用途：通过多步骤转化漏斗分析用户行为，识别营销活动、用户旅程和业务流程中的瓶颈与优化机会。
主要能力：从多步骤用户数据构建转化漏斗；计算每一步之间的转化率；按不同用户属性进行细分分析；使用 Plotly 创建交互式可视化；生成业务洞察与优化建议。
适用场景：营销活动分析（推广 → 购买）、用户引导流程分析、网站转化漏斗优化、App 用户旅程分析、销售管道分析、线索培育流程分析。
必要用法：需先安装依赖，命令为 pip install pandas plotly matplotlib numpy seaborn。数据应包含用户旅程步骤（点击、页面浏览、动作）、用户标识（customer_id、user_id 等）、时间戳或步骤标识；可选用户属性用于细分（性别、设备、位置）。分析流程为加载并合并用户旅程数据、定义漏斗步骤并计算指标、按设备或性别等细分、创建可视化、生成洞察与建议。输出物包括漏斗可视化图表、转化率表格、细分分析报告、优化建议。
常见分析模式：瓶颈识别（找出流失率最高的步骤）、细分对比（比较不同用户群转化）、时间趋势分析、A/B 测试对比、优化前后影响度量。
限制与说明：资料未提供具体性能指标、支持的平台范围、数据规模上限或收费信息；需保证数据质量与一致性，定义清晰的漏斗步骤，考虑用户旅程时间窗口，验证统计显著性，并聚焦可执行的洞察。