今天给大家分享，正念老师的课程《数据化诊断店铺问题，快速提升运营效果》中的课程笔记，详细讲解了数据诊断店铺的完整流程以及剖析了流量问题的优化方案。  

一、关于学习方法的分享

      在进行店铺运营的日常操作中，我们都在采用很多方法让店铺数据往更好的方向发展，通过诊断店铺数据可以快速发现当前问题所在。业绩不是衡量运营水平的唯一标准，只有不断发现问题和解决问题才是一个好运营。说到这里大家会明白店铺诊断是很实用的运营环节，但是跟学习方法有什么联系呢？影响学习的主要因素有：专注力、情绪、身体素质等，学习效果差的两大原因：问题不清和结果不明

  问题不清：学习之前没有梳理知识体系，导致被动吸收降低学习效率

  结果不明：学习之后没有进行自我输出，不利于查缺补漏

综合上述两大原因，不难看出只有好的学习方式，才有利于知识的吸收，可以更高效的运用数据诊断店铺。

学习方法分享

二、诊断的前提条件有哪些？

刚才您已经了解到了店铺诊断的意义非同寻常，是否想马上知道如何下手诊断呢？其实我们在这之前是要先分析一下店铺或者单品的情况是否满足被诊断的条件。任何诊断的前提都必须要建立在数据量的基础上，根据数据量可以判断诊断的结果是否有意义。那么这个数据量具体是指什么呢？举个例子：店铺或者单品的访客总数在十几个范围以内波动，突然变成0访客，其中十几个访客总数就是数据量同时可以根据这个数据量判断没有诊断的意义。诊断可以分为“流量问题”和“转化问题”。

诊断的前提条件

三、诊断的完整流程有哪些？

诊断店铺必须要建立在数据量的基础上，我们有什么标准来加以佐证数据量是有效的呢？不妨先看看诊断的完整流程：判断标准-确定原因-细分渠道-解决方法。

①判断标准：反馈量为基本单位，单品转化一单时所需要的一个流量值就是反馈量。假设单品的转化率是1%，转化一单是所需的访客是100个。此时反馈量超过100个再做诊断才是有意义的

当然了，这样或许还不能够让我们完全理解反馈量这个单位，接下来拿2组数据现场实操一下：

反馈量实例

如果仅仅展示访客数据：第一组昨天的访客1千个，今天的访客9百个。第二组昨天的访客1千个，今天的访客8百个。由于下降的访客数不一样，主观会判断为第二组需要诊断数据，通过加入转化率维度可以看出第一组销量下降幅度大于第二组。当店铺数据发生变化的时候建立统一的标准才能做出正确的判断，有效的防止主观判断带来的错误决策

②确定原因：搭建数据的目的是为了诊断出流量是下滑或者波动，您或许觉得对比今天和昨天的访客就能确定出来下滑或者波动。现场实际操作一下：

搭建数据模型

如果仅仅展示关键词A的数据：昨天的访客100个、今天的访客80个，我们会直接得出下滑的结论，此时引用对手B和C的访客数跟关键词A共同搭建数据模型之后进行对比会发现之前的结论不一定成立。只有通过搭建数据模型对比自身的和竞品的数据才能得出正确的结论

③细分渠道：店铺-单品-渠道。首先确定具体的店铺再寻找具体的单品最后锁定具体的哪个渠道需要优化，只有抽丝剥茧式的诊断数据才能正确的判断哪个流量入口的问题。

④到了这个步骤，我们已经差不多走完了诊断数据的流程，现在需要做的就是找到主动入口比如直通车进行人工干涉优化。被动入口是不可操作的

主动和被动入口

四、有什么方法可以解决关键词流量下滑的问题？

       通过诊断发现关键词流量下滑以后，一般情况我们会通过优化车图或者补单的方法进行优化。优化车图或者补单的结果往往是不可控的，下面我们来了解一下正确的操作方法吧：

     ①确定哪个关键词的流量下滑以后，采集多家竞品的同一关键词分析流量是否下滑或者波动，可以掌握行业整体流量情况。

     ②关键词的行业展现量会在一定范围内波动，使用店侦探功能可以查看关键词的行业展现指数，当自身的流量下滑比较明显的时候，竞品的流量是上升的。如果单品的大部分关键词的流量下滑说明是权重有问题

关键词的行业展现

      ③筛选量级相似的竞品，计算上升的流量波动并且结合自身下降的流量进行人为干涉优化

只有通过严谨的数据诊断流程，才能更好的掌控优化结果

解决词的流量问题

通过本节课的学习，我们可以掌握正确的方法诊断店铺数据，面对流量发生变化的时候不会仅仅依靠主观判断进行操作、可以从容应对  

想看这节课程的视频内容，可点击观看跳转到课程  

点击观看《数据化诊断店铺问题，快速提升运营效果》