pm-funnel
SkillMonitoring & opsUse when: you need to analyze user conversion funnels, diagnose drop-off causes, generate optimization suggestions, and improve user conversion rates. Do NOT use when: the user conversion path is already very clear, or only a single metric needs monitoring without full-funnel analysis.
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the pm-funnel skill
What this skill tells your AI
The instructions your AI receives, as published by konglong87/superpm in skills/05-product-strategy/pm-funnel/SKILL.md and read by ahel’s review.
Preamble (run first)
bash "$(dirname "${BASH_SOURCE[0]}")/../../check-update.sh" 2>/dev/null || true
# 创建目录
mkdir -p docs/05-产品战略
# 检查是否有用户旅程地图作为输入
if [ -f "docs/01-需求调研/用户旅程地图.md" ]; then
echo "✅ 检测到用户旅程地图,将基于此进行漏斗分析"
fi
跨 Agent 交互规则
当流程要求与用户交互时:
- 如果当前环境支持 AskUserQuestion,使用 AskUserQuestion(最佳体验)。
- 如果当前环境不支持 AskUserQuestion,必须用普通聊天消息提出同样问题。
- 一次只问一个问题。
- 提问后必须停止当前回合,等待用户回答(STOP and WAIT)。
- 不得在用户回答前生成文档、写入 docs。
- 已有 docs 文件不能替代本轮用户回答。
执行流程
步骤 1: 定义转化漏斗
询问方式:使用 AskUserQuestion 逐个询问
问题 1: 业务场景
使用 AskUserQuestion 询问:
请问您要分析哪个业务场景的转化漏斗?
A) 注册转化漏斗(访客→注册用户) B) 购买转化漏斗(浏览→下单→支付) C) 激活转化漏斗(下载→注册→首次使用) D) 留存转化漏斗(新增→次日留存→7日留存) E) 其他(请手动输入)
问题 2: 漏斗步骤定义
根据问题1的场景,引导用户定义具体步骤:
示例(购买转化漏斗):
请确认购买转化漏斗的关键步骤
引导用户输入:
- 步骤1:[浏览商品详情页]
- 步骤2:[加入购物车]
- 步骤3:[进入结算页]
- 步骤4:[提交订单]
- 步骤5:[完成支付]
问题 3: 当前数据
针对每个步骤,收集当前数据:
使用 AskUserQuestion 询问:
步骤[1]:[浏览商品详情页]的用户数是多少?
引导用户输入每个步骤的用户数:
| 步骤 | 用户数 | 占比 |
|---|---|---|
| 步骤1 | [X]万 | 100% |
| 步骤2 | [X]万 | [X]% |
| 步骤3 | [X]万 | [X]% |
| 步骤4 | [X]千 | [X]% |
| 步骤5 | [X]千 | [X]% |
步骤 2: 计算转化率和流失率
计算公式:
步骤转化率 = (下一步用户数 / 当前步骤用户数) × 100%
步骤流失率 = 100% - 步骤转化率
整体转化率 = (最后一步用户数 / 第一步用户数) × 100%
示例:
| 步骤 | 用户数 | 步骤转化率 | 步骤流失率 |
|---|---|---|---|
| 浏览详情页 | 10,000 | - | - |
| 加入购物车 | 3,000 | 30% | 70% |
| 进入结算页 | 2,100 | 70% | 30% |
| 提交订单 | 1,470 | 70% | 30% |
| 完成支付 | 882 | 60% | 40% |
整体转化率:882 / 10,000 = 8.82%
步骤 3: 流失原因诊断
针对流失率最高的步骤,分析原因:
步骤3.1: 识别关键流失节点
关键流失节点定义:流失率 > 30% 的步骤
示例:
- 步骤1→2:流失率70%(关键流失节点)
- 步骤4→5:流失率40%(关键流失节点)
步骤3.2: 诊断流失原因
针对关键流失节点,使用 AskUserQuestion 询问:
步骤1→2(浏览详情页→加入购物车)流失率高达70%,可能的原因是?
A) 产品价格过高 B) 商品信息不清晰 C) 用户购买意愿不强 D) 竞品对比流失 E) 页面加载慢 F) 其他(请手动输入)
针对每个流失原因,引导用户深入分析:
请提供数据支撑或用户反馈(如有)
步骤3.3: 用户反馈收集
询问:
是否有用户调研或客服反馈数据?
