月末核心指标掉了，先拆清是流量少了还是转化低了

教程定位

这篇教程解决什么问题

月末核心指标掉下来时，会议室里最容易出现两种声音：渠道同事说流量没有问题，是页面转化变差了；页面同事说转化率波动不大，是渠道带来的用户质量差了；活动同事又会补一句，本月活动节奏和上月不一样，不能直接比。争论越久，大家越容易围着结论打转，却没有先把总指标拆开。

这篇教程教运营分析师用 AI 做一份“指标下滑拆解表”。你会把一个总指标拆成流量、关键转化、客单价、留存或复购等环节，再按渠道、日期和业务事件逐层定位：下滑最早出现在哪里，哪一个环节贡献了主要跌幅，哪些判断已有数据支撑，哪些还需要继续查证。

最终产物不是月报，也不是长期目标拆解，更不是给团队定责的追责稿。它是一张面向单次下滑的定位表：先回答“这次掉下来主要掉在哪一段”，再列出“下一步该查哪几组数据”。AI 负责帮你把月报、渠道数据、漏斗数据、活动记录和页面改动记录整理成可比结构；人负责确认口径、复核计算、判断业务事件是否真的有因果关系。

使用场景

什么情况下最适合用这一套

你是运营分析师，月末刚出核心指标：本月付费订单数比上月下降 12%，或新用户激活人数比上月下降 18%，或线索转化到商机的数量明显低于预期。老板问“到底是哪里出了问题”，业务团队很快分成几派。

渠道团队看的是点击量和消耗，觉得投放并没有明显减少；产品或页面团队看的是页面访问到提交表单的转化率，觉得下降在可接受波动内；活动团队说本月少了一场大促，不能把全部问题归到页面；销售或客服团队又补充，来的用户质量和上月不一样。每个说法都有一点数据，但没有人把这些数据放到同一张表里。

这个场景里，运营分析师最需要做的不是马上写“原因分析”，而是先把总指标拆成可比较的环节。比如付费订单可以拆成“入口访问量 × 表单转化率 × 商机确认率 × 支付转化率”；收入可以继续拆“订单数 × 客单价”；留存类指标可以拆“新增用户数 × 激活率 × 次月留存率”。拆开以后，争论会从“渠道行不行”变成“本月自然流量少了 28%，但付费渠道流量只少 3%；真正拉低订单的是移动端落地页表单转化率从 8.1% 降到 5.6%”。

这篇文章适合以下情况：

不适合的情况也要讲清楚。如果你要做季度目标拆解，应当从目标树、资源和周行动开始；如果你要做每日检查点，应当关注当天能否纠偏；如果你要写周报，应当围绕本周目标、进展、风险和待拍板事项。本文只处理一次已经发生的下滑：先定位下滑发生在哪个指标环节。

• 月末、活动后或某个版本上线后，某个核心指标出现明显下滑。
• 团队已经有月报、渠道报表和漏斗数据，但口径分散。
• 你需要快速判断先查流量、转化、客单价、留存，还是查某个渠道或页面。
• 业务会议需要一份“定位证据”，而不是一篇完整复盘。
• 你希望 AI 帮你整理结构、生成表格和追问清单，但不让 AI 替你直接下最终责任结论。

材料准备

开始前先把材料和边界备齐

先把材料按“指标链路”整理，而不是按部门整理。按部门整理会天然引发立场争论，按链路整理更容易找到事实。

第一类材料是月报。至少要有本月和对照期的核心指标、分母、分子和统计口径。不要只给“本月订单下降 12%”，要给本月订单数、上月订单数、统计周期、是否剔除退款、是否包含内部测试单、是否按支付时间还是创建时间统计。

第二类材料是渠道数据。包括各渠道的曝光、点击、访问、有效访问、线索或订单贡献。渠道至少要能拆到自然流量、付费投放、私域、内容、活动、老用户召回等粒度。如果只有总访问量，AI 很难判断是整体流量问题还是某个渠道结构变化。

第三类材料是转化漏斗。把关键节点列出来，比如访问、点击主按钮、提交表单、有效线索、销售首触、商机确认、支付、复购。每个节点要有本月和对照期的数量，以及由上一步到这一步的转化率。

