数据异动类问题分析-GMV下降

一. 确认数据是否准确以及异常，判断下降是否合理

1.判断数据是否准确

2.判断数据是否异常

通过拉长时间轴，判断数据异动类型

 二、了解数据指标的业务情况与异常情况

(1)出现异动多久了，指标变化范围有多少

(2)和上一时期环比同比变动了多少

(3)与这些因素相关的运营以及产品部门对指标的影响程度有多大？

(4)了解指标下跌对产品业务线有哪些影响？

三、拆解，定位

1.指标拆解，定位异常的部分

GMV=访客数（uv）*订单转化率(cr)*单均价

2.维度拆解

通过XX（人货场）拆分维度，定位数据异常大致范围；通过计算影响系数，来找到主要的下降点（影响系数=(今日量-昨日量)/(今日总量-昨日总量)）

四、原因分析-做出假设

1.针对初步定位的影响范围，进行进一步的排查。分内外部两个维度来做假设，并在内部维度排查时建议针对数据异常问题专门建一个群，拉上相应的产品、技术、运营人员一起，了解数据异常时间点附近做了什么产品、运营、技术侧调整，外部因素则需要进行详细的调查和分析；

2.综合考虑以往数据异常原因与自身业务经验确定几个最可能的原因假设，设置数据验证的优先级，逐一排查

五、进一步分析

假设是渠道问题，然后我们对渠道进行下钻（渠道1、2、3），然后通过对比不同渠道的日活以及日活留存，找出有问题的渠道。然后联系负责人，找出原因（线索量不够、转化率低等），然后制定渠道优化策略