A) 有用户调研数据 B) 有客服反馈记录 C) 有用户评论/投诉 D) 暂无数据,需要收集
如果选择D,提供数据收集建议:
建议收集方法:
- 用户问卷调研(流失用户问卷)
- 客服反馈分析
- 用户访谈(深度访谈5-10人)
- 数据埋点(详细行为数据)
步骤 4: 优化建议生成
根据流失原因,生成针对性优化建议:
场景A: 产品价格过高导致流失
优化建议:
- 提供价格优惠(首单优惠、优惠券)
- 展示性价比(对比竞品、突出优势)
- 分期付款选项
- 价格锚定策略(展示高价商品对比)
场景B: 商品信息不清晰导致流失
优化建议:
- 优化商品详情页设计
- 增加视频展示
- 用户评价前置
- 关键信息突出展示
场景C: 页面加载慢导致流失
优化建议:
- 优化图片加载(压缩、懒加载)
- CDN加速
- 服务器性能优化
- 减少不必要的请求
场景D: 结算流程复杂导致流失
优化建议:
- 简化结算步骤
- 一键购买功能
- 默认地址/支付方式
- 进度条引导
步骤 5: A/B测试建议
针对关键优化项,设计A/B测试:
测试设计模板:
测试名称:[优化项目名称]
测试目标:提升步骤[X]到步骤[X+1]的转化率
测试周期:[X]周
样本量:[X]万用户
A组(对照组):[当前方案]
B组(实验组):[优化方案]
评估指标:
- 主指标:步骤转化率
- 辅助指标:整体转化率、GMV
预期效果:转化率提升[X]%
步骤 6: 生成漏斗优化方案
使用 Write 工具生成文档到 docs/05-产品战略/漏斗优化方案.md:
---
product: [产品名称]
created_at: [当前时间]
author: [用户]
skill: pm-funnel
status: draft
---
# 漏斗分析与优化方案
## 一、漏斗概览
### 业务场景
**分析场景**:购买转化漏斗
**分析周期**:[起始日期] - [结束日期]
**数据来源**:[数据平台名称]
---
### 漏斗定义
**转化路径**:
1. 浏览商品详情页
2. 加入购物车
3. 进入结算页
4. 提交订单
5. 完成支付
---
## 二、漏斗数据分析
### 整体数据
| 步骤 | 用户数 | 步骤转化率 | 步骤流失率 | 累计转化率 |
|------|-------|-----------|-----------|-----------|
| 浏览详情页 | 10,000 | - | - | 100% |
| 加入购物车 | 3,000 | 30% | 70% | 30% |
| 进入结算页 | 2,100 | 70% | 30% | 21% |
| 提交订单 | 1,470 | 70% | 30% | 14.7% |
| 完成支付 | 882 | 60% | 40% | 8.82% |
**关键指标**:
- 整体转化率:8.82%
- 平均步骤转化率:57.5%
- 最大流失节点:浏览详情页→加入购物车(流失率70%)
---
### 流失用户画像
**流失用户特征**:
- 新用户占比:[X]%
- 来源渠道:[渠道分布]
- 设备分布:[iOS/Android占比]
- 访问时段:[时段分布]
---
## 三、关键流失节点分析
### 节点1: 浏览详情页→加入购物车
**流失率**:70%
**流失用户数**:7,000人
**流失原因诊断**:
| 原因 | 占比 | 数据支撑 |
|------|------|---------|
| 价格高于预期 | 35% | 用户调研:65%用户认为价格偏高 |
| 商品信息不全 | 25% | 客服反馈:商品描述不清 |
| 页面加载慢 | 20% | 平均加载时间:5.2秒 |
| 竞品对比流失 | 15% | 跳出用户:40%访问竞品 |
| 其他原因 | 5% | - |
**详细分析**:
1. **价格因素**(35%流失)
- 商品平均价格:[X]元
- 用户期望价格:[X]元
- 竞品平均价格:[X]元
- 价格敏感度:高
2. **信息因素**(25%流失)
- 商品图片数量:平均3张
- 商品描述字数:平均150字
- 视频展示:缺失
- 用户评价:平均15条
3. **性能因素**(20%流失)
- 平均加载时间:5.2秒
- 行业标准:3秒以内
- 跳出率:[X]%
---
### 节点2: 提交订单→完成支付
**流失率**:40%
**流失用户数**:588人
**流失原因诊断**:
| 原因 | 占比 | 数据支撑 |
|------|------|---------|
| 支付方式有限 | 30% | 仅支持微信支付 |
| 结算流程复杂 | 25% | 平均结算时间:3分钟 |
| 运费过高 | 20% | 平均运费:15元 |
| 支付失败 | 15% | 支付成功率:85% |
| 其他原因 | 10% | - |
---
## 四、优化建议
### 优先级排序
| 优化项 | 预期提升 | 实施难度 | 投入成本 | 优先级 |
|-------|---------|---------|---------|--------|
| 价格策略优化 | +5% | 中 | 低 | P0 |
| 详情页优化 | +3% | 低 | 低 | P1 |
| 页面性能优化 | +2% | 中 | 中 | P1 |
| 支付流程优化 | +1.5% | 低 | 低 | P2 |
| 支付方式扩展 | +1% | 高 | 高 | P2 |
