同一个 6 月,同一份 qingning.db,六种方法能讲出六个故事。对比说「环比 +2.85%」,
趋势说「18 个月没涨」,漏斗说「支付转化 5.55%」,归因说「线下被低估 4.58 个百分点」。
方法没有高低,只有用错。每个方法都配一个青柠数字和一个反例;
最后你会拿到一张方法选择图和一张「何时会骗人」清单。
六个方法不是六套公式,而是六种看数据的角度。先记住每个方法回答什么问题,再记怎么算; 顺序反了,你会变成一个只会跑 SQL 的人。
对比是最基本的方法,也最容易做错,因为「跟谁比」决定结论。横向是同一时点不同对象: 6 月自然搜索 3,525,855.30 元,线下 730,595.78 元,前者是后者的 4.8 倍。 纵向是同一对象不同时间:6 月 vs 5 月,6 月 vs 去年 6 月。对照是实验组 vs 对照组; 观测数据没有随机分组,只能自己构造可比组。
同一个 6 月,能算出三个不同的「增长」,它们都不算错:
三个数的分母不同,所以不矛盾。报告里必须写清楚用的是哪一个,否则读者会以为你在挑最好看的那个。
口径:amount 合计 157,875,311.64 元,pay_amount 合计
157,363,380.14 元,差 511,931.50 元。一个含优惠前,一个含优惠后。
时间长度:5 月 31 天,6 月 30 天;比总量,5 月天然占便宜。
分组结构:线下客单价 8,697.57 元,比大盘 10,233.11 元低 15.0%;
但线下配件占比 22.30%,自然搜索只有 14.66%,一部分差距是品类结构,不全是「卖得便宜」。
如果不这样会怎样:你用总量对比得出「6 月增长不错」,按日均其实是 +6.28%, 增长被低估;反过来,如果 6 月有 31 天,总量会虚高,你又可能得出「增长很好」的假结论。 说不清的时候,报日均,并注明天数。
还有一层:线下和信息流不是随机分组,AOV 差异不能全算作渠道效果。
把 18 个月的 GMV 连成线,第一眼看到的不是增长,是横盘:最低 2023 年 11 月的 8,121,168.51 元,最高 2024 年 4 月的 9,331,840.17 元,均值 8,742,410.01 元, 极差只有 14.91%。这不是一个「每年翻倍」的业务,而是一个「高位震荡」的业务。 先把这个判断说出口,后面的单月波动才不会带偏你。
移动平均压掉单月噪声。2024 年 2 月 GMV 8,345,370.02 元,环比 −8.15%,像掉下去了; 但 3 个月移动平均从 1 月的 8,476,480.90 元升到 2 月的 8,551,214.74 元,反而涨 0.88%。 单月看是跌,平滑后是稳;趋势至少看三个月。
3σ 找异常点:偏离均值超过 3 个标准差就标出来。2024 年上半年 182 天, 日均 GMV 294,379.18 元,标准差 74,981.52 元,上限 519,323.75 元。三天越线: 4/17 的 520,447.86(z = 3.01)、4/26 的 559,805.38(z = 3.54)、6/19 的 525,525.32(z = 3.08)。 只看 6 月的 30 天,上限是 537,729.69 元,6/19 就不算异常——窗口换了,结论就变。
同比偏离看「和去年同期比偏了多少」。2024 年 1–6 月依次是 −0.97%、+1.78%、+2.34%、 +6.10%、+7.80%、+1.58%;6 月从 +7.80% 掉到 +1.58%,是转折信号。
发现异常后,先分类,再决定怎么处理。异常只有三类原因:真实业务(6/19 有 43 单、 客单价 12,221.52 元、41 个用户,像企业采购或大促)、数据问题(重复上报、漏埋点)、 口径变化(退款、取消突然被算进来)。三类的处理方式完全不同。
真实业务造成的异常,保留,单独解释;数据问题造成的,修复或剔除,留痕; 口径变化造成的,重算历史,新旧口径都放出来。三类不能混为一谈。
如果不这样会怎样:你看到 6/19 的 525,525.32 元「太高了」,直接删掉,6 月 GMV 从 901.5 万变成 849.0 万,环比从 +2.85% 变成 −3.14%。两个数都能自洽,但只有一个能对财务; 如果 6/19 真是大促,你删掉的是真实需求。
正确做法是做敏感性测试:保留 6/19 报一个数,剔除再报一个,两个都写进报告。 这比偷偷删掉诚实。
漏斗回答的是「从进入到成交,人在哪一步走掉了」。青柠 6 月的四步漏斗是: 浏览 2,000 人 → 加购 1,318 人(65.90%)→ 下单 387 人(29.36%)→ 支付 111 人(28.68%), 整体转化率 5.55%。最大的流失在「加购 → 下单」,掉了 70.64%。