第四类材料是活动记录。记录本月和对照期是否有大促、直播、社群提醒、渠道联投、优惠调整、内容发布节奏变化。活动记录不只是“发生了什么”，还要写发生时间和影响范围。比如“6 月 18 日 20:00 私域加推老客优惠，覆盖 1.8 万人”，比“做了私域活动”更可用。

第五类材料是页面改动记录。包括落地页、表单、定价页、支付页、注册流程、登录流程、埋点和实验开关的变动。页面改动必须有上线时间、版本范围和影响端。很多下滑不是页面文案变差，而是表单字段增加、按钮位置变化、移动端加载变慢或埋点口径调整。

【适用边界】

这套方法只回答“这次下滑优先查哪里”。它不会直接证明因果，也不会替代 A/B 实验、埋点审计、用户访谈或财务复核。你可以用它把问题范围从“所有人都有嫌疑”缩小到“移动端自然流量的访问到提交表单这一段最值得查”，但不能把“同时发生”写成“必然导致”。

使用前还要定三个口径：

1. 对照期。可以是上月、上个完整活动周期、去年同期或计划值。不要在同一张表里混用多个对照期。
2. 主指标公式。先写清总指标如何由几个环节相乘或相加得到。
3. 责任环节含义。这里的“责任环节”指优先排查的业务环节，不等于给某个团队定责。

实操流程

按这套步骤把工作跑起来

第一步，锁定要解释的总指标。

不要让 AI 同时分析十几个指标。先选一个本次会议最关心的指标，例如“付费订单数从 2860 降到 2480”“新用户激活人数从 9200 降到 7600”“月收入从 430 万降到 388 万”。把指标名、周期、口径和下滑幅度写清楚。如果你一开始就把 GMV、线索、转化率、留存、退款率全丢进去，AI 会生成一份看起来全面但无法定位的泛分析。

第二步，把总指标拆成一条主公式。

不同业务公式不同，但思路相同。订单数可以拆成：

收入可以拆成：

留存类指标可以拆成：

这一步的重点不是追求公式完美，而是先把“总量下降”拆成几个可以用数据验证的环节。公式越清楚，后面的责任环节越不容易被情绪带偏。

第三步，做本月和对照期的环节对比。

让 AI 生成一张表，每一行是一个环节，每一列包含对照期、本月、变化幅度、对总下滑的影响方向、证据来源和备注。比如有效访问量下降 6%，访问到线索转化率下降 22%，线索到支付转化率上升 2%，客单价下降 1%。这时你就能先看出：主要问题更像是访问到线索这一段，而不是支付环节。

注意，百分比下降不等于贡献最大。一个很小的环节即使下降 50%，也未必拉动总指标很多；一个大流量入口下降 8%，可能贡献更大。因此表里要同时看“变化幅度”和“影响规模”。如果没有能力精确做贡献分解，至少让 AI 按“高、中、低”给出影响级别，并要求它说明依据。

第四步，按渠道拆开看。

如果总访问只下降 5%，但订单下降 15%，不要急着说“不是流量问题”。可能总访问没掉，但高质量渠道掉了，低质量渠道补上了数量。让 AI 按渠道生成第二张表：每个渠道的访问量、访问占比、线索转化率、支付转化率、订单数、本月变化和主要异常。

常见发现包括：自然搜索访问下降不多，但品牌词访问下降很多；付费渠道点击量稳定，但有效访问下降，说明落地页或流量质量有问题；私域访问下降明显，因为本月少了一轮提醒；内容渠道访问增长，但转化率低，拉低整体漏斗。

第五步，按时间定位最早恶化点。

同样的月度下滑，发生在月初、月中还是某个页面改版后，判断完全不同。把数据按日或按周拆开，叠加活动记录和页面改动记录。你要找的是“最早明显偏离正常走势的点”，而不是月末总数最低的点。