---
### 优化方案详情
#### 方案1: 价格策略优化(P0)
**目标**:降低价格敏感用户流失,提升转化率5%
**具体措施**:
1. 首单优惠:新用户首单立减[X]元
2. 满减活动:满[X]元减[X]元
3. 优惠券:定向发放优惠券
4. 价格锚定:展示原价vs现价
**实施计划**:
- Week 1:设计优惠券方案
- Week 2:开发优惠功能
- Week 3:上线测试
**预期效果**:
- 浏览→加购转化率:30% → 35%(+5%)
- 整体转化率:8.82% → 9.3%(+0.48%)
---
#### 方案2: 详情页优化(P1)
**目标**:提升信息完整性,降低信息缺失流失
**具体措施**:
1. 增加商品视频展示
2. 优化商品图片(增至6-8张)
3. 用户评价前置
4. 关键参数表格化展示
**实施计划**:
- Week 1:设计详情页模板
- Week 2:开发新模板
- Week 3:商家培训
**预期效果**:
- 浏览→加购转化率:30% → 33%(+3%)
---
#### 方案3: 页面性能优化(P1)
**目标**:提升加载速度,降低性能流失
**具体措施**:
1. 图片压缩(WebP格式)
2. CDN加速
3. 懒加载优化
4. 服务端渲染(SSR)
**实施计划**:
- Week 1:性能分析
- Week 2-3:优化实施
- Week 4:效果验证
**目标指标**:
- 平均加载时间:5.2秒 → 2.5秒
- 跳出率:[X]% → [X]%
---
#### 方案4: 支付流程优化(P2)
**目标**:简化支付流程,提升支付转化率
**具体措施**:
1. 一键支付功能
2. 默认地址记忆
3. 支付进度提示
4. 支付失败自动重试
**预期效果**:
- 提交→支付转化率:60% → 70%(+10%)
---
## 五、A/B测试计划
### 测试1: 价格优惠策略
**测试名称**:首单优惠效果测试
**测试周期**:2周
**样本量**:10,000新用户
**测试设计**:
- A组(对照组):无优惠
- B组(实验组):首单立减10元
**评估指标**:
- 主指标:浏览→加购转化率
- 辅助指标:整体转化率、GMV、客单价
**预期效果**:
- 转化率提升:+5%
- GMV提升:+3%
---
### 测试2: 详情页优化
**测试名称**:视频展示效果测试
**测试周期**:2周
**样本量**:20,000用户
**测试设计**:
- A组(对照组):现有详情页
- B组(实验组):增加视频展示
**评估指标**:
- 主指标:浏览→加购转化率
- 辅助指标:页面停留时长、跳出率
---
## 六、监控与迭代
### 监控指标
**实时监控**(每小时):
- 各步骤转化率
- 整体转化率
- GMV
**周报监控**:
- 转化率趋势
- 流失原因变化
- 优化效果对比
---
### 迭代机制
**迭代周期**:每2周复盘一次
**迭代流程**:
1. 数据分析 → 识别问题
2. 假设提出 → 设计优化方案
3. A/B测试 → 验证效果
4. 全量上线 → 监控效果
5. 持续优化
---
## 七、下一步建议
建议执行:
1. /pm-abtest - 设计详细的A/B测试方案
2. /pm-growth - 制定增长执行方案
3. /pm-report - 建立数据监控体系
---
**项目状态**: 漏斗分析完成
**生成时间**: [当前时间]
**生成工具**: super-pm
注意事项
- 数据准确性:确保数据埋点准确,避免数据偏差
- 多维度分析:结合用户分群、渠道、设备等多维度分析
- 归因准确:正确归因流失原因,避免误判
- 持续优化:漏斗优化是持续过程,需定期复盘
输出质量对比
✅ Good 示例:
- 有数据引用:「根据 Q4 数据,留存率从 35% 降至 28%」
- 有验证来源:「数据来源:Google Analytics, 2025-12-01」
- 有明确建议:「建议将新手引导步骤从 5 步减少至 3 步」
❌ Bad 示例:
- 模糊结论:「数据表明留存率有所下降」
- 无来源:「根据经验,这个功能很重要」
- 没有行动建议:「留存是个问题」
常见误区 / Red Flags — STOP
出现以下情况立即停止并回溯:
| 误区 | 正确做法 |
|---|---|
| 使用"应该"、"大概"、"看起来"做结论 | 必须基于实际数据和验证 |
| 未运行检查就声称已完成 | 先验证,再陈述 |
| 因时间紧迫跳过关键步骤 | 没有例外,时间紧更要严格 |
| "这次应该没问题"的想法 | 每次都要重新验证 |
产出质量检查 / Verification Checklist
- 前置依赖已满足(输入文档/数据已收集)
- 核心步骤已全部执行
- 输出文档已生成到
docs/目录 - 每个判断都有数据/证据支撑
- 已推荐 2-3 个后续 skill
⚠️ 任何一项未通过 → 补全后再标记完成。
Signals
- GitHub stars
- 65
- Forks
- 8
- Last commit
- Sep 2026
Advanced
- Catalog kind
- skill
- Gateway key
pm-funnel- Source
- github.com/konglong87/superpm