漏斗分析：开环漏斗和闭环漏斗有什么区别？

在用户行为分析或产品流量分析工作中，漏斗分析是一种非常常见的分析方法。通过漏斗分析发现用户流失的关键环境，从而针对性地进行产品功能或运营策略地优化。在进行漏斗分析产品功能的设计时，需要搞清楚漏斗步骤的数据统计逻辑，这样才能更强契合实际的应用场景。根据漏斗各个步骤之间的数据处理逻辑不同，可将漏斗分为开环漏斗和闭环漏斗。

开环漏斗和闭环漏斗分别指的是什么？

开环漏斗：从名字上看，开环漏斗更加开放，即单一步骤对于用户流量的来源没有做严格的限制，不关注单个用户和用户触发事件的顺序，仅需要在指定时间范围内触发漏斗步骤对应的事件，就视为该步骤完成了一次转化。

闭环漏斗：要求步骤之间具有顺序性，即更多关注单个个体的用户行为路径，是否顺利地完成了一次漏斗转化。如果用户指定时间范围内触发漏斗第一步，并且在第一步发生后按顺序依次触发后续步骤（即存在与漏斗步骤一致的子序列），则视作该用户完成了一次成功的漏斗转化。

示例一：假设定义了一个漏斗由A、B、C三个事件构成，某一用户在限定时间内依次发生了事件B、A、C、B、C，那么开环漏斗和闭环漏斗的数据计算逻辑分别如下：

开环漏斗：步骤一（A事件）时间范围内触发1次，步骤二（B事件）时间范围内触发2次，步骤三（C事件）时间范围内触发2次。步骤一 -> 步骤二 转化率为 2 / 1 = 200%， 步骤二 -> 步骤三 转化率为 2 / 2 = 100%，漏斗总体转化率（第一步到最后一步）为2/1=200%（注：开环漏斗不关注发生顺序，不关注发生个体，只关注群体发生的指标）

闭环漏斗：该用户在时间范围内存在符合A、B、C的事件发生顺序子序列（B、A、C、B、C），因此该用户视为完成了一次完整的转化。对于整个群体而言，计算完成转化的用户数 / 全体用户数 即为该漏斗的转化率。

示例二：假设一个漏斗的步骤依次为A、A、B两个事件。

开环漏斗：若用户时间范围内发生了事件A、A、B、B，则步骤一（A事件）触发了2次，步骤二（A事件）触发了2次，步骤三（B事件）触发了2次，则步骤一 -> 步骤二 转化率为 2 / 2 = 100%，步骤二 -> 步骤三 转化率为 2 / 2 = 100%

闭环漏斗：若用户时间范围内依次发生了事件A、B，则因为该序列不存在A、A、B的子序列，因此不构成一次转化；若用户依次发生事件A、C、A、B，则因为存在子序列，完成了一次转化；若用户依次发生了事件A、B、A，则因为该序列不存在A、A、B的子序列，因此不构成一次转化。

再看一个闭环漏斗的例子，假设一个漏斗中包含了 A、B、C、D、E 五个步骤，选择的时间范围是 2015 年 1 月 1 日到 2015 年 1 月 3 日，窗口期是 1 天，那么，如果用户在2015年1月1日到2015年1月3日触发了步骤 A，并且在步骤 A 发生的 1 天内，依顺序依次触发了 B、C、D、E，则视作该用户完成了一次成功的漏斗转化。在这个过程中，如果穿插了一些其它的步骤或者行为，例如在满足时间限制的情况下，用户的行为顺序是 A > X > B > X > C > D > X > E，X 代表任意一个事件，则该用户依然视作完成了一次成功的漏斗转化。

如果该用户在这个时间限制范围内，依次触发了 A > B > C > E，则该用户没有完成该漏斗的转化，并且会被记作步骤 C 的流失用户。

考虑一个更复杂的情况，如果一个用户在所选时段内有多个事件都符合某个转化步骤的定义，那么会优先选择更靠近最终转化目标的事件作为转化事件，并在第一次达到最终转化目标时停止转化的计算。假设一个漏斗的步骤定义是：访问首页、提交订单、支付成功，那么不同用户的行为序列及实际转化步骤（标红部分）见如下例子：

• 例 1：访问首页 -> 查看商家列表页 -> 提交订单-> 支付成功。
• 例 2：访问首页 -> 查看商家列表页 -> 访问首页 -> 提交订单-> 支付成功。
• 例 3：访问首页 ->查看商家详情 -> 访问首页 -> 提交订单-> 支付成功 -> 查看商家评论>查看订单状态

漏斗分析中展示的数字代表转化/流失的独立用户数，而非触发的事件次数。在该时间范围内，即使一个用户多次完成漏斗，也仅计数一次。

在统计逻辑上，闭环漏斗更加严谨，但技术实现上难度更大，因为需要将单个用户的事件行为序列按照时间进行计算，而开环漏斗，由于其开放性，则只需要针对单个步骤进行统计即可

思考：根据开环漏斗和闭环漏斗的统计定义，他们各自的使用场景是什么呢？实际进行漏斗分析时，该如何选择？