例如本月 12 日落地页新增了两个表单字段，13 日移动端访问到提交表单的转化率开始下降；本月 18 日少了一场直播，19 日私域访问量低于历史均值；本月 24 日支付页埋点调整，支付转化率突然下降但后台支付单没有同步下降。不同情况对应完全不同的下一步。

第六步，给每个判断标证据等级。

建议用三档：

AI 很擅长把材料整理成顺滑语言，也容易把 B 级和 C 级说得像 A 级。你要在提示词里强制它标证据等级，并把“需继续查证的数据”单独列出来。

第七步，输出指标下滑拆解表。

最终表不要太长，建议分三块：总指标桥接、主要异常环节、继续查证清单。总指标桥接回答“总量掉了多少，各环节分别怎么变”；主要异常环节回答“优先查哪里”；继续查证清单回答“还缺什么数据才能定结论”。

表格字段可以这样设计：

最后一句结论要克制。不要写“页面团队导致指标下滑”，而要写“本次下滑的主要异常集中在移动端落地页访问到提交表单环节，页面改动时间与转化下降时间相邻，建议优先核查页面版本、表单字段和移动端性能数据”。

• A 级：数据口径一致，时间点吻合，有分渠道或分端数据支撑。
• B 级：数据有明显信号，但还缺少一类材料，例如缺页面版本、缺渠道质量、缺埋点校验。
• C 级：只是业务猜测或会议说法，暂时不能写成结论。

付费订单数 = 有效访问量 × 访问到线索转化率 × 线索到支付转化率

收入 = 有效访问量 × 访问到订单转化率 × 客单价

留存用户数 = 新增用户数 × 激活率 × 留存率

环节 | 对照期 | 本月 | 变化 | 对总指标影响 | 初步判断 | 证据等级 | 需继续查证的数据 | 责任环节

输入示例

可以直接参考的输入材料

下面是一份安全虚构的输入。你可以替换成自己的月报、渠道数据、转化漏斗、活动记录和页面改动记录。

我的角色：
我是在线课程业务的运营分析师。6 月月末付费订单数下滑，团队争论是渠道问题还是页面转化问题。请帮我先做单次下滑定位，不要写长期目标拆解。

要解释的总指标：
- 指标：付费订单数
- 对照期：2026 年 5 月
- 本期：2026 年 6 月
- 口径：按支付成功时间统计，剔除退款订单和内部测试订单
- 5 月付费订单数：2860
- 6 月付费订单数：2480
- 下滑：380 单，约 13.3%

主漏斗数据：
5 月：
- 有效访问量：182000
- 提交表单数：14560
- 有效线索数：9320
- 支付订单数：2860
- 平均客单价：1290 元

6 月：
- 有效访问量：175500
- 提交表单数：10880
- 有效线索数：7210
- 支付订单数：2480
- 平均客单价：1275 元

渠道数据：
1. 自然搜索
   5 月访问 62000，提交表单 5208，支付订单 1040
   6 月访问 59000，提交表单 3422，支付订单 780
2. 付费投放
   5 月访问 54000，提交表单 4050，支付订单 920
   6 月访问 52500，提交表单 3675，支付订单 900
3. 私域
   5 月访问 38000，提交表单 3420，支付订单 650
   6 月访问 31000，提交表单 2635，支付订单 520
4. 内容渠道
   5 月访问 28000，提交表单 1882，支付订单 250
   6 月访问 33000，提交表单 1148，支付订单 280

活动记录：
- 5 月 10 日、5 月 24 日各有一场直播课，直播后 48 小时私域提醒两轮。
- 6 月只有 6 月 14 日一场直播课，原计划 6 月 25 日直播取消。
- 6 月 18 日内容渠道有一篇爆文，带来较多访问，但评论区用户偏入门。

页面改动记录：
- 6 月 11 日 18:00 落地页上线新版首屏，移动端按钮从首屏中部移到第二屏。
- 6 月 12 日 10:00 表单新增“公司规模”和“预算区间”两个字段。
- 6 月 20 日支付页无改动。
- 6 月 24 日修复一次表单埋点重复上报问题。

