付费漏斗自动分析

核心原则

1. 付费是价值确认不是障碍：付费墙的时机和方式应该让用户觉得"值得付费"而非"被迫付费"
2. 障碍类型决定优化方向：认知/价格/信任/需求/时机五类障碍需要完全不同的优化策略
3. 付费墙时机即转化率：同一产品在不同付费墙时机下转化率可能差3倍

交互模式

🤖→👤 AI建议人类审批

输入

付费漏斗阶段定义

注册 → 激活 → 深度使用 → 付费意向 → 首付费 → 复购

阶段1: 注册用户

• 完成账号注册的用户
• 关键指标: 注册量、注册来源

阶段2: 激活用户

• 完成激活行为（Aha Moment到达）
• 关键指标: 激活率、D1留存

阶段3: 深度使用用户

• 多次使用核心功能
• 关键指标: 使用频率、功能使用数

阶段4: 付费意向用户

• 表现出付费意向（查看定价、试用高级功能）
• 关键指标: 付费意向转化率

阶段5: 首付费用户

• 完成首次付费
• 关键指标: 首付费转化率、首付费金额

阶段6: 复购用户

• 完成续费或增购
• 关键指标: 续费率、增购率

执行步骤

Step 1: 付费漏斗各层转化分析

#### 漏斗计算 计算每层的转化率和流失率：

阶段转化率 = 当前阶段用户数 / 上一阶段用户数
阶段流失率 = 1 - 阶段转化率

#### 多维度拆分

• 按用户分群拆分（新用户/老用户/高价值用户）
• 按注册来源拆分（自然/付费/推荐）
• 按产品类型拆分
• 按时间窗口拆分

#### 趋势分析 分析各层转化率的时间趋势：

• 周环比变化
• 月同比变化
• 异常波动检测

Step 2: 付费障碍识别

#### 定性障碍分析

#### 定量障碍分析

• 用户行为分析：未完成关键行为
• 漏斗流失分析：识别主要流失节点
• 问卷/访谈分析：用户反馈汇总
• 竞品对比分析：与竞品差异

Step 3: 转化优化建议

#### 优化方向矩阵

#### 优先级排序 基于影响系数和实施难度排序：

优先级 = 影响系数 × 预期提升 / 实施难度

Step 4: 付费墙时机优化

#### 付费墙类型

#### 最佳付费时机 识别最佳触发付费墙的时机：

• 用户完成Aha Moment后
• 用户使用达到免费版上限
• 用户尝试使用付费功能
• 用户使用达到峰值时

#### 试用策略优化

• 试用时长：7天 vs 14天 vs 30天
• 试用功能：全功能 vs 核心功能
• 试用触发：注册即试用 vs 行为触发试用

输出

存储路径：output/pm-growth/revenue-funnel/

输出文件：revenue_funnel.json

输出Schema：

{
  "type": "object",
  "required": ["funnel", "bottlenecks"],
  "properties": {
    "funnel": {"type": "object", "description": "付费漏斗数据，包含各阶段用户数和转化率"},
    "bottlenecks": {"type": "array", "description": "瓶颈分析列表，包含流失率、影响评分和原因"},
    "optimization_suggestions": {"type": "array", "description": "优化建议列表，包含问题、方案和预期提升"},
    "paywall_timing": {"type": "object", "description": "付费墙时机建议，包含最佳时机、类型和试用周期"}
  }
}

revenue_funnel

{
  "funnel": {
    "stages": [
      {
        "name": "注册用户",
        "count": 100000,
        "percentage": 1.0
      },
      {
        "name": "活跃用户",
        "count": 60000,
        "conversion_rate": 0.6
      },
      {
        "name": "付费意向用户",
        "count": 10000,
        "conversion_rate": 0.167
      },
      {
        "name": "首付费用户",
        "count": 3000,
        "conversion_rate": 0.3
      }
    ],
    "overall_conversion_rate": 0.03,
    "avg_time_to_pay": 14.5
  },
  "bottlenecks": [
    {
      "from_stage": "活跃用户",
      "to_stage": "付费意向用户",
      "drop_off_rate": 0.833,
      "impact_score": 0.9,
      "likely_cause": "缺少付费价值感知"
    }
  ],
  "optimization_suggestions": [
    {
      "target_stage": "活跃→付费意向",
      "problem": "付费价值感知不足",
      "solution": "优化价值展示和试用体验",
      "expected_improvement": "转化率提升20%",
      "priority": 1
    }
  ],
  "paywall_timing": {
    "optimal_timing": "用户完成Aha Moment后",
    "optimal_paywall_type": "功能限制型",
    "recommended_trial_period": "7天",
    "expected_conversion_lift": "15%"
  }
}

输出校验规则

决策规则

质量检查

• [ ] 付费漏斗覆盖注册到复购全链路
• [ ] 障碍识别区分定性和定量分析
• [ ] 优化建议按影响系数×实施难度排序
• [ ] 付费墙时机建议基于用户行为数据

降级策略

上游文件缺失降级方案

• 若用户未提供用户特征数据，提示用户提供或跳过该输入相关步骤

数据获取说明

当上游文件缺失时，需用户提供以下信息以支撑降级生成：

• 付费转化数据：各付费漏斗阶段的用户数和转化率
• 定价方案（可选）：产品的定价层级和价格
• 付费用户特征（可选）：付费用户与免费用户的关键差异

上游变更响应

上游变更影响表

下游通知机制表

关键成功指标