漏斗有四个必须写死的定义,少一个,数就不可比:
111 到 99 少的 12 人,是先支付后下单、或中间缺加购的用户;可能是埋点顺序,也可能是补录。 漏斗不只是分析工具,也是数据质量的探针。
步骤、去重、窗口、顺序,四件事写在需求单上再跑数;「按人还是按次」能差好几倍。
如果不这样会怎样:你只报 5.55%,老板问「上周不是 6.4% 吗」,你答不上来—— 5.55% 是月度平均,6.40% 是第 4 周的浏览→支付转化。口径没写,数字越看越像吵架。
留存回答的是「人还会不会回来」。6 月 1 日有 280 个活跃用户,6 月 2 日回来 40 人, 次日留存 14.29%;6 月 8 日回来 55 人,第 7 日留存 19.64%。但如果你问「7 天内有没有回来过」, 答案是 200 人,71.43%。同一批人,三个数,差了三倍多。
两种口径回答两个问题:第 7 日留存看「当天还来吗」,适合看活跃节奏;7 日内留存看 「这一周回来过吗」,适合看召回。两个都叫留存,不能混着比。
同期群是把同一批人放一起看。6/8 的 289 人:D1 40 人(13.84%),D7 51 人(17.65%), 7 日内 192 人(66.44%),与 6/1 的 14.29% / 19.64% / 71.43% 接近,不是某一天的偶然。
留存曲线有三种形态:持续下降(工具型)、平稳(刚需)、微笑(先跌后回升)。 6/1 的曲线 D1 14.29% → D4 20.36% → D7 19.64%,像微笑;但 D7 是周六,可能是周末效应。 看到形状,先问「是不是星期几造成的」。
基准事件:谁算「这一天的人」(这里是 6/1 有任意事件);回访事件: 什么算「回来」(任意事件,还是支付);时间口径:第 N 日,还是 N 日内。
如果不这样会怎样:你把「7 日内回来过」写成「第 7 日留存」,14.29% 变成 71.43%; 老板按这个数加大投放,下月发现次日留存还是 14%,差 57 个百分点没人能解释。
大盘平均最会骗人。6 月整体客单价 10,233.11 元,拆开看,信息流 11,075.35 元,线下 8,697.57 元。 「青柠客单价一万」这句话,对谁都没有可执行信息。
RFM 是最常用的分群法:R 是最近一次购买距今天数,F 是购买次数,M 是累计金额。 用中位数切三刀(R ≤ 49.6 天、F ≥ 7 单、M ≥ 74,046.65 元),2,000 个注册用户分成五群:
| 群 | 人数 | 占注册用户 GMV | 特征 |
|---|---|---|---|
| 重要价值 | 574 | 40.39% | 最近买过、买得多、花得多,平均 107,729 元 |
| 重要保持 | 353 | 23.28% | 买得多、花得多,但平均 102 天没来,召回重点 |
| 一般/流失 | 999 | 32.24% | R 高、F 低、M 低,人数最多,贡献排第二 |
| 重要挽留 | 45 | 2.50% | 花得多但很久没来,人数少,单人价值高 |
| 重要发展 | 29 | 1.59% | 最近买过、花得多,但频次低 |
反常识的是:消费最高的 20% 用户只贡献 32.93% GMV,最低的 50% 贡献 32.30%,80/20 不成立。 「抓住 VIP 就够了」是错的,中段 999 人的「一般/流失」群也不能丢。分群不是为了画格子, 是为了决定「对谁做什么」。
分群要过两关:可解释、可执行。RFM 运营看得懂;K-means 是另一种思路:定 K 个中心, 归到最近的中心,重算,迭代到不动。三个坑:K 要人定、量纲要标准化、结果要命名。 没有高低,只有谁能落地。
别漏了游客:4,274,401.92 元,占总 GMV 2.72%,没有 user_id,进不了任何分群。
报告脚注写一句「不含游客」,否则大盘对不上。
归因回答「这笔钱算给谁」。末触看成交渠道:6 月自然 39.11%、信息流 30.59%、朋友 22.20%、 线下 8.10%。首触用注册渠道近似:自然 38.53%、信息流 26.91%、朋友 21.89%、线下 12.68%。 还有 3.79% 的游客 GMV 没有注册渠道。
同一份数据两个故事:末触看线下只有 8.10%,像可以砍;首触看线下带来 12.68% 的用户, 相对高 56.5%,砍掉可能伤未来线上单。信息流相反,从 30.59% 降到 26.91%,末触高估了它。 算当月业绩用末触,评估长期拉新用首触;没有唯一正确,只有口径一致。
线性归因把订单平均分给路径上所有触点;时间衰减给越近的触点越高权重。触点齐全时更公平, 但解释成本高。小团队的做法:主口径选一个,另一个做敏感性对照。