补充限制：
- 不要直接归责到某个团队。
- 如果只是相关性，请写“需继续查证”，不要写成定论。
- 输出一张指标下滑拆解表，并列出下一步要补的数据。

提示词

可复制使用的提示词

把下面提示词复制给 AI，再把你的真实材料粘在最后。建议先脱敏，删除客户姓名、手机号、账号、合同编号和内部密钥。

你是运营指标下滑定位助手。请根据我提供的月报、渠道数据、转化漏斗、活动记录和页面改动记录，生成一份“指标下滑拆解表”初稿。

本次任务：
只分析一次已经发生的指标下滑，目标是定位下滑最可能先发生在哪个环节：流量、渠道结构、访问到线索转化、线索质量、支付转化、客单价、留存或复购。不要写长期目标拆解，不要写周报，不要写团队追责稿。

重要边界：
1. 不要修改我提供的统计口径和对照期。
2. 不要虚构没有提供的数据；缺数据时写“待补数据”。
3. 不要把时间相关性直接写成因果结论。
4. “责任环节”只表示优先排查的业务环节，不表示人员责任。
5. 所有判断必须标证据等级：A=数据口径一致且多维度支持，B=有明显信号但缺一类验证，C=只有猜测或单一说法。
6. 输出要能支持业务会议讨论，优先给表格和下一步查证清单。

请按以下结构输出：

A. 总指标复述
- 原样复述指标、周期、口径、本期值、对照期值、下滑幅度。
- 如果口径有不清楚的地方，列为待确认。

B. 主公式拆解
- 写出本指标可以拆成哪些环节。
- 标出本次已有数据能覆盖哪些环节，哪些环节缺数据。

C. 总指标桥接表
字段包括：环节、对照期、本期、变化幅度、对总指标影响、证据来源、初步判断。

D. 分渠道拆解表
字段包括：渠道、访问变化、转化变化、订单或结果变化、异常信号、是否可能是主要责任环节。

E. 时间线核对
- 把明显恶化日期与活动记录、页面改动记录放在同一条时间线上。
- 只写可被材料支持的观察。

F. 指标下滑拆解表
字段包括：优先级、责任环节、主要证据、证据等级、需继续查证的数据、建议下一步。

G. 不能下结论的地方
- 列出目前不应写成结论的说法，并说明还缺什么验证。

以下是我的输入材料：
【在这里粘贴月报、渠道数据、转化漏斗、活动记录、页面改动记录】

输出样例

AI 应该输出到什么程度

下面是基于上面虚构输入，AI 可能生成的一版初稿。它可以作为分析底稿，但还不能直接当成最终结论发出。

【A. 总指标复述】

| 项目 | 内容 | | --- | --- | | 指标 | 付费订单数 | | 对照期 | 2026 年 5 月 | | 本期 | 2026 年 6 月 | | 统计口径 | 按支付成功时间统计，剔除退款订单和内部测试订单 | | 对照期值 | 2860 单 | | 本期值 | 2480 单 | | 下滑 | 380 单，约 13.3% |

【B. 主公式拆解】

本次材料能覆盖访问、表单、有效线索、支付订单和客单价。暂缺移动端与桌面端分端数据、页面加载速度、表单字段完成率、品牌词与非品牌词拆分。

【C. 总指标桥接表】

| 环节 | 5 月 | 6 月 | 变化 | 对总指标影响 | 初步判断 | | --- | ---: | ---: | ---: | --- | --- | | 有效访问量 | 182000 | 175500 | -3.6% | 中 | 流量有下降，但不足以单独解释 13.3% 的订单下滑 | | 访问到提交表单 | 8.0% | 6.2% | -22.5% | 高 | 最明显恶化环节，需优先查页面和渠道结构 | | 表单到有效线索 | 64.0% | 66.3% | +2.3 个点 | 低 | 线索有效性没有同步恶化 | | 有效线索到支付 | 30.7% | 34.4% | +3.7 个点 | 正向 | 后段支付转化反而改善，不像主要问题 | | 平均客单价 | 1290 | 1275 | -1.2% | 低 | 对订单数无直接影响，对收入影响较小 |

