# 复杂分析场景 这里我们以“定位商品销量下降的原因”为例，展示如何将功能组合使用解决实际工作中遇到的复杂分析问题。 ## 1. 分析任务 追查核心商品销量下降原因 ## 2. 任务难点 需关注转化环节中各前向环节基本量及转化率变化，下钻定位原因 ## 3. 神策对策 神策8大分析模型结合强大的聚合、分组、筛选功能，快速定位原因 ## 4. 分析方法 第一步：使用事件分析，查看核心关注商品销量趋势，找出异常日期\ 第二步：使用漏斗分析，查看异常日期从商品详情页浏览到下单流程中重点关注环节指标以及转化率\ 第三步：使用间隔分析，为漏斗合理设置窗口期时长\ 第四步：回到漏斗分析，定位异常环节\ 第五步：使用事件分析，设置商品详情页流量按推广位来源分组查看，判断是否推广位效果导致异常\ 第六步：使用事件分析，查看全站流量变化趋势是否与订单量变化趋势相符 ## 5. 分析结论 商品销量下跌的主要原因为全站流量异常，并非受推广位因素影响 ## 6. 具体操作 ### 第一步：使用事件分析，查看核心关注商品销量趋势，找出异常日期 选取指标：选择事件“提交订单详情”的总次数\ 设置筛选条件：事件属性“商品ID”等于“321332”\ 设置时间：选择“本月”，并按“天”查看\ 分析得到：7月12日销量暴跌 跌幅74%，需追查原因\  \ ![](https://3928609189-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-Levm4x0IpHBx6dxiaCM%2F-LeydYULqjq7WfRLX0IT%2F-LeydmDpU6Kr29iz8ogM%2Fscene_complicated_topic_sell_1.png?generation=1557976787307134\&alt=media)   ### 第二步：使用漏斗分析，查看异常日期从商品详情页浏览到下单流程中重点关注环节指标以及转化率 创建漏斗\ 设置漏斗步骤：将“浏览商品详情页”、“加入购物车”“提交订单详情”事件作为漏斗的三个步骤\ 添加触发限制条件：“商品ID”等于“321332"，只提取关注商品的数据 ### 第三步：使用间隔分析，为漏斗合理设置窗口期时长 导出数据，使用excel看总体，观察均值是否呈现较稳定的分布，取间隔时间中位数\ 分析得到：上线至今的数据得到人均间隔时间的中位数波动较小，取间隔中位数的中位数1818秒，估算从该商品浏览到下单转化时间为30分钟；所以当用漏斗分析订单波动转化率时，窗口期设置为30-1个小时较为合理，用于估算。即在分析3月2日的下单波动时，漏斗开始的日期设置为当天即可。 ![](https://3928609189-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-Levm4x0IpHBx6dxiaCM%2F-LeydYULqjq7WfRLX0IT%2F-LeydmDrDKybCOyUPcui%2Fscene_complicated_topic_sell_2.png?generation=1557976787133735\&alt=media) ### 第四步：回到漏斗分析，定位异常环节 设置日期7月12日所在一周，按天观察转化率波动\ 分析得到：各环节转化率并无异常，通过观察浏览商品详情页总次数变化发现，浏览商品详情页次数7月12日下降了75%，是下单下降的主因。  \ ![](https://3928609189-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-Levm4x0IpHBx6dxiaCM%2F-LeydYULqjq7WfRLX0IT%2F-LeydmDtBRZkQ6zKlMBu%2Fscene_complicated_topic_sell_3.png?generation=1557976787119897\&alt=media) ![](https://3928609189-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-Levm4x0IpHBx6dxiaCM%2F-LeydYULqjq7WfRLX0IT%2F-LeydmDv3J1WTdOWngt2%2Fscene_complicated_topic_sell_4.png?generation=1557976787599299\&alt=media)   ### 第五步：使用事件分析，设置商品详情页流量按推广位来源分组查看，判断是否推广位效果导致异常 选取指标：选择事件“浏览商品详情页”的总次数\ 设置筛选条件：事件属性“商品ID”等于“321332”\ 设置分组属性：按“前向来源”查看； 设置时间：选择“本月”，并按“天”查看\ 分析得到：各个前来模块来源均大幅下跌，推断为网站整体流量变化导致，而非单个推广位变动导致。  \ ![](https://3928609189-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-Levm4x0IpHBx6dxiaCM%2F-LeydYULqjq7WfRLX0IT%2F-LeydmDxf9QNO9RJZf6J%2Fscene_complicated_topic_sell_5.png?generation=1557976786928550\&alt=media)   ### 第六步：使用事件分析，查看全站流量变化趋势是否与订单量变化趋势相符 分别看 Web 浏览页面 总次数、App 浏览页面总次数变化趋势\   Web 浏览页面总次数\  \ ![](https://3928609189-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-Levm4x0IpHBx6dxiaCM%2F-LeydYULqjq7WfRLX0IT%2F-LeydmDzAIoJ9U1nb-gH%2Fscene_complicated_topic_sell_6.png?generation=1557976787330203\&alt=media)  \ App 浏览页面总次数\  \ ![](https://3928609189-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-Levm4x0IpHBx6dxiaCM%2F-LeydYULqjq7WfRLX0IT%2F-LeydmE08rhDGHucurzg%2Fscene_complicated_topic_sell_7.png?generation=1557976787072593\&alt=media)   ### 分析得到：确定为全站流量导致该商品销量下跌，而非单个推广位因素导致。