在 LetsTG 免费收录后,你的流量正在哪一环偷偷漏掉?用代码拆解收录转化漏斗

被搜到,不等于有人加入。一个人从"在目录里刷到你"到"真的点加入频道",中间要过好几道门,每道门都在漏人。本文用可运行代码把这条转化链建成漏斗,量化每一环的流失,并算出哪一环最该优化。数字来自文末脚本。

一个容易被忽略的问题

前面几篇聊 Telegram 免费收录,重点都在"怎么被搜到"——简介怎么写、怎么在同名竞争里排前面、多久能被 Google 索引。但假设这些你都做好了,被搜到了,新问题来了:

被搜到的人里,最后真正加入你频道的,有多少?

很多人默认"被搜到 ≈ 涨粉",其实差得远。从"在目录列表里刷到你的条目"到"真的点进 Telegram 并留下来",中间是一条长长的转化链,每一环都在漏人。如果你只盯着"有没有被收录",却不看这条链哪里漏得最狠,那前面所有优化的收益,都可能在最后几步白白流掉。

这篇就把这条转化链拆开,用代码量化每一环的流失,告诉你劲该往哪使。

一、收录后的转化链:从曝光到加入,五道门

先把这条链画出来。一次成功的"收录 → 加入",要连续跨过五个环节:

flowchart TD

A[① 被搜索/浏览到<br/>曝光] –> B[② 在结果列表里被点开]

B –> C[③ 看完简介愿意继续]

C –> D[④ 点进 Telegram 频道]

D –> E[⑤ 真正加入/留存]

每一环都有一个"通过率"——上一环的人里,有多大比例走到下一环。而且每一环的通过率,由不同的因素决定(我把它叫"杠杆"):

• 被点开:取决于你的标题吸不吸引人、排序靠不靠前;
• 看完简介愿意继续:取决于简介写得清不清楚、对不对得上用户搜的词;
• 点进频道:取决于跳转顺不顺畅、频道预览可不可信;
• 加入/留存:取决于频道首屏内容质量、最近有没有更新。

二、上代码:把漏斗算出来

给每一环一个通过率(相对模型),从 10000 次曝光起算,逐环相乘:

FUNNEL = [

{"stage": "被搜索/浏览到(曝光)", "pass_rate": 1.00},

{"stage": "在结果列表里被点开", "pass_rate": 0.25},

{"stage": "看完简介愿意继续", "pass_rate": 0.55},

{"stage": "点进 Telegram 频道", "pass_rate": 0.60},

{"stage": "真正加入/留存", "pass_rate": 0.45},

]

跑一遍:

PYTHONIOENCODING=utf-8 python discoverability_conversion_funnel.py

漏斗输出:

被搜索/浏览到(曝光)

██████████████████████████████ 10000

在结果列表里被点开

████████░░░░░░░░░░░░░░░░░░░░░░ 2500 通过率 25%

这一环流失 7500 人 ← 杠杆:标题吸引力 + 排序靠前

看完简介愿意继续

████░░░░░░░░░░░░░░░░░░░░░░░░░░ 1375 通过率 55%

这一环流失 1125 人 ← 杠杆:简介信息是否清晰

点进 Telegram 频道

██░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 825 通过率 60%

这一环流失 550 人 ← 杠杆:跳转顺畅、预览可信

真正加入/留存

█░░░░░░░░░░░░░░░░░░░░░░░░░░░░░ 371 通过率 45%

这一环流失 454 人 ← 杠杆:首屏质量、近期更新

————————————————————

端到端转化率:3.7%（曝光 10000 → 加入 371）

最大流失发生在:「在结果列表里被点开」,漏掉 7500 人

三、这张图告诉你什么

先声明:3.7% 不是真实转化率,别外推。 每一环的通过率都是我设的假设值。要看的不是这个数,而是漏斗的形状。

两个关键观察:

观察一:最大的漏,在最靠前的"被点开"这一环。 10000 次曝光,一下漏掉 7500,只有 2500 人点开。这一环的通过率(25%)是全链最低的。原因很直白——用户在结果列表里一次看到很多条目,大部分条目连点都不会被点。你被收录了、被搜到了,但如果标题平平、排序靠后,用户扫一眼就划过去了。

观察二:越靠前的环节,流失被后面逐级放大。 因为是连乘,前面漏掉的人,后面所有环节都再也接触不到。曝光阶段漏 1 个,和加入阶段漏 1 个,代价完全不同——前者会被后面四道门连续稀释。这就引出一个问题:优化到底该从哪一环下手?