5 Why 往下追一层:线下为什么只有 8.10%?订单只有 84 笔,占 9.53%。为什么少?客流少 (数据答不了)。客单价为什么只有 8,697.57 元、低 15.0%?配件占 22.30%,高于自然搜索的 14.66%。为什么配件高?可能门店主推低价配件(数据答不了)。问到数据边界就停,写成待验证假设。
六个方法没有优劣,只有适用边界。这张表左边问题,右边坑;分析前先扫一眼。
| 方法 | 回答什么问题 | 青柠数字 | 不适用 / 最大的坑 | 反例 |
|---|---|---|---|---|
| 对比 | 谁高谁低、涨了还是跌了 | 6 月环比 +2.85%,日均 +6.28%,同比 +1.58% | 口径、天数、结构不一致时,比了也白比 | 用总量比 31 天的 5 月和 30 天的 6 月 |
| 趋势异常 | 走势如何、哪一天不正常 | 18 个月极差 14.91%;H1 有 3 天越 3σ | 窗口一换,异常名单就变;不能直接删 | 只看 6 月,6/19 不算异常 |
| 漏斗 | 卡在哪一步、转化多少 | 2,000 → 1,318 → 387 → 111,整体 5.55% | 步骤、去重、窗口、顺序,缺一个就不可比 | 严格顺序一卡,支付从 111 变 99 |
| 留存 | 人还会不会回来 | D1 14.29%,D7 19.64%,7 日内 71.43% | 第 N 日与 N 日内混用,能差 3.6 倍 | 把 7 日内说成第 7 日 |
| 分群 | 该对谁下手、谁贡献大 | 重要价值 574 人贡献 40.39%;Top 20% 只占 32.93% | 阈值主观、维度相关、游客丢失 | 以为 80/20 成立,只做 VIP |
| 归因 | 这笔钱算给谁、为什么 | 末触线下 8.10%,首触线下 12.68% | 口径一换结论就反;相关不等于因果 | 用末触砍线下,忽略首触拉新 |
六步共用一份 qingning.db,每步都给 SQL 和真实输出;跑完后回答
「这个数说明什么、可能怎么骗人」。
SELECT substr(order_date,1,7) AS month,
COUNT(*) AS orders,
ROUND(SUM(pay_amount),2) AS gmv,
ROUND(SUM(pay_amount)/COUNT(*),2) AS aov
FROM orders
WHERE status = '已支付'
AND order_date >= '2024-05-01'
AND order_date < '2024-07-01'
GROUP BY month ORDER BY month;
month | orders | gmv | aov 2024-05 | 864 | 8765340.49 | 10145.07 2024-06 | 881 | 9015366.64 | 10233.11
-- 18 个月 GMV
SELECT substr(order_date,1,7) AS month,
ROUND(SUM(pay_amount),2) AS gmv
FROM orders
WHERE status = '已支付'
GROUP BY month ORDER BY month;
2023-01 9175215.05 2023-10 8917350.17 2023-02 8199651.91 2023-11 8121168.51 2023-03 8826221.22 2023-12 8222355.38 2023-04 8794929.05 2024-01 9085918.82 2023-05 8131421.05 2024-02 8345370.02 2023-06 8875566.96 2024-03 9033174.82 2023-07 8707978.05 2024-04 9331840.17 2023-08 8853384.32 2024-05 8765340.49 2023-09 8961127.51 2024-06 9015366.64
-- 2024 上半年:日均、标准差、超过 3σ 的日子
WITH d AS (
SELECT substr(order_date,1,10) AS dt, SUM(pay_amount) AS gmv
FROM orders
WHERE status='已支付'
AND order_date >= '2024-01-01' AND order_date < '2024-07-01'
GROUP BY dt
),
s AS (SELECT AVG(gmv) AS m,
SQRT(AVG(gmv*gmv)-AVG(gmv)*AVG(gmv)) AS sd FROM d)
SELECT dt, ROUND(gmv,2) AS gmv, ROUND((gmv-m)/sd,2) AS z
