安排谷歌分析问题的优先级,核心不是先修最显眼的报表,而是先确认哪一类问题会影响你当前要做的判断。第一次接触时,可以按“观察异常出现在哪个报表、判断它是否影响决策、处理最小可验证环节、复查同一口径是否恢复”四步推进。优先级最高的,通常是会让后续结论整体失真的口径问题,而不是单个数字的涨跌。
谷歌分析里的“问题”常被混在一起。数据缺失指报表没有记录到本应出现的行为,例如某类转化完全没有数据;口径不一致指两处数字对不上,例如谷歌分析中的会话数与站内订单表不一致;解读偏差指数字本身没错,但被当成了错误结论,例如把“直接访问”全部理解为老用户。三类的处理顺序不同:缺失先查采集,口径先查定义,解读先查假设。
判断方法很简单:先写下你原本想回答的业务问题,再问当前这个异常是否会让答案改变。如果会,它就该排在前面;如果只是让报表看起来不整齐,可以往后放。
一个转化数下降看起来比“某个事件参数缺失”更严重,但如果参数缺失影响所有渠道的归因,后者优先级更高。可以用下面这个检查顺序:
这个顺序的依据是“污染面”:越靠前的问题,越可能让你在错误数据上继续做判断。适用条件是你能确认问题确实存在,而不是仅凭一次波动猜测。如果只是某天数字变化,先不要升级为全站问题。
假设你发现“自然搜索带来的注册转化”连续几天为零,而站内后台显示有注册。不要立刻改代码或改归因模型。先做最小验证:
如果实时报告能看到事件,但历史报表没有,可能是处理延迟或视图过滤;如果实时也看不到,优先查代码触发和网络请求。这里要区分“可能原因”和“已经定位的原因”:上述每一步只能排除一种可能,不能凭一个现象断定唯一原因。
处理完一个问题后,复查要使用与发现问题时相同的日期范围、视图和对比对象。例如原来发现自然搜索转化为零,复查时就再看同一渠道、同一转化事件、同一时间段。若数字恢复,记录改动内容和生效时间;若没有恢复,回到上一步,检查是否还有第二个原因叠加。
复查的目的不是证明“修好了”,而是确认原来的判断是否仍然成立。如果口径变了,比如换了归因模型或改了日期范围,复查结果就不能直接与之前比较。此时应把口径变更本身列为新的高优先级问题。
现在可以立即做一件事:打开谷歌分析,写下当前最困扰你的三个问题,每个问题后面标注“影响全站、影响某渠道、只影响单个报表”。把影响全站的那一行排在第一位,只对它执行一次最小验证。验证结果会告诉你,是继续处理采集,还是转向口径核对。