Как провести анализ воронки: найти потери и улучшить конверсию

Что такое анализ воронки?

Анализ воронки — количественный метод исследования, который измеряет, как пользователи проходят через заданную последовательность шагов к целевому действию и где именно они останавливаются. Пользовательский путь представляется в виде упорядоченных событий: для каждого шага рассчитывается коэффициент конверсии, и на этой основе выявляются точки, где пользователи покидают процесс. Метод превращает размытое «конверсия низкая» в конкретные данные для действий: не просто «мы теряем пользователей», а «между вторым и третьим шагом теряется 43% пользователей, и на мобильных устройствах этот показатель вдвое хуже».

На какой вопрос отвечает метод?

Какой процент пользователей, начавших сценарий, завершает его?
На каком шаге уходит больше всего пользователей?
Как конверсия различается по сегментам (mobile vs. desktop, новые vs. вернувшиеся)?
Улучшило или ухудшило конверсию на конкретном шаге последнее изменение?
Сколько времени проходит между шагами, и где задержки указывают на точки трения?
Какие точки входа дают наибольший и наименьший процент завершения воронки?

Когда применять

Когда в продукте есть критически важный многошаговый сценарий и команда хочет знать, где пользователи застревают.
Когда показатели конверсии ниже целевых и нужно определить, с какого шага начинать улучшения.
Когда измеряется влияние дизайнерского решения на конкретный сценарий.
Когда задача — рост выручки: даже небольшое улучшение на шаге с наибольшими потерями даёт ощутимый результат.
Когда нужно сформулировать гипотезы для качественного исследования.
Когда настраивается постоянный мониторинг с оповещениями о падении конверсии.

Метод не подходит, если пользовательский путь нелинеен — для просмотра контента или исследования маркетплейса лучше использовать path analysis. Анализ воронки также не объясняет, почему пользователи уходят; для этого нужно сочетать его с юзабилити-тестированием, записями сессий или опросами.

Что вы получаете (результаты)

Пошаговый отчёт о конверсии с показателями потерь на каждом шаге.
Рейтинг точек потерь, ранжированный по абсолютному числу ушедших пользователей.
Сравнение сегментов по устройству, типу пользователя, источнику трафика, географии.
Анализ времени между шагами с отметкой точек трения.
Сравнение «до/после» с тестированием статистической значимости.
Документ с гипотезами и рекомендациями по дальнейшему качественному исследованию.

Участники и сроки

Участники: рекрутинг не нужен — используются данные живого продукта. Для устойчивых показателей через воронку должно пройти не менее 200–500 пользователей.
Период данных: минимум 1–2 недели.
Настройка: 1–3 дня при готовом трекинге; 1–2 недели при новой инструментации.
Анализ: 1–3 дня для фокусного разбора.

Как провести анализ воронки (шаг за шагом)

1. Определить сценарий и задать 3–7 шагов

Выберите сценарий с чёткими началом и финалом. Каждый шаг должен соответствовать отслеживаемому событию с понятным критерием успеха. Слишком много шагов создают шум, слишком мало — скрывают важные переходы.

2. Верифицировать трекинг событий

Пройдите сценарий вручную и убедитесь, что каждое событие фиксируется корректно. Проверьте двойной счёт, пропущенные события на отдельных платформах и неправильный порядок событий.

3. Построить воронку в аналитическом инструменте

Задайте последовательность шагов, окно конверсии (1–24 часа для оформления заказа, 7–30 дней для онбординга) и глобальные фильтры. Протестируйте на известных данных.

4. Найти крупнейшие точки потерь

Смотрите и на абсолютные потери (наибольшее число ушедших), и на относительные (наименьший процент конверсии). Это приоритетные точки для работы.

5. Сегментировать воронку

Разбейте по устройству, типу пользователя, источнику трафика, географии. Общая конверсия 70% может скрывать 45% на мобильных — сегментация обнажает реальную проблему.

6. Проанализировать время между шагами

Шаги с аномально долгим медианным временем указывают на путаницу или трение. Шаги с очень коротким временем могут означать, что пользователи кликают не читая.

7. Сравнить периоды

Для анализа «до/после» используйте тестирование значимости (z-тест для пропорций), чтобы убедиться: изменения реальны, а не случайны.

8. Сформировать гипотезы и рекомендовать дальнейшие шаги

Для каждой точки потерь перечислите вероятные причины и предложите качественный метод для их проверки (записи сессий, юзабилити-тест, опрос).

9. Настроить мониторинг

Создайте постоянный дашборд воронки с оповещениями, которые срабатывают при падении конверсии ниже заданных порогов.