FROM d, s WHERE ABS(gmv-m) > 3*sd ORDER BY dt;
dt | gmv | z 2024-04-17 | 520447.86 | 3.01 2024-04-26 | 559805.38 | 3.54 2024-06-19 | 525525.32 | 3.08
SELECT event_type, COUNT(DISTINCT user_id) AS users
FROM events
GROUP BY event_type
ORDER BY CASE event_type
WHEN '浏览' THEN 1 WHEN '加购' THEN 2
WHEN '下单' THEN 3 ELSE 4 END;
event_type | users 浏览 | 2000 加购 | 1318 下单 | 387 支付 | 111
-- 严格顺序:每一步都必须晚于上一步
WITH v AS (SELECT user_id, MIN(event_time) t FROM events
WHERE event_type='浏览' GROUP BY user_id),
a AS (SELECT v.user_id, MIN(e.event_time) t FROM v JOIN events e
ON e.user_id=v.user_id AND e.event_type='加购' AND e.event_time>v.t
GROUP BY v.user_id),
o AS (SELECT a.user_id, MIN(e.event_time) t FROM a JOIN events e
ON e.user_id=a.user_id AND e.event_type='下单' AND e.event_time>a.t
GROUP BY a.user_id),
p AS (SELECT o.user_id, MIN(e.event_time) t FROM o JOIN events e
ON e.user_id=o.user_id AND e.event_type='支付' AND e.event_time>o.t
GROUP BY o.user_id)
SELECT (SELECT COUNT(*) FROM v) browse,
(SELECT COUNT(*) FROM a) cart,
(SELECT COUNT(*) FROM o) orders,
(SELECT COUNT(*) FROM p) paid;
browse | cart | orders | paid 2000 | 1318 | 377 | 99
WITH base AS (SELECT DISTINCT user_id FROM events
WHERE substr(event_time,1,10)='2024-06-01'),
d1 AS (SELECT DISTINCT user_id FROM events
WHERE substr(event_time,1,10)='2024-06-02'),
d7 AS (SELECT DISTINCT user_id FROM events
WHERE substr(event_time,1,10)='2024-06-08'),
w7 AS (SELECT DISTINCT user_id FROM events
WHERE substr(event_time,1,10) BETWEEN '2024-06-02' AND '2024-06-08')
SELECT (SELECT COUNT(*) FROM base) d0,
(SELECT COUNT(*) FROM base WHERE user_id IN (SELECT user_id FROM d1)) d1,
(SELECT COUNT(*) FROM base WHERE user_id IN (SELECT user_id FROM d7)) d7,
(SELECT COUNT(*) FROM base WHERE user_id IN (SELECT user_id FROM w7)) w7;
d0 | d1 | d7 | w7 280 | 40 | 55 | 200
WITH u AS (
SELECT user_id, SUM(pay_amount) AS mon
FROM orders
WHERE status='已支付' AND user_id IS NOT NULL
GROUP BY user_id
)
SELECT CASE WHEN mon >= 100000 THEN '高价值'
WHEN mon >= 30000 THEN '中价值'
ELSE '长尾' END AS tier,
COUNT(*) AS users,
