行业资讯

活动页流量暴涨？先拆访客构成再判断是不是真涨 活动上线后UV突然翻倍，报表群里一片欢呼。但活动结束第一周复盘时，才发现转化率没涨、注册没涨，涨上来的那波流量根本没留下来。这种虚假繁荣在活动复盘里非常常见。之所以容易误判，是因为活动流量本身就是混合体。真实用户、被奖励吸引来的羊毛党、恶意爬虫、误点广告的用户——这四种流量在UV报表里长得一模一样，但行为模式完全不同。不拆开看，你根本不知道涨的是哪一种。活动上线后UV突然上涨，看起来是好事，但如果不拆访客构成，你可能在为无效流量兴奋。真实用户、爬虫、误点流量在暴涨期会混在一起。图1活动页UV在活动上线当天翻倍，但构成需要拆解才能判断质量（活动期间盯盘通常需要实时访客数据，456数据提供实时访客... 09 / 30·阅读 40 首页流量稳但入口减少？先拆来源构成再下结论 做网站数据分析的人多半有过这种经历：首页PV报表看着稳稳当当，但翻到来源明细页才发现，带量的渠道从五六家缩到了一两家。因为总量没动，这个变化往往要几周后才被注意到。流量结构收窄为什么值得警惕？因为多入口本来就是一种风险对冲。正常情况下，搜索、直接访问、外链、社交各带一部分量，某个渠道出问题时其他渠道还在兜底。一旦过度依赖单一渠道，那个渠道一旦波动，整站流量就会跟着坐过山车。首页每天的PV稳定，但来源渠道数量在减少——这是一个经常被忽略的结构性信号。总量不变不代表健康，多入口向少数渠道集中时，抗风险能力其实在下降。图1首页PV曲线走平，但来源入口数量在减少，流量结构正在变化（这类判断通常需要在网... 09 / 30·阅读 39 周报周期和默认筛选怎么固定？看板配置的三步法 我做管理这些年，周一晨会的第一件事就是翻上周报表。这份报表跟着我搬过三次工位，口径也变过好几轮：最早是安排实习生手工拼Excel，后来换成在线表格共享，再后来才有了固定看板。回头看，晨会报表最大的成本不是做表，而是每周都在对口径。这篇文章把我踩过的坑归纳成三件要固定的事：统计周期、默认筛选、口径备注。这类固化思路，在多数看板工具里都是按“周期—筛选—备注”三段来组织的。周报口径演变时间线——从手工导表对口径，到共享表格忘切筛选，再到固定看板。一、一条口径混乱的时间线第一个阶段，大概十年前：每周五下午安排一个实习生，从各个后台系统分别导出CSV，再手工粘贴到固定Excel模板里，周一晨会前一晚才... 09 / 30·阅读 39 A/B测试主指标和观察窗口怎么定？四个设定前提 带学员做实验设计练习时，我最常看到的一幕是：实验已经建好、一半流量也切出去了，团队却还在争论“到底看哪个数”。有人看点击率，有人看成交额，过两天又有人提出应该看次日留存，谁也说服不了谁。之所以会出现这种局面，是因为主指标、护栏指标和观察窗口这三件事没有在分流之前写清楚。这篇文章只解决一个问题：开实验之前，这三件事各自该怎么定。假设、主指标、护栏指标、观察窗口四栏都还是空白待填。一、为什么这三件事必须在开跑之前定实验一旦开始分流，用户就被随机分进对照组和实验组。这时候才回头挑指标，等于在同一批已产生的数据里挑一个“看起来赢了”的方向下结论，事后挑指标会让结论失去统计意义。判据必须先于数据存在：先... 09 / 30·阅读 36 资源失败率没涨但加载变慢？Resource Timing定位方法 上周有个做电商的朋友约我喝咖啡，坐下没两句他就皱着眉问：“我们监控里资源失败率一直平着，一个告警都没报，可老板最近总说页面越来越慢，这到底是哪儿出了问题？”我反问他一句：你盯的是失败率，那你看过耗时趋势吗？他愣了一下——显然没有。这其实是个特别典型的错位。