四、优化该从哪一环下手:一个反直觉的算法

直觉会说"哪一环漏得最多就修哪一环"。但这里有个陷阱,我在代码里专门验证了。

陷阱:在纯乘法漏斗里,把任何一环"相对提升同样的百分比",末端收益是完全相同的。 比如每一环都提升 20%,不管提升哪一环,最终加入数都是从 371 变成同一个值。所以"提升 20%"这种问法本身没有区分度。

真正拉开差距的,是每一环还剩多少提升空间(离最佳实践的天花板有多远)。一个已经做到 60% 的环节,最多再往上一点点;一个还在 25% 的环节,有巨大的向上空间。脚本按"提升到各自天花板"来算:

FUNNEL = [

{"stage": "在结果列表里被点开", "pass_rate": 0.25, "ceiling": 0.45}, # 空间 +20%

{"stage": "看完简介愿意继续", "pass_rate": 0.55, "ceiling": 0.75}, # 空间 +20%

{"stage": "点进 Telegram 频道", "pass_rate": 0.60, "ceiling": 0.72}, # 空间 +12%

{"stage": "真正加入/留存", "pass_rate": 0.45, "ceiling": 0.55}, # 空间 +10%

]

输出:

把某一环从现状提升到它的'最佳实践天花板',末端加入数的变化:

优化「在结果列表里被点开」 25% → 45%(提升空间 +20%)

████████████████████ 加入数 371 → 668 (+297)

优化「看完简介愿意继续」 55% → 75%(提升空间 +20%)

█████████░░░░░░░░░░░ 加入数 371 → 506 (+135)

优化「真正加入/留存」 45% → 55%(提升空间 +10%)

██████░░░░░░░░░░░░░░ 加入数 371 → 454 (+83)

优化「点进 Telegram 频道」 60% → 72%(提升空间 +12%)

█████░░░░░░░░░░░░░░░ 加入数 371 → 446 (+74)

结论很清楚:优化"被点开"这一环,加入数从 371 涨到 668(+297),杠杆远大于其它环节。 因为它同时满足两个条件——当前通过率最低(漏得最狠)、且提升空间最大(够得着天花板)。

五、落到操作:怎么把"被点开"这一环捡回来

既然杠杆在"被点开",那这一环的两个抓手就值得重点做:

flowchart LR

T[提升'被点开'通过率] –> A[排序更靠前]

T –> B[标题更抓人]

A –> A1[简介/标签填完整<br/>提升完整度信号]

A –> A2[保持频道更新<br/>提升新鲜度信号]

B –> B1[标题点明主题+价值<br/>而非只写频道名]

抓手一:让排序更靠前。 用户从上往下看,排得越靠前越容易被点。而前几篇讲过,排序不只看相关性,还看完整度和新鲜度——把简介标签填满、保持频道更新,就是在往前挪。

抓手二:让标题更抓人。 在允许的范围内,标题点明"主题 + 价值"而不只是一个干巴巴的频道名。用户扫列表时,一个信息量足的标题,天然比一个空泛的名字更容易被点。

这两个抓手都不花钱,却作用在杠杆最大的那一环。这就是漏斗分析的价值——它告诉你别平均用力,把劲使在收益被后续逐级放大的地方。

六、把这套用到你自己的收录上

漏斗模型的用法不是记住"3.7%"或"被点开最重要"这些具体数字,而是这套思维:

小结

• 被收录、被搜到只是漏斗的顶端,从曝光到加入还要过"被点开→看简介→点进频道→留存"四道门,每道都在漏人;
• 用漏斗模型量化:10000 曝光端到端只剩 371 加入(3.7%),最大流失在最靠前的"被点开"环节(一下漏 7500);
• 优化该从哪下手有个反直觉点:纯乘法漏斗里"相对提升同样百分比"各环收益相同,真正的杠杆在"当前低、且提升空间大"的环节——本例是"被点开"(+297,远超其它);
• 提升"被点开"靠两个免费抓手:填全简介标签让排序靠前、标题点明主题价值。

完整脚本见 discoverability_conversion_funnel.py,无第三方依赖。把通过率换成你自己的估计,跑一遍就知道你的流量在哪一环漏得最多。评论区欢迎交流你的收录转化经验。

"""
收录后的转化漏斗:流量是在哪一环漏掉的?