ROUND(SUM(mon),2) AS gmv,
ROUND(SUM(mon)*100.0/(SELECT SUM(mon) FROM u),2) AS pct
FROM u
GROUP BY tier
ORDER BY CASE tier WHEN '高价值' THEN 1 WHEN '中价值' THEN 2 ELSE 3 END;
tier | users | gmv | pct 高价值 | 482 | 58830222.80 | 38.43 中价值 | 1375 | 91303507.39 | 59.64 长尾 | 143 | 2955248.03 | 1.93
-- 末触:订单在哪个渠道成交
SELECT channel, COUNT(*) AS orders,
ROUND(SUM(pay_amount),2) AS gmv
FROM orders
WHERE status='已支付'
AND order_date >= '2024-06-01' AND order_date < '2024-07-01'
GROUP BY channel ORDER BY gmv DESC;
-- 首触:按用户注册渠道(近似)
SELECT u.channel, COUNT(*) AS orders,
ROUND(SUM(o.pay_amount),2) AS gmv
FROM orders o JOIN users u ON o.user_id=u.user_id
WHERE o.status='已支付'
AND o.order_date >= '2024-06-01' AND o.order_date < '2024-07-01'
GROUP BY u.channel ORDER BY gmv DESC;
末触:自然搜索 3525855.30 | 信息流 2757762.26 | 朋友推荐 2001153.30 | 线下 730595.78 首触:自然搜索 3341442.24 | 信息流 2333644.75 | 朋友推荐 1898540.00 | 线下 1099704.38
先核对两个数,再做五道选择题。
不看正文,凭第一反应选。选完立刻出解析。
COUNT(DISTINCT user_id) 的宽松口径,只要求 6 月内出现过支付;严格顺序是 99,支付事件次数是 501。每个方法都有盲区。六张卡:何时骗人、青柠反例、一句自检。
会骗人:天数、口径、结构不一致时,差异可能全是构造的。
青柠反例:总量环比 +2.85%,日均 +6.28%,同比 +1.58%;同一个 6 月,三个增速。
自检:两边的分母,真的一样吗?
会骗人:3σ 依赖窗口;窗口一变,名单就变。
青柠反例:6/19 在 6 月内不算异常,放到 2024 上半年就是 z = 3.08 的异常点。
自检:换一个时间窗口,这个结论还成立吗?
会骗人:不去重、不写顺序和窗口,能给出三个转化率。
青柠反例:宽松口径支付 111 人(5.55%),严格顺序只剩 99 人(4.95%)。
自检:这个 111,是人还是次?顺序卡了吗?
会骗人:把「这段回来过」说成「第 N 天回来」,留存好看三倍。
青柠反例:同一批 280 人,第 7 日 19.64%,7 日内 71.43%。
自检:我写的是「当天」还是「这段」?
会骗人:阈值主观、维度相关、游客丢失,群可能对应不了动作。
青柠反例:「重要发展」只有 29 人、1.59% GMV,单独做活动连成本都收不回;游客 427 万 GMV 根本进不了分群。
自检:这群人,能对应一个动作、一个预算、一个负责人吗?
会骗人:首触和末触能把同一渠道说成「功臣」或「鸡肋」;相关也不等于因果。
青柠反例:线下末触 8.10%,首触 12.68%;一个说砍,一个说保。
自检:换一个归因口径,我的建议会反过来吗?
order_items.amount,不是 orders.pay_amount。1. 6 月家电商品金额 1,571,825.42 元,5 月 1,247,377.12 元,环比 +26.01%。这是 order_items.amount(原价口径),不能和 GMV 直接相加。
2. 6/8 基准 289 人:D1 40 人(13.84%),D7 51 人(17.65%),7 日内 192 人(66.44%)。与 6/1 的 14.29% / 19.64% / 71.43% 接近,说明留存水平稳定。
3. 末触看线下只占 8.10%,首触看它带来 12.68% 的用户;建议别直接砍,先补门店客流和投放成本再算 ROI。
4. H1 信息流加预算能带来增量;H2 线下加预算主要拉动配件;H3 朋友推荐的自然增长不可持续。字段:渠道、订单、pay_amount、注册渠道、活动成本;对比看基线,漏斗看环节,分群看人群,归因看渠道。