用途：通过多步转化漏斗分析用户行为，定位营销活动、用户旅程和业务流程中的瓶颈与优化机会。
主要能力：从多步用户数据构建转化漏斗；计算各步骤之间的转化率；按用户属性（如设备、性别、地区）做细分分析；用 Plotly 生成交互式可视化；输出业务洞察与优化建议。
使用方式：先安装依赖，命令为 pip install pandas plotly matplotlib numpy seaborn。数据需包含用户旅程步骤（点击、页面浏览、操作）、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。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、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、细分分析报告和优化建议。
适用场景：营销活动分析（推广→购买）、用户注册引导流程分析、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。常见分析模式包括瓶颈识别（找流失率最高的步骤）、细分对比、时间趋势分析、A/B 测试对比和优化前后影响衡量。
限制：资料未提供具体价格、平台支持范围或效果保证；实际分析结果取决于数据质量与漏斗步骤定义，需注意数据一致性、用户旅程时间窗口和统计显著性。示例代码位于 examples/ 目录，包括 basic_funnel.py 和 segmented_funnel.py 及测试数据集。