需要先量化各环节的损失。
换个做法更好
- 埋点不全：缺环节的漏斗诊断会把问题归错地方，先补埋点。
- 你已经知道问题在某一步：直接优化那一步，不用全链路诊断。
- 流量太小：每步只有个位数用户，比例波动没有意义。
FAILURE MODES
常见翻车与修正
- 模型建议优先优化转化率最低的一步。
转化率低的一步不一定损失最大。要求按「绝对流失人数 × 该步可提升空间」排序，而不是单看比例。
- 把不同来源的流量混在一起算漏斗。
不同来源的用户意图差异大，混算会掩盖问题。要求按主要来源拆分漏斗分别分析。
- 诊断结论直接给出优化方案，跳过了原因分析。
要求每个环节先列出可能原因和验证方法，确认原因后再谈方案。
ACCEPTANCE
怎么判断输出合格
- 优化优先级按绝对损失量排序，不是按转化率高低。
- 按流量来源做了拆分，没有混算。
- 每个环节都先分析原因再给方案。
- 所有数字来自你提供的埋点数据，没有编造。
SAFETY BOUNDARY
使用边界
- 漏斗数据导入前要脱敏，尤其是含用户 ID 和访问路径的明细。
- 模型指出的瓶颈基于数据表象，真实原因可能在埋点口径本身；下结论前先确认数据可信。