Воронка продукта:
построение, анализ
и оптимизация

Воронка — это последовательность шагов, которые пользователь проходит на пути к целевому действию. Регистрация → активация → первая покупка. Или: каталог → карточка товара → корзина → оплата → подтверждение заказа.

Почему «воронка»? Потому что на каждом шаге часть пользователей отваливается. Из 10 000 посетителей 3 000 кликнут на товар, 800 добавят в корзину, 400 дойдут до оплаты, 300 оплатят. Визуально это выглядит как сужающаяся воронка — отсюда и название.

Задача аналитика — найти, где отваливается больше всего пользователей, понять почему, и предложить изменения, которые увеличат конверсию.

Пример: воронка интернет-магазина

Два типа конверсии: total и step-to-step

На собеседовании важно различать эти два типа. Когда вас спрашивают «какая конверсия из корзины в оплату?» — это step-to-step (400/800 = 50%). А «какая конверсия checkout?» — чаще имеют в виду total (400/10000 = 4%).

Не любая последовательность шагов — это воронка. Чтобы анализ имел смысл, нужно соблюсти несколько принципов.

Принцип 1: Определите целевое действие

Стройте воронку от конца к началу. Сначала определите, что является конверсией (оплата? регистрация? первое сообщение?), а потом разбейте путь к ней на этапы. Не наоборот.

Принцип 2: Шаги должны быть последовательными

Каждый пользователь, попавший на шаг N, должен был пройти шаг N-1. Если пользователь может перескочить этап (например, сразу попасть на страницу оплаты по прямой ссылке) — воронка будет некорректной. Либо учтите это в логике, либо исключите таких пользователей.

Принцип 3: Определите временное окно

Воронка всегда строится в пределах одного временного окна. Обычно это одна сессия или N дней с момента первого шага. Если пользователь зашёл в каталог в понедельник, а оплатил в пятницу — это одна воронка или две? Без чёткого окна ответ размывается.

Принцип 4: Один пользователь — один проход

Если пользователь прошёл воронку 3 раза (3 заказа за месяц), как считать? Два основных подхода: по уникальным пользователям (человек считается один раз на этапе) или по сессиям/событиям (каждый проход считается отдельно). Для продуктовых задач обычно считают по уникальным пользователям.

На собеседовании вас попросят построить воронку в SQL. Ниже — два основных подхода.

Запрос 1: Простая воронка по событиям

Предполагаем таблицу events с полями user_id, event_name, event_date. Строим воронку регистрация → активация → первая покупка за последние 30 дней.

WITH funnel AS (
  SELECT COUNT(DISTINCT CASE WHEN event_name = 'registration' THEN user_id END) AS step_1_registration,

    COUNT(DISTINCT CASE WHEN event_name = 'activation' THEN user_id END) AS step_2_activation,

    COUNT(DISTINCT CASE WHEN event_name = 'first_purchase' THEN user_id END) AS step_3_purchase

  FROM events
  WHERE event_date >= CURRENT_DATE - 30
)
SELECT
  step_1_registration,
  step_2_activation,
  step_3_purchase,
  ROUND(100.0 * step_2_activation
    / step_1_registration, 1) AS cr_1_to_2,
  ROUND(100.0 * step_3_purchase
    / step_2_activation, 1) AS cr_2_to_3,
  ROUND(100.0 * step_3_purchase
    / step_1_registration, 1) AS cr_total
FROM funnel;

Запрос 2: Воронка со строгим порядком шагов

Когда нужно, чтобы каждый пользователь проходил шаги именно в правильной последовательности — строим цепочку через LEFT JOIN.

WITH
s1 AS (
  SELECT DISTINCT user_id,
    MIN(event_date) AS step1_date
  FROM events
  WHERE event_name = 'page_view_catalog' GROUP BY user_id
),
s2 AS (
  SELECT DISTINCT user_id,
    MIN(event_date) AS step2_date
  FROM events
  WHERE event_name = 'add_to_cart' GROUP BY user_id
),
s3 AS (
  SELECT DISTINCT user_id,
    MIN(event_date) AS step3_date
  FROM events
  WHERE event_name = 'purchase' GROUP BY user_id
)
SELECT COUNT(s1.user_id)          AS step_1_catalog,
  COUNT(s2.user_id)          AS step_2_cart,
  COUNT(s3.user_id)          AS step_3_purchase,
  ROUND(100.0 * COUNT(s2.user_id)
    / COUNT(s1.user_id), 1)  AS cr_1_to_2,
  ROUND(100.0 * COUNT(s3.user_id)
    / NULLIF(COUNT(s2.user_id), 0), 1) AS cr_2_to_3
FROM s1
LEFT JOIN s2
  ON s1.user_id = s2.user_id
  AND s2.step2_date >= s1.step1_date  -- строгий порядок LEFT JOIN s3
  ON s2.user_id = s3.user_id
  AND s3.step3_date >= s2.step2_date; -- строгий порядок

Ключ — условие step_date >= previous_step_date в JOIN. Это гарантирует, что пользователь прошёл шаги в правильном порядке. NULLIF защищает от деления на ноль, если на каком-то шаге ноль пользователей.

Запрос 3: Воронка с разбивкой по сегментам

На собеседовании часто просят не просто построить воронку, а разбить её по сегментам — например, по платформе (iOS / Android / Web). Это помогает локализовать проблему.

SELECT
  e.platform,
  COUNT(DISTINCT CASE WHEN e.event_name = 'page_view' THEN e.user_id END) AS views,
  COUNT(DISTINCT CASE WHEN e.event_name = 'add_to_cart' THEN e.user_id END) AS cart,
  COUNT(DISTINCT CASE WHEN e.event_name = 'purchase' THEN e.user_id END) AS purchases,
  ROUND(100.0
    * COUNT(DISTINCT CASE WHEN e.event_name = 'purchase' THEN e.user_id END)
    / NULLIF(COUNT(DISTINCT CASE WHEN e.event_name = 'page_view' THEN e.user_id END), 0)
  , 1) AS total_cr
FROM events e
WHERE e.event_date >= CURRENT_DATE - 30 GROUP BY e.platform
ORDER BY total_cr DESC;

Drop-off (или отвал) — это процент пользователей, которые не перешли с одного шага на следующий. Если из 800 пользователей в корзине только 400 начали оплату — drop-off на этом шаге 50%.

Задача аналитика — не просто зафиксировать drop-off, а объяснить, почему он такой и что с ним делать.

Фреймворк анализа drop-off

Типичные причины drop-off по шагам

Оптимизация воронки — это не одно большое действие, а система мелких экспериментов. Вот подход, который работает в BigTech-компаниях:

Шаг 1: Найдите главное узкое место

Постройте воронку, посчитайте абсолютный drop-off на каждом шаге (не процентный, а в людях). Шаг, где отваливается больше всего пользователей в абсолютных числах — ваш приоритет.

Шаг 2: Поймите причину через данные

Не угадывайте — разбивайте. Сравните конверсию по платформам, по гео, по новым и вернувшимся, по источнику трафика. Посмотрите, на каких устройствах или в каких регионах проблема острее. Часто drop-off локализован: не «все плохо», а «на Android в Firefox конверсия в 3 раза ниже».

Шаг 3: Сформулируйте гипотезу и протестируйте

Гипотеза должна быть конкретной: «Если мы уберём обязательную регистрацию на шаге корзина → оплата, drop-off на этом шаге снизится с 50% до 35%». Проверяем через A/B тест. Измеряем не только конверсию этого шага, но и общую конверсию воронки — иногда улучшение одного шага ухудшает следующий.

Бенчмарки конверсий