Elysia Tools
导航
Data Visualization
· 最后更新：2026-08-28
粘贴订单或事件 CSV，一页得到增长分析全家桶：带热力图的队列留存三角、RFM 五分位评分映射到十个标准生命周期分层、以及严格顺序漏斗。
详情
这是交易日志之上的语义层，不是又一个通用图表。队列按每位客户首单月份（或 ISO 周）划分，留存率为该队列在后续每期再次下单的用户占比——渲染为经典三角热力图（每格含用户数）、按队列规模加权的各期平均留存以及最佳/最差队列标注。RFM 遵循标准方法：按最近一次购买距今天数、订单次数、消费总额分别排名切成 1–5 五分位，再将三位代码映射到十个生命周期分层——Champions、忠诚客户、潜力忠诚、新客户、有潜力、需关注、流失风险、不能失去、休眠、流失——每层给出占比、平均消费与建议动作。漏斗按严格时间顺序统计到达各步的用户（只有更早完成前一步的用户才计入下一步）。表头兼容 user/customer、date/timestamp、amount/revenue、event/action，电商导出、Stripe CSV 或产品事件表无需重排即可分析。
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
工具使用指南
队列留存与 RFM 漏斗分析器是一款专为增长分析打造的在线工具。只需粘贴订单交易记录或用户行为事件 CSV，即可自动生成带热力图的队列留存三角矩阵、基于五分位标准划分的 10 类 RFM 客户生命周期分层，以及严格按时间顺序推进的转化漏斗。
计算数值列的变异系数（CV），用于衡量相对变异性
高级相关性分析工具，计算变量之间的相关系数以衡量它们线性关系的强度和方向。完美适用于统计分析、金融建模、科学研究和数据探索。
高级边界值处理工具，用于识别和处理数值数据中的最小值和最大值。完美适用于数据验证、范围检查、统计分析和数据预处理。
适合
不适合
超大文件
大文件处理更慢，还可能触及浏览器内存上限——请先用小样本测试。
不检查输出结果
正式使用前，请先把输出的前几行或前几页与输入对照检查。
非常规导出工具生成的文件
有些文件用了不常见的格式变体，转换可能不干净——如果输出异常，请用原应用重新保存后再试。
背景
运营人员需要评估 2026 年第一季度每月新增客户的复购质量，并找出高价值和流失边缘客户。
问题
原始订单流水只有数千行交易明细，无法直观看出每批客群的留存衰减和价值分层。
如何使用
粘贴包含 user_id, date, amount 的订单 CSV，选择队列周期为按月，展示周期设为 3，基准日期设为 2026-04-06。
cohortPeriod: "month", periodsCount: 3, analysisDate: "2026-04-06"结果
输出带热力图的留存三角矩阵、加权平均留存率，以及将客户精准划入 Champions、流失风险等 10 类生命周期的分层明细与行动建议。
背景
分析师需要评估电商大促期间用户从注册到最终付款的各环节流转损耗。
问题
部分用户直接通过历史链接直接付款，如果使用松散漏斗会导致转化率被虚高计算。
如何使用
在 CSV 中包含 event 行为列，并在漏斗步骤中配置具体的关键链路节点。
cohortPeriod: "month", funnelSteps: "signup, cart, checkout, purchase"结果
生成基于严格时序的转化漏斗图，展示从注册、加购、结算到购买各阶段的真实流转人数与转化百分比。
工具具有表头兼容性，支持 user/customer、date/timestamp、amount/revenue、event/action 等常见命名，通常无需手动重命名。
支持按月（Month）或按 ISO 标准周（Week）划分队列，并可自定义展示 1 到 12 个观察周期。
默认采用 CSV 数据集中的最新记录日期，也支持在分析日期选项中手动指定特定日期。
用户必须先在更早的时间点完成上一步骤，后续步骤的完成记录才会被纳入转化统计，跳步不计入转化。
漏斗分析依赖用户事件，CSV 中需包含事件（event 或 action）列，并在配置项中填入用逗号分隔的漏斗步骤名称。