“一周一图”为近期做的系列，会针对常见数据剖析可视化相关图表做深度分享。本周更新的主角为漏斗图。
历史图表系列导航：
- 一周一图：常用数据剖析可视化图表深度解析之【饼图】
- 一周一图：常用数据剖析可视化图表深度解析之【柱状图】
- 一周一图：常用数据剖析可视化图表解析之【折线图】
- 一周一图：常用数据剖析可视化图表解析之【南丁格尔玫瑰图】
释义
漏斗图适用于事务流程比较规范、周期长、环节多的单流程单向剖析，经过漏斗各环节事务数据的比较可以直观地发现和阐明问题所在的环节，从而做出决策。漏斗图的开始总是100%，并在各个环节依次削减，漏斗图用梯形面积表明某个环节事务量与上一个环节之间的差异。漏斗图从上到下，有逻辑上的顺序关系，体现了跟着事务流程的推进事务目标完成的状况（如用户的转化状况、订单的处理状况、招聘的录用状况等）。一般来说，所有梯形的高度应是一致的，这会有助人们辨别数值间的差异。
运用示例
数据状况如下，主要为公司在某一阶段对于招聘状况的统计，归于单流程，切各个环节直接具备逻辑关系。
运用漏斗图展示如下所示，可以清晰的观察到在招聘的各个环节中人员数量的变化状况。
适用场景
1.数据是有序的，彼此之间有逻辑上的顺序关系，阶段最好大于3个；
2.该流程应是“耗费性”的流程，如在电商范畴，从用户注册到下单；在人力范畴，从收到简历到入职等等状况，如下图示例；
3.在实际运用中，漏斗图很适合于盯梢用户的转化率和保存率、盯梢点击广告/市场营销活动的进度和成功率，以及提醒线性流程中的瓶颈。
不适用场景
漏斗图不适合没有逻辑关系的数据，换句话说，假如数据不构成“流程”，那么不能运用漏斗图。例如下图所示，展示了大学一些课程的学生到课率，每门课之间的到课人数没有逻辑上的影响关系，不构成漏斗的流程。
作为一种统计图表，漏斗图的“长相”，本质上是由数据决定的。梯形的高度、面积都是有意义的，不该想当然的篡改。以下图为例，原意是想体现男性和女人在 STEM 范畴的体现差异，但是漏斗的形状与实际的数据完全对不上。
在传达数据时，漏斗图是经过“面积”表明的，对于人眼来说，面积的辨认本来就不太容易。假如我们在制造漏斗图时，再人为的改动漏斗中每一个梯形的高度，那么辨认起来就十分困难。
图片来历：图之典网站
更多场景示例
1.互联网产品的 AARRR 模型，包含了获客、日活、留存、转化、变现等一系列追踪目标。
2.剖析社会现象，如美国的“篮球漏斗”。最上方是在高中打篮球的男孩，最终是进入 NBA 打职业篮球的男孩。
图片来历：图之典网站
注：除个别标注来历的图表外，其它均运用 DataEase 制造。部分内容参考自图之典网站，特此感谢。