【D. 分渠道拆解表】

| 渠道 | 访问变化 | 提交表单变化 | 支付订单变化 | 异常信号 | 初步判断 | | --- | ---: | ---: | ---: | --- | --- | | 自然搜索 | -4.8% | -34.3% | -25.0% | 访问小降但表单大降 | 重点排查，可能受新版落地页影响 | | 付费投放 | -2.8% | -9.3% | -2.2% | 波动较小 | 不是主要下滑来源 | | 私域 | -18.4% | -23.0% | -20.0% | 少一场直播和提醒 | 是下滑来源之一，偏活动节奏问题 | | 内容渠道 | +17.9% | -39.0% | +12.0% | 访问增长但表单率低 | 流量质量变化，需要拆新老内容和用户意图 |

【E. 时间线核对】

| 日期 | 业务事件 | 可能影响 | 目前能说的观察 | | --- | --- | --- | --- | | 6 月 11 日 18:00 | 落地页新版上线，移动端按钮下移 | 访问到表单转化 | 与表单转化下降方向一致，但缺分端数据 | | 6 月 12 日 10:00 | 表单新增两个字段 | 表单完成率 | 与提交表单下降方向一致，需查字段放弃率 | | 6 月 18 日 | 内容渠道爆文 | 渠道结构 | 内容访问增加但表单率低，可能稀释整体转化 | | 6 月 25 日 | 原计划直播取消 | 私域访问和订单 | 私域访问、订单均下降，活动节奏是明确查证方向 | | 6 月 24 日 | 表单埋点修复 | 数据口径 | 需确认修复前后是否影响提交表单统计 |

【F. 指标下滑拆解表】

| 优先级 | 责任环节 | 主要证据 | 证据等级 | 需继续查证的数据 | 建议下一步 | | ---: | --- | --- | --- | --- | --- | | 1 | 访问到提交表单转化 | 总体表单转化率从 8.0% 降到 6.2%；自然搜索访问小降但表单大降 | B | 分端转化率、表单字段放弃率、新旧页面版本数据 | 先核查 6 月 11 日后移动端落地页与表单完成率 | | 2 | 私域活动节奏 | 私域访问下降 18.4%，订单下降 20.0%；6 月少一场直播和提醒 | A | 直播后 48 小时订单贡献、提醒触达率 | 单独评估取消直播对私域订单缺口的影响 | | 3 | 渠道结构变化 | 内容渠道访问增长 17.9%，但提交表单下降 39.0% | B | 内容渠道新老用户、页面停留、关键词或文章主题 | 判断爆文带来的访问是否为低意向流量 | | 4 | 支付转化与客单价 | 有效线索到支付转化上升，客单价小幅下降 | A | 无需优先排查 | 暂不作为本次主要责任环节 |

【G. 不能下结论的地方】

这版输出的价值在于把会议争论改成了排查顺序：先查访问到表单转化，尤其是自然搜索和移动端落地页；同时查私域活动节奏造成的流量缺口；暂时不要把支付环节当作主要问题。

• 不能直接说“页面改版导致订单下滑”。目前只有时间相邻和转化下降，需要分端、新旧页面、表单放弃率验证。
• 不能直接说“渠道质量变差”。内容渠道确实访问增长且表单率低，但还缺用户意图和来源细分。
• 不能把私域下滑全部归因于直播取消。少一场直播是强信号，但还要看直播后提醒触达、老用户活跃和优惠力度。
• 不能说支付页没有问题就等于后段完全健康。支付转化率上升是正向信号，但仍需确认支付成功口径和退款剔除一致。

付费订单数 = 有效访问量 × 访问到提交表单转化率 × 表单到有效线索转化率 × 有效线索到支付转化率
收入 = 付费订单数 × 平均客单价

人工验收

人要怎么检查和改到可用

AI 输出后，不要直接发到业务群。运营分析师至少要做六类复核。

第一，复核口径。确认本月和对照期是否都按同一套统计规则。比如订单按支付成功时间还是创建时间，退款是否剔除，表单提交是否去重，渠道归因窗口是否一致。口径不一致时，所有下滑判断都要降级。