Как AI меняет этот метод

Совместимость с AI: полная — AI может автоматизировать настройку воронки, обнаружение аномалий, анализ сегментов и генерацию гипотез.

Что умеет AI

Автоматически предлагать шаги воронки на основе данных о событиях.
Обнаруживать аномалии и оповещать команду в реальном времени.
Проводить анализ сегментов по десяткам измерений автоматически.
Генерировать гипотезы о потерях на основе типичных паттернов UX-трения и метаданных сессий.
Отвечать на вопросы на естественном языке — нетехнические специалисты получают графики воронки без SQL.
Предиктивное скоринг — ML-модели оценивают вероятность ухода пользователя на следующем шаге.

Что требует человека-исследователя

Определить, какие воронки важны — исходя из бизнес-модели и стратегии.
Верифицировать точность трекинга через ручное тестирование.
Интерпретировать, почему пользователи уходят — для этого нужно качественное исследование.
Приоритизировать исправления — взвешивая бизнес-влияние, инженерные усилия и стратегические приоритеты.

Рабочий процесс с AI

До появления AI анализ воронки требовал ручной настройки, экспорта в таблицы для сравнения сегментов и периодических повторных проверок. С AI-агентами аналитик описывает сценарий, инструмент строит воронку, выделяет значимые точки потерь и формирует черновик отчёта. Воронка затем мониторит себя непрерывно.

Инструменты

Аналитика с воронками: Amplitude, Mixpanel, GA4, PostHog, Heap, Pendo.

Инструменты конверсии: Glassbox, Contentsquare, UXCam.

Запись сессий: Hotjar, FullStory, LogRocket, Smartlook.

A/B тестирование: Optimizely, VWO, Statsig.

С поддержкой AI: Amplitude AI, Mixpanel Spark, ChatGPT / Claude.

Хорошо сочетается с

Analytics / Clickstream (An): аналитика помогает определить, какие сценарии стоит исследовать через воронку; воронка даёт точные пошаговые измерения.
Heatmaps / Click Maps (Hm): воронка показывает 35% потерь на странице оплаты; тепловая карта — где именно кликают пользователи.
Usability Testing Moderated (Ut): воронка выявляет точку потерь; юзабилити-тестирование объясняет причину.
A/B Testing (Ab): воронка измеряет проблему; A/B тестирование измеряет, сработало ли решение.
Survey (Sv): опрос после отказа спрашивает пользователей напрямую, почему они остановились.

Пример из практики

Платформа онлайн-образования обнаружила, что только 18% пользователей завершают процесс записи на курс. Шестишаговая воронка показала наибольшие потери (41%) между шагом «просмотр цен» и «начало оформления заказа». Сегментный анализ выявил, что среди пользователей из платных каналов этот показатель составлял 52%, тогда как среди органических — лишь 29%: вероятно, рекламный трафик приходил с другими ценовыми ожиданиями. Анализ времени показал, что завершившие покупку проводили на странице цен 45 секунд, а ушедшие — только 8.

Команда добавила таблицу сравнения тарифов, отзывы и значок гарантии возврата денег. Конверсия с шага «цены» на «оформление заказа» выросла с 59% до 71% (p < 0,01), а разрыв между платным и органическим трафиком сократился с 23 до 9 процентных пунктов.

Типичные ошибки начинающих

Слишком много или слишком мало шагов

Пятнадцать шагов порождают шум, который невозможно приоритизировать. Два шага показывают только общий показатель без диагностической ценности. Используйте 3–7 шагов, каждый из которых представляет значимое действие, на котором возможен уход.

Отсутствие сегментации

Общая конверсия 25% может оказаться 40% на desktop и 12% на mobile. Без сегментации вы оптимизируете под среднего пользователя, которого не существует.

Принятие порядка воронки за реальное поведение

Если часть пользователей идёт по пути A → C → B вместо A → B → C, воронка покажет ложные потери на шаге B. Сначала верифицируйте предполагаемую последовательность с помощью path analysis.

Восприятие данных воронки как диагноза

Потеря 40% на шаге — это симптом. Не переходите к решениям, не выяснив причину через записи сессий, юзабилити-тесты или опросы.

Слишком короткое окно конверсии

Окно в 1 час для сценария, который пользователи обычно проходят за 2–3 дня, даст искусственно низкую конверсию. Задавайте окно, исходя из реального распределения времени завершения.

AI-промпты для этого метода

3 готовых AI-промптов с placeholder’ами — скопируйте и подставьте свой контекст. Все промпты для «анализа воронки» →.