失败率和加载耗时，本来就是两件不相干的事：失败率统计“加载失败”的资源占比，耗时统计“加载成功、但花了多久”。一个资源每次都加载成功，只是从1秒慢慢变成3秒，失败率纹丝不动，用户却实实在在觉得页面变卡了。“监控没叫、老板却在叫”，往往是因为团队的告警只盯着失败率，没有人持续盯耗时趋势。一、失败率和耗时，为什么会错位我给他画了张图：左边是四周资... 09 / 30·阅读 37 只有特定浏览器报JS错误？按版本下钻的排查路径 周一早上九点十五分，我刚倒上咖啡，告警群就先炸了：JS错误量在过去四十分钟里翻了三倍。值班群里有人甩来一张监控曲线——报错像被人从底下顶了一下。但奇怪的是，客服侧的用户投诉并没同步上涨，产品同学也说核心下单链路看上去正常。这种“监控在叫、用户没叫”的错位，是前端工程师最熟悉的一种早晨。我通常不会这时立刻打开编辑器翻代码。“报错量整体飙升”和“某一类用户在某一类页面集中报错”是两件事：前者往往是一次发布引入的全站问题，后者更可能是某个浏览器版本的兼容问题。方向不同，排查路径完全不同。所以正确的第一步，不是去找代码，而是先把范围缩小。一、先分清这是“面”还是“点”面对一条突然抬头的报错曲线，先问两... 09 / 30·阅读 40 标签重叠严重？互斥人群分群的三条规则 上周连着开了三个会：市场部要一个“潜客人群包”，运营部要一个“活跃用户包”，销售部要一个“高意向客户包”。三个包都从我这出，听起来不复杂。可等三个包的人数摆到一张表上，问题就来了——加起来8.2万人，我拿去重，真实去重后只有5.1万。也就是说，有3万多人同时躺在两三个包里，被三个部门反复触达，预算也被重复算了一遍。之所以会变成这样，不是哪个同事圈错了，而是从头到尾没人规定过“同一个人到底算谁的”。更直接的后果是，同一个客户一天能收到三条不同部门的推送，体验差到直接取关。一、重叠是怎么自然发生的把三个包的条件摊开看就明白原因了。市场圈“近30天访问过官网”，运营圈“近7天打开过App”，销售圈“... 09 / 30·阅读 35 RFM高价值人群怎么筛？分层阈值的三个判断维度 咨询现场最常被问的一句话是：“到底谁算我们的高价值用户？”有人主张按累计消费排，把花钱最多的那批挑出来；有人反驳说那些人只买过一次早就走了；还有人坚持看复购，天天回来的才是自己人。三方各执一词，吵到最后往往靠老板拍板。吵成这样不奇怪——“高价值”这三个字从来不是单一维度，把它拆成能算的三件事，争论才会停。一、先把“高价值”拆成三个可算的问题RFM不是什么高深模型，它就是把“高价值”拆成三个都能从订单里算出来的维度：R（Recency，最近一次消费）：上一次下单离今天过去了多少天，越近越好；F（Frequency，消费频次）：选定周期内这个人一共下过几单，越多越好；M（Monetary，消费金额... 09 / 30·阅读 43 新增规模忽大忽小？不同批次留存怎么比较 月底复盘会，桌上摊着两张表。这个月新增12.6万，上个月只有4.8万；一条新渠道刚铺开，老渠道又缩了一半。老板顺口问“哪个月的新增质量更好”，你盯着两个留存率——38%和45%——却迟迟不敢开口。可你心里清楚，这两拨人不是一个量级，直接拿数字比大小，很容易被规模带偏。一、先把留存率的分母讲清楚很多人之所以会比错，是把“留存率”理解成了“今天有多少人回来”。其实留存率回答的是另一个问题：当初那一批新人，过几天还回来几个。问题问的是“那批人留下多少”，三个常用口径的分母，都必须牢牢锁定在同一批新增用户身上。次日留存=该批新增用户里，注册后第2天再次回访的人数÷这批新增总数；7日留存=同一批人里，注... 09 / 30·阅读 38