一個運營數據分析的案例

X網站是一家主營母嬰用品的電商網站，網站運營多年，是該領域的領頭者之一，各項數據指標相對比較穩定。運營人員發現從8月15日開始，網站的訂單量連續四天明顯下跌。網站訂單量受節假日、促銷、競爭對手活動等影響，日訂單量有所起伏是正常現象，所以頭兩天（8.15，8.16）運營人員並沒有太在意。

但是，8月18號早晨發現8月17號的訂單量並沒有恢復到正常水平，運營人員開始嘗試尋找原因：是否有負面報道被擴散，是否競爭對手在搞活動，是否某類商品缺貨、價格異常。但是並沒有找到原因，第二天發現訂單量依然沒有恢復正常，於是將問題提交給數據分析團隊，作為最高優先順序成立數據分析專項小組進行分析。

數據分析師第一反應是網站新增用戶出現問題，因為歷史上出現過類似比例的訂單量下跌，當時查找到原因是，網站的主要廣告推廣渠道沒有及時續費，廣告被下架，新增用戶量明顯下滑導致訂單量下降。拉取同期的新增用戶量數據，發現新增用戶並沒有明顯下降。

拉出同期的日活數據查看，發現日活數據也沒有明顯下降，基本做出判斷，用戶在訪問網站的過程中，轉化出了問題。

和一般的電商網站類似，X網站的常規轉化過程也是：用戶打開App，搜索關鍵詞查找想要的商品，瀏覽商品搜索結果列表，點擊某個商品，查看該商品的詳細信息，如果有購買意向，可能會進一步諮詢客服人員，然後放入購物車，最後對購物車所有商品進行支付，產生有效訂單。

如果定義打開App為活躍，那麼網站的整體轉化就是活躍到訂單的轉化，公式為：

顯然從15號開始，這個轉化率開始下降，轉化過程有多個環節，那麼具體是哪個環節出了問題？數據分析師對轉化過程每個環節計算轉化率。

以此類推，每個環節都可以計算其轉化率，將這些轉化率繪製在一張折線圖上

由於比例關係，圖中不太明顯，但是還是可以看出，有明顯降幅的是諮詢詳情轉化率（最下方折線），降幅接近10%。調查客服也沒有發現異常情況，進一步對諮詢信息分類統計後發現，新用戶的諮詢量幾乎為0，明顯不合常理。

數據分析師自己註冊了一個新用戶，發起諮詢，沒有得到回復。查詢後台，發現諮詢信息沒有到達客服。於是將問題提交給技術部門調查，工程師查看8.15當天發布記錄，發現有消息隊列SDK更新，而諮詢信息是通過消息隊列發給客服的。進一步調查發現，是程序bug，新用戶信息構建不完整，導致消息發送異常。

緊急修復bug發布上線，第二天訂單量恢復正常。

*該案例為虛構案例，僅用於數據分析過程演示