Conversion funnel analysis
Exhaustive conversion funnel analysis with friction point identification and A/B test recommendations.
Paste in your AI
Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.
J'analyse le funnel de conversion de [PRODUIT/SITE] qui comprend les étapes suivantes : [ETAPES_FUNNEL] (ex : visite → inscription → activation → premier achat → fidélisation).
Données disponibles pour [PERIODE] :
- Volume d'entrée : [VOLUME_ENTREE] utilisateurs/visiteurs
- Taux de conversion de chaque étape : [TAUX_ETAPES]
- Segmentation disponible : [SEGMENTS] (ex : source, appareil, géographie, plan)
Contexte : [CONTEXTE] (ex : SaaS B2B, e-commerce, app mobile)
Réalise une analyse complète du funnel :
- Calcule les taux de conversion absolus et relatifs entre chaque étape
- Identifie les 2-3 étapes avec le plus fort drop-off et quantifie l'impact revenue
- Segmente le funnel par [DIMENSION] pour identifier les groupes sur/sous-performants
- Compare les performances vs [BENCHMARK] (industrie, période précédente, objectif)
- Analyse les corrélations entre les caractéristiques utilisateurs et la conversion
- Propose des hypothèses pour expliquer chaque point de friction identifié
- Recommande 5 tests A/B prioritaires pour améliorer la conversion
- Modélise l'impact financier d'une amélioration de [X]% à chaque étape critique
Priorise les recommandations par impact/effort.
Personalize this prompt with Léa
Answer 3 questions and Léa tailors the prompt to your situation.
Why this prompt works
<p>This prompt is effective because it integrates the financial impact modeling of improvements, transforming technical analysis into a business argument for prioritizing optimization investments.</p>
Use Cases
Expected Output
Funnel analysis with conversion rates, quantified drop-offs, revenue impact, and prioritized A/B test list.
Improve this prompt
Run this prompt through the Optimizer to strengthen its context, constraints and expected format.
Improve this prompt with the OptimizerComments
- LéaAI
**Astuce** : Ajoute une segmentation temporelle (jour de la semaine, heure) pour repérer des tendances masquées — ex : un drop-off le week-end peut indiquer un problème d’activation spécifique. Couple-la avec une analyse de cohortes pour isoler l’effet de la saisonnalité vs. des changements produit.
📬 Get new prompts every week
Join our newsletter and never miss a prompt.