我们平时在运营电子商务网站，或者进行网络营销的时候，常常会拿到一堆的报表和数据，比如访问量、订单量、转化率，投资回报率……大部分公司也能够简单的应用这些数据来指导业务的运营：比如用投资回报率去衡量媒体投放的效果，加大在那些效果好的媒体上的投放量——简单、清楚、直接、有效。可是，还有些时候，我们光看到数据，却很难这么方便地得出结论指导具体的工作。比如某网站最近突然发现转化率下降，他们很担心却不知道转化率下降的原因到底是什么，更不知道自己该做什么。这是因为很多数据外表上都包着一层“壳”，要掰开硬壳才能深入地理解那些数字，而只有理解了那些数字才可能有的放矢地去安排业务的运营。第一个可以用来掰开网站数据硬壳的方法叫做看分布。

　　绝大部分时候，我们看到的报表显示的都是“总数”或者“平均数”，例如“总访问量：23467”和“平均订单金额：746元”。显示这样的统计数据可以让我们很方便快捷地获取信息，但是另一方面这种抽象化综合化的数据也会丢失掉许多重要的细节。比如说:

　　上个月平均订单金额500元/单，这个月也是500元/单，看起来平平安安不需要操心。可是实际上有可能上个月5万单都是400～600元，而这个月5万单则是2万单300元，2万单400元，5千单500元，5千单超过2500元——客户购买习惯已经发生了巨大变化：一方面客户订单在变小(可能是因为产品单价下降，采购数量减少，或者客户选择了比较便宜的替代品)，另一方面出现了一些相对较大的订单(可能是中小企业采购，或者是网站扩充产品线见效了)。——光看平均值的话很容易就忽视这些潜在的变化，不能及时做出应对。

　　两个营销活动带来一样多的流量(100万流量)，而且流量的网站平均停留时间(假设是40秒)是一样的，看起来两边差不多。可是两边的实际流量情况可能是千差万别：营销活动A带来的50万流量停留0-10秒，50万停留77秒；而营销活动B带来的流量20万停留0-10秒，60万停留10秒，20万停留160秒。首先这个数据可以帮助我们去判别流量是否异常是否可能有作弊流量。其次它告诉我们说第一个页面弹出率比较高，第二个比较低，可能是第二个页面的设计较好。最后它告诉我们说第二个页面虽然更能吸引人点击，但是那些人都是很快点击页面然后很快就离开了，这一点很值得和营销活动A进行对比再深入研究。(经济观察网 任鑫)

　　解决的方法还蛮简单的，就是不要只看平均数和总数，而要多看看分区段的数据。

　　比如很多人停留了不到10秒就走了——弹出率过高，太多人只看了一个页面就走了。再去看那些弹出率高的流量来源，发现主要是两个：1.朋友的大网站上的友情链接，每天都带来海量流量，但是往往点开网页就走——因为我们的网站和朋友网站内容其实不太相关，用户也并不重合；2.因为网站的名字比较特别，和某电视剧重名，所以很多搜索电视剧的用户来了网站，一看网站并不是讨论电视剧的就走了。然后我们可以根据这两个分析得出一些结论和行动方法，例如之后问别人要友情链接主要要看用户的重合度，而不是流量。或者说要找出网站上所有可以和该电视剧匹配的产品做个特别的着陆页，把那部分敲错门的用户留下来——抛砖引玉，关键是我们要看到“平均数”后面的东西，这样才能有深入的洞察，也才能够有合理的行动方案。

　　除了查看数据分布来分析数据详情之外，比较常见的方法还有拆因子和拆构成。(见上图)

　　网站转化率下降，我们要找原因。因为转化率=订单/流量，所以转化率下降的原因很可能是“订单量下降”，也可能是“流量上升”，还可能是两种情况同时发生。按照这个思路我们可能进一步去查看订单量和流量数据，发现主要的原因是“流量上升”而“订单量升幅不明显”，那么下面我们就可以来拆解流量的构成。例如拆成直接访问流量、广告访问流量和搜索引擎访问流量，再看具体是哪部分的流量发生了变化。这时我们可能看到说是搜索引擎访问流量上升，那就可以再进一步分析说是付费关键词部分上升，还是自然搜索流量上升，如果是自然流量，是品牌(或者网站名相关)关键词流量上升，还是其他词带来的流量上升——假如最后发现是非品牌类关键词带来的流量上升，那么就再找原因——市场变化(淡季、旺季之类)，竞争对手行动，还是自身改变。假如刚好在最近把产品页面改版过，就可以查一下是不是因为改版让搜索引擎收录变多、权重变高。

　　最后，我们还可以通过拆分步骤的方法来分析数据。

　　还是用例子来说明问题：我们做了两个营销活动，带来一样多的流量，一样多的销售，是不是说明两个营销活动效率差不多？

　　不一定。比方说我们可以把每个营销活动的流量拆细，去看每一步，会发现不一样的地方。营销活动B虽然和活动A带来了等量的流量，可是这部分流量对产品更感兴趣，看完着陆页之后更多的人去看了产品页面。可惜的是虽然看产品的人很多，最后转化率不高，订单数和营销活动A一样。

　　这里面还可以再深入分析，但是光凭直觉，也可以简单得出一些猜测来，例如可能是两个营销活动的顾客习惯不太一样，可能是营销活动B的着陆页设计更好，也可能是营销活动B的顾客更符合我们的目标客户描述、更懂产品——但是我们的价格没有优势，还可能是因为营销B带来的用户去访问的产品品类缺货严重……这些猜想是我们深入进行分析，得出行动方案的起点。至少，它可以帮助我们更快地累计经验，下次设计营销活动的时候会更有的放矢，而不是仅仅写一个简单报告说这两个营销活动效果一样就结案了。

　　再举个例子，比如网站转化率下降，我们可以拆成这样的漏斗：(见左图)

　　这样拆好之后，更能清楚地看到到底是哪一步的转化率发生了变化。有可能是访客质量下降，都弹出掉了，也可能是“购物车–>登录”流失了(如果你把运费放到购物车中计算，很可能就看到这一步流失率飙升)，这样拆细之后更方便我们分析。

　　看分布、拆因子、分步骤，这样三板斧下去，一般的数据硬壳也就掰开了。回去看看自己的报表，试试看？