第二，复核公式。AI 有时会把“订单数”和“收入”混在一起。订单数主要看流量和转化，收入还要看客单价；留存用户数看新增、激活和留存率。公式错了，责任环节就会错。

第三，复核计算。重点检查变化幅度、转化率和影响规模。尤其是转化率，必须确认分母是谁。例如“提交表单率”到底是提交表单数除以访问量，还是除以点击按钮人数。分母一错，结论会偏很多。

第四，复核时间线。页面改动、活动取消和指标下降时间相邻，只能说明值得查，不能直接证明因果。你要看改动影响范围是否覆盖异常渠道，异常是否从改动后开始，未受影响渠道是否正常。

第五，复核证据等级。凡是只有会议说法、单个部门描述、缺少数据来源的判断，都不能标 A。宁可写“B 级，需补分端数据”，也不要为了让报告完整而把猜测写成确定原因。

第六，改写措辞。把追责语言改成排查语言。不要写“渠道质量差导致下滑”，改成“内容渠道访问增长但表单转化下降，需拆用户意图和来源质量”；不要写“页面改版失败”，改成“页面改动时间与移动端表单转化下降相邻，需核查新旧页面对比”。

最后，把输出压缩成业务会议能看懂的一页：顶部一句结论，中间一张拆解表，底部三条需继续查证的数据。详表可以放附件，不要把所有中间计算都塞进会议正文。

失败反例

这些失败反例要提前避开

**反例 1：只看总指标，不拆分母和分子。**

错误写法：“6 月订单下降 13.3%，说明整体运营效率下降，需要渠道和页面一起优化。”这句话没有告诉团队先查哪里，也没有区分流量减少、转化下降、客单价变化和数据口径变化。正确做法是先拆出访问量、访问到表单、线索到支付等环节，再看哪一段贡献最大。

**反例 2：把单个百分比当作全部原因。**

错误写法：“内容渠道表单率下降 39%，所以本次下滑主要是内容渠道问题。”如果内容渠道订单反而增加，或者它占总订单比例不高，这个结论就会误导团队。正确做法是同时看该环节的变化幅度、基数、订单贡献和对总指标的影响。

**反例 3：把时间相邻写成因果。**

错误写法：“6 月 11 日页面改版，6 月订单下滑，所以页面改版导致订单下降。”页面改版确实值得查，但还要验证改版后分端转化、新旧页面流量分配、表单放弃率、渠道结构是否同步变化。没有这些验证，只能写“需继续查证”。

**反例 4：把责任环节写成人员责任。**

错误写法：“本次主要责任在页面团队。”这种写法会让讨论变成防御和甩锅，而且证据通常不够。正确写法是“主要异常集中在访问到提交表单环节，优先排查落地页新版、表单字段和移动端体验”。

**反例 5：忽略埋点和口径变化。**

错误写法：“表单提交下降明显，说明用户更不愿意留资。”如果 6 月 24 日刚修复表单重复上报，5 月数据可能被高估；如果本月新增去重规则，提交数也会下降。正确做法是先确认埋点、去重、归因窗口和统计周期，再做业务判断。

主题边界

它和相邻主题的区别

这篇文章只解决“单次指标下滑，先定位下滑发生在哪个环节”。它与几个相邻主题有明确区别。

它不是季度目标拆解。季度目标拆解关注未来要怎么达成目标，需要目标树、负责人、资源和周行动；本文面对的是已经发生的月末下滑，先做事后定位，不重新设定目标。

它不是周目标每日检查点。每日检查点关注周内过程信号和当天纠偏动作，核心问题是“今天要不要补救”；本文关注月末或活动后结果已经掉了，核心问题是“下滑最先发生在流量、转化、客单还是留存哪一段”。

它也不是老板追问时的一页周报。周报要回答本周目标、完成度、风险和待拍板事项；本文要回答指标链路中的主要异常环节和需要继续查证的数据。

本文的差异化在于：它把争论从“渠道不行还是页面不行”拉回同一条指标链路，用流量、转化、客单、留存等环节做单次下滑定位。它不会覆盖长期经营诊断，也不会替代完整复盘，但能让团队先知道第一刀该切在哪里。