轉化漏斗模型，是分析使用者使用某項業務時，經過一系列步驟轉化效果的方法。
轉化分析的本質是為了促進企業的核心業務的流通，最大化每個營銷漏斗的轉化率。
在理想情況下，使用者會沿着產品設計的路徑到達最終目標事件，但實際情況是使用者的行為路徑是多種多樣。透過埋點事件配置關鍵業務路徑，可以分析多種業務場景下轉化和流失的情況，不僅找出產品潛在問題的位置，還可以定位每個環節流失使用者，進而定向營銷促轉化。
例如搜尋商品——>瀏覽商品——>商品下單——>交易付款，每個過程的轉化率有多少？
兩個推廣渠道帶來不同的使用者，哪個渠道的登入轉化率高？
哪些客服下單轉化情況最好？
詳情儀表板連結請參見：轉化分析
計算公式：轉化率=下一階段使用者人數/上一階段使用者人數
例如付款轉化率=付款人數/下單人數
使用自助資料集統計不同階段使用者人數，在儀表板計算即可。
範例資料：電商轉化分析.xlsx
上傳資料至 FineBI 。
找到 FineBI 資料集「電商轉化分析」，並用它建立自助資料集，如下圖所示：
點選「+>分組彙總」，將行為階段分別拖入分組和彙總欄，彙總欄選擇「記錄個數」，如下圖所示：
新增「新增欄」，對「行為階段1」進行降冪排名。如下圖所示：
這樣我們就對所有的使用者行為的前後順序進行了一個排名。
新增「新增欄」功能，命名為「排序合併列」，輸入公式：排序-1，以便後續進行左右合併，點選「確定」，為自助資料集表命名為「轉化率資料集-準備」並儲存，如下圖所示：
建立自助資料集，並選擇 2.3 節建立好的自助資料集，勾選除「排序」外的其他欄位，如下圖所示：
新增「左右合併」，選擇2.3 節建立好的自助資料集，勾選合併欄位為「排序」和「行為階段1」，點選「確定」，如下圖所示：
選擇合併方式為「並集合並」，合併依據為「排序合併欄」和「排序」，如下圖所示：
命名自助資料集為「轉化漏斗資料」並儲存。
此時已經計算出不同階段轉化資料，只需要在儀表板介面將「行為階段1」與「行為階段11」相除即可得到不同階段轉化率。
建立儀表板，點選「確定」，選擇「轉化漏斗資料」，點選「確定」，如下圖所示：
點選「+」新增計算欄位，命名欄位為「轉化率」，輸入公式行為階段1/行為階段11，點選「確定」，如下圖所示：
選擇圖表型別為漏斗圖，將「行為階段」維度欄位拖入「顏色欄」，也可對行為階段顏色進行自訂，並設定過濾條件為「不為空」，點選「確定」，如下圖所示：
將「行為階段1」拖入大小欄中，並修改名稱為「人數」，將「行為階段」、[轉化率]、「行為階段1」拖入標籤欄，修改「行為階段」名稱為「最後行為階段」，並設定顏色字體等，將「行為階段」拖入細粒度，並按照[人數]降冪排列，如下圖所示：
詳情參見本文 1.3 節。
首先是使用者從瀏覽商品行為到新增購物車行為這一流程的轉化情況，透過漏斗圖可以快速看出其轉化率為51.22%，反映出該平台的商品介紹、圖片描述等對使用者有較強的吸引力；
然後是新增購物車到下單的轉化率，可以看出其轉化率高達99.66%；
但付款的轉化率僅 50.34%，這是一個值得反思的轉化節點，透過資料分析猜測該平台商鋪支付渠道不完善，需要增加例如支付寶、微信等快捷支付渠道，降低平台因為沒有提供使用者習慣性的支付渠道而導致使用者放棄購買行為的機率。