被搜到 ≠ 有人加入。一个人从"在目录里刷到你"到"真的点加入频道",
中间要过好几道门,每道门都在漏人。这个脚本把这条转化链建模成漏斗,
量化每一环的流失,并告诉你哪一环最该优化、优化后能多留住多少人。

Part 1 转化漏斗:逐环计算留存与流失
Part 2 单点优化的杠杆:改善某一环,末端加入数变化多少

数字是机制假设下的相对模型(以 10000 次曝光为起点),非真实统计。
无第三方依赖:python discoverability_conversion_funnel.py
Windows 中文乱码:PYTHONIOENCODING=utf-8 python discoverability_conversion_funnel.py
"""

# ————————————————————————–
# 转化链的每一环 + 该环的"通过率"(上一环的人里,有多大比例走到下一环)。
# 通过率是可优化的:注释里写了它主要受什么影响。
# ————————————————————————–
FUNNEL = [
{"stage": "被搜索/浏览到(曝光)", "pass_rate": 1.00, "ceiling": 1.00,
"lever": "收录覆盖 + 简介同义词广度"},
{"stage": "在结果列表里被点开", "pass_rate": 0.25, "ceiling": 0.45,
"lever": "标题吸引力 + 排序靠前(完整度/新鲜度)"},
{"stage": "看完简介愿意继续", "pass_rate": 0.55, "ceiling": 0.75,
"lever": "简介信息是否清晰、对得上用户搜的词"},
{"stage": "点进 Telegram 频道", "pass_rate": 0.60, "ceiling": 0.72,
"lever": "跳转是否顺畅、频道预览是否可信"},
{"stage": "真正加入/留存", "pass_rate": 0.45, "ceiling": 0.55,
"lever": "频道内容首屏质量、近期更新"},
]

START_IMPRESSIONS = 10000

def compute(funnel, start):
rows, current = [], start
for i, step in enumerate(funnel):
before = current
current = before * step["pass_rate"]
lost = before – current
rows.append({
"stage": step["stage"],
"in": before,
"out": current,
"pass_rate": step["pass_rate"],
"lost": lost,
"lever": step["lever"],
})
return rows

def bar(value, max_value, width=30):
filled = round(value / max_value * width) if max_value else 0
return "█" * filled + "░" * (width – filled)

def part1():
print("=" * 60)
print("Part 1 收录后的转化漏斗(起点 10000 次曝光)")
print("=" * 60 + "\\n")
rows = compute(FUNNEL, START_IMPRESSIONS)
mx = rows[0]["in"]
for i, r in enumerate(rows):
print(f"{r['stage']}")
rate_note = "" if i == 0 else f"通过率 {r['pass_rate']:.0%}"
print(f" {bar(r['out'], mx)} {r['out']:>7.0f} {rate_note}")
if i > 0:
print(f" 这一环流失 {r['lost']:.0f} 人 ← 杠杆:{r['lever']}")
print()
final = rows[-1]["out"]
overall = final / START_IMPRESSIONS
print("-" * 60)
print(f"端到端转化率:{overall:.1%}（曝光 {START_IMPRESSIONS} → 加入 {final:.0f}）")

# 找最大流失环
worst = max(rows[1:], key=lambda r: r["lost"])
print(f"最大流失发生在:「{worst['stage']}」,漏掉 {worst['lost']:.0f} 人")
print(f"→ 它的杠杆是:{worst['lever']}\\n\\n")
return rows

def part2():
print("=" * 60)
print("Part 2 单点优化的杠杆效应")
print("=" * 60 + "\\n")
base_final = compute(FUNNEL, START_IMPRESSIONS)[-1]["out"]
print(f"当前端到端加入数:{base_final:.0f}\\n")
print("把某一环从现状提升到它的'最佳实践天花板',末端加入数的变化:")
print("(注:纯乘法漏斗里'相对提升同样百分比'各环末端收益相同,")
print(" 真正拉开差距的是各环还剩多少提升空间——所以按天花板算)\\n")

results = []
for i in range(1, len(FUNNEL)):
trial = [dict(s) for s in FUNNEL]
cur, ceil = trial[i]["pass_rate"], trial[i]["ceiling"]
trial[i]["pass_rate"] = ceil
new_final = compute(trial, START_IMPRESSIONS)[-1]["out"]
gain = new_final – base_final
headroom = ceil – cur
results.append((FUNNEL[i]["stage"], cur, ceil, new_final, gain, headroom))

results.sort(key=lambda x: -x[4])
mx = max(g for *_, g, _ in results) or 1
for stage, cur, ceil, new_final, gain, headroom in results:
print(f" 优化「{stage}」 {cur:.0%} → {ceil:.0%}(提升空间 {headroom:+.0%})")
print(f" {bar(gain, mx, 20)} 加入数 {base_final:.0f} → {new_final:.0f} (+{gain:.0f})")
print()
top = results[0]
print("-" * 60)
print(f"杠杆最大的一环:「{top[0]}」,它现状离天花板最远、提升空间最大。")
print("启示:别平均用力,先找'当前通过率低、且够得着天花板'的环节下手。")

if __name__ == "__main__":
part1()
part2()