「整体转化率从 4% 跌到 3.4%，你怎么定位？」这题我给候选人时，会在白板上先画好一条四步漏斗：曝光 → 点击 → 加购 → 支付。
多数人立刻开始找跌幅最大的那一步，然后围绕它讲一堆产品假设：是不是详情页改版了、价格涨了、支付通道不稳。方向不算错，但顺序有问题，而且第一层分析很容易被一个纯粹的数字现象骗过去。
本系列第 7/10 篇 · 上一篇：老板要一个驾驶舱，我先看决策现场 · 下一篇：留存曲线不好读，好读的是分组
一个能让漏斗失效的假设数字
先看一组我临时编的题目数据，现实中完全可能发生。
第一天：渠道 A 来了 10000 人、转化率 5%，成 500 单；渠道 B 来了 10000 人、转化率 3%，成 300 单。整体 800 / 20000 = 4.0%。
第二天：渠道 A 只来了 5000 人、转化率仍是 5%，成 250 单；渠道 B 来了 25000 人、转化率仍是 3%，成 750 单。整体 1000 / 30000 ≈ 3.33%。
两个渠道各自的转化率一点没变，每一步漏斗的效率也一点没变，整体却从 4.0% 掉到 3.3%——只是低转化渠道的流量占比从一半涨到了八成多。这时候如果按「找跌幅最大的一步」去查，会把整个产品团队拉去做一次根本不存在的复盘。
这就是分组与整体结论相反的情况。它不是教材里的奇技，投放结构天天在变：一次大促拉新、一个渠道降价、一批低意向流量涌入，都会造成同样的效果。
我的第一条规矩因此是：在拆步骤之前，先固定结构。做法有两种，一是按渠道、端、新老用户、地域分层，看每层自己的转化率有没有变；二是用统一的结构权重把各层转化率重新加权，算一个「如果流量结构和昨天一样，整体会是多少」。两种都做完，才敢说这次下跌是真的效率下降。
先固定结构，再找环节
结构排除之后，第二刀是把「量」和「率」分开。
整体转化率下跌，可以是分子（订单数）掉了，也可以是分母（访客数）涨了，还可以是两者都动。分母涨而分子微涨，看上去是「转化变差」，实际可能是投了一波低意向流量，绝对收益还在涨。这个区分决定你要去找流量团队还是产品团队，值得先花两分钟算清楚。
第三刀才是漏斗步骤，但拆的时候要带上三件事。
口径有没有变：是不是新增了一个前置步骤、把原本算在漏斗外的人纳入了分母；点击事件的触发点有没有从「点击」改成「点击且加载成功」；跨端、跨会话的用户有没有断链，同一个人在手机加购、在电脑支付，用会话级漏斗会被算成流失。
归因窗口有没有变：从点击到支付允许隔多久，1 天还是 7 天；窗口一收紧，长决策周期的下单会集体「消失」，尤其在客单价高的品类里特别明显。第 2 篇里说的事件时间和服务端接收时间不一致，也会让补报的订单落进错误的窗口。
去重键有没有变：按人、按设备还是按会话。漏斗步骤之间如果用了不同的去重粒度，中间某一步的转化率会凭空大于 100% 或异常偏低，这类问题通常在数据链路里，不在页面里。
我会把这三问放在看步骤之前，因为它便宜：查口径和链路是几分钟的事，组织一轮产品复盘是一周的事。
找到环节之后，才谈原因
假设确认是「加购 → 支付」这一段真的掉了，下面才轮到业务假设，而每条假设都要能被一条数据证伪。
价格或优惠调整，去看同期客单价与优惠券使用率；库存不足，去看缺货 SKU 的加购占比；支付通道故障，按支付方式和失败码拆；页面改版，按版本和灰度分组对比；性能问题，看首屏耗时分位值与转化率的对应关系；风控拦截变严，看被拦截订单量和人工申诉量。说「可能是体验不好」不算假设，说「如果是新版详情页导致的，灰度组的这一段转化率应该显著低于对照组」才算。
干扰因素也要摆上台面：节假日、竞品大促、天气、发版、投放起量。最有力的证据永远来自对照组——未灰度的城市、未投放的人群、或者一段结构相近的历史时期。第 4 篇谈实验时说的那套污染检查，在事后归因里一样适用，只是没有了随机分流，结论强度要相应说低一档，别把相关性讲成因果。
最后还有个表达问题。面试官问的是「怎么定位」，但真实的考官心里还压着一问：你给管理层的第一句话是什么。我期待的不是一堆假设，而是一句有边界的话：目前确认不是埋点和口径问题，跌幅主要来自渠道结构变化，各分层自身转化率未变，接下来要验证的是新客质量是否需要调整投放，而不是产品侧改版。给得出这句，说明他知道归因的尽头是决策，不是图表。
所以这道题我第一句还是会问：昨天的流量构成，和前天一样吗。
评论