诊断整店流量来源与转化卡点

这个场景能帮你做什么

店铺有访客却不出单，问题可能出在自然搜索、推荐、内容或广告承接中的不同位置。WorkBuddy 可以按来源和商品比较进店、加购与付款，找出最值得核查的环节。它分析整店流量质量，不用广告销售替代全店经营。

开始前需要准备什么

准备同期间流量来源明细、商品/页面、访客、加购用户、付款用户或订单、金额、价格库存与页面变更；能取得曝光、点击、跳失和停留时一并给出定义。说明来源归属、去重、事件时间和退款口径。

教学模拟：下表为两个来源内部、同一观察期去重且可关联的用户。来源之间可能重叠，不能直接相加作为全店去重人数。

来源	访客	加购用户	付款用户	支付订单	支付金额
自然搜索	1,000	200	50	55	5,500 元
内容推荐	1,000	100	20	22	2,200 元

具体怎么做

第一步：核来源和事件能否连成漏斗

让 WorkBuddy 列每个指标是用户、次数还是订单，同一用户是否能跨来源出现，加购与付款是否属于同一批访问者。平台给的是独立期间计数时，只能对照表现，不能直接当逐级流失概率。跨平台与跨设备无法对应的部分保留缺口。

第二步：分来源计算，再下钻商品

本例可以计算搜索的访客加购率 200÷1,000＝20%、访客付款率 50÷1,000＝5%；推荐分别为 10% 与 2%。支付订单均额两者均为 100 元。若已确认付款用户都在加购群中，可进一步算加购后付款；若存在直接购买，不能用付款用户数除加购用户数冒充这一步转化。

初步能确认推荐来源的加购与付款较低，不能直接判定“推荐用户不精准”。接着按商品看同一商品是否同样下降，核推荐是否引来不同商品、价格/库存、内容承诺与页面是否匹配。

第三步：用商品构成排除汇总误导

要求给“来源×商品”的访客、付款、占比和变动。低转化来源若流量集中在新品，可能是商品结构影响；同一商品在两个来源都下滑，则先查供给和页面。结论列数据事实、候选解释与补证，不能用一个总转化率替所有商品定性。

第四步：安排最小改进与回看

优先查可直接核实的断货、链接、价格与页面缺项，再验证人群或内容假设。每个动作写影响对象、负责人、保持条件、回看指标及时间；不同时全改主图、标题、人群与价格，使后续无从判断。

可以直接交给 WorkBuddy 的完整要求

请诊断整店来源与商品转化，先核期间、来源归属、去重、用户/次数/订单定义和事件关联。不同来源可能重叠，不直接求全店去重合计。
按来源计算可成立的进店、加购、付款与订单金额指标，逐项写分子分母；不能构成漏斗的只并列比较。再下钻来源×商品，区分流量结构与同商品表现变化。
结合价格库存和页面/内容变化，输出事实、可能原因、需补证据与单项验证。无数据不编行业均值，不把同步变化当因果，不自动改页面或投放。

完成后会得到什么

来源与商品对照、卡点及验证动作表。例如“推荐来源访客付款率较低，优先核内容承诺与 S1 页面，补同商品比较”，比“增加精准流量”更可执行。

结果应该怎么检查

核渠道合计是否受重复归属影响；全店率用全店确认分母，不能简单平均来源率。订单数与付款人数不得混；支付目标与净销售比较分开；平台无法取得某段数据时必须标明。

遇到这些情况怎么处理

只有全店汇总，先定位总体变化并补来源；来源口径改版，分版本比较；商品结构变化大，按同商品再看；模型把“加购低”归因价格时，继续要求：“请列价格变动、同商品同来源基准和反面证据；不足时改为待验证，并给应补资料。”

哪些由工具处理，哪些必须人工决定

工具计算与定位。运营核实际商品和页面，渠道负责人核流量条件，管理者选择优先改进；经营效果由后续数据回看。