1. 定位商品銷量變化原因

這裡我們以“定位商品銷量下降的原因”為例，呈現如何將功能組合使用解決實際工作中遇到的複雜分析問題。

1.1. 分析任務

追查核心商品銷量下降原因

1.2. 任務難點

需關注轉化環節中各前向環節基本量及轉化率變化，下鑽定位原因

1.3. 神策對策

神策 8 大分析模型結合強大的聚合、分組、篩選功能，快速定位原因

1.4. 分析方法

1. 使用事件分析，查看核心關注商品銷量趨勢，找出異常日期

2. 使用漏斗分析，查看異常日期從商品詳情頁瀏覽到下單流程中重點關注環節指標以及轉化率

3. 使用間隔分析，為漏斗合理設定窗口期時長

4. 回到漏斗分析，定位異常環節

5. 使用事件分析，設定商品詳情頁流量按推廣位來源分組查看，判斷是否推廣位效果導致異常

6. 使用事件分析，查看全站流量變化趨勢是否與訂單量變化趨勢相符

1.5. 分析結論

商品銷量下跌的主要原因為全站流量異常，並非受推廣位因素影響

1.6. 具體操作

1.6.1. 第一步：使用事件分析，查看核心關注商品銷量趨勢，找出異常日期

選取指標：選擇事件“提交訂單詳情”的總次數

設定篩選條件：事件屬性“商品ID”等於“321332”

設定時間：選擇“本月”，並按“天”查看

分析得到：7 月 12 日銷量暴跌 跌幅 74%，需追查原因

1.6.2. 第二步：使用漏斗分析，查看異常日期從商品詳情頁瀏覽到下單流程中重點關注環節指標以及轉化率

建立漏斗

設定漏斗步驟：將“瀏覽商品詳情頁”、“加入購物車”“提交訂單詳情”事件作為漏斗的三個步驟

增加觸發限制條件：“商品ID”等於“321332"，只提取關注商品的數據

1.6.3. 第三步：使用間隔分析，為漏斗合理設定窗口期時長

導出數據，使用 excel 看總體，觀察均值是否呈現較穩定的分佈，取間隔時間中位數

分析得到：上線至今的數據得到人均間隔時間的中位數波動較小，取間隔中位數的中位數 1818 秒，估算從該商品瀏覽到下單轉化時間為 30 分鐘；所以當用漏斗分析訂單波動轉化率時，窗口期設

為 30-1 個小時較為合理，用於估算。即在分析 3 月 2 日的下單波動時，漏斗開始的日期設定為當天即可。

1.6.4. 第四步：回到漏斗分析，定位異常環節

設定日期 7 月 12 日所在一週，按天觀察轉化率波動

分析得到：各環節轉化率並無異常，透過觀察瀏覽商品詳情頁總次數變化發現，瀏覽商品詳情頁次數 7 月 12 日下降了 75%，是下單下降的主因。

1.6.5. 第五步：使用事件分析，設定商品詳情頁流量按推廣位來源分組查看，判斷是否推廣位效果導致異常

選取指標：選擇事件“瀏覽商品詳情頁”的總次數

設定篩選條件：事件屬性“商品ID”等於“321332”

設定分組屬性：按“前向來源”查看；

設定時間：選擇“本月”，並按“天”查看

分析得到：各個前來模組來源均大幅下跌，推斷為網站整體流量變化導致，而非單個推廣位變動導致。 
  

1.6.6. 第六步：使用事件分析，查看全站流量變化趨勢是否與訂單量變化趨勢相符

分別看 Web 瀏覽頁面 總次數、App 瀏覽頁面總次數變化趨勢

Web 瀏覽頁面總次數

 
App 瀏覽頁面總次數

分析得到：確定為全站流量導致該商品銷量下跌，而非單個推廣位因素導致