分析决策实战归因指标分析
指标异动归因
先确认不是口径和埋点问题，再按维度拆解，最后才谈原因。
提示词模板
某个指标出现异动，请帮我做归因分析。
指标：{{哪个指标，定义和口径}}
变化：{{从多少到多少，什么时间段，同比环比}}
已知背景：{{同期做了什么改动、投放、活动、外部事件}}
可用维度：{{渠道、地区、机型、版本、新老用户…}}
请按这个顺序分析：
1. 先排除测量问题：口径变了吗、埋点改了吗、数据延迟了吗、去重规则变了吗；
2. 结构拆解：按每个维度拆，找出贡献最大的 2–3 个分组（给出贡献度算法）；
3. 交叉验证：哪两个维度交叉后能定位到具体人群；
4. 原因假设：列 3 个，每个写「如果是它，应该还能看到什么」；
5. 验证方案：每条假设对应的查询或实验；
6. 结论边界：哪些结论现在不能下。
不要直接说「因为用户流失」，要先给数据证据。需要替换的部分
复制模板后，把下面这些 {{…}} 换成你的真实信息；没有的信息宁可留空，也不要让模型编。
{{哪个指标，定义和口径}}{{从多少到多少，什么时间段，同比环比}}{{同期做了什么改动、投放、活动、外部事件}}{{渠道、地区、机型、版本、新老用户…}}
什么时候用
转化率突然下跌、DAU 异常、投放效果变差。
示例
转化率跌 3 点，拆渠道发现只有安卓新版本跌，锁定发版引入的问题。
使用建议
- 1先查埋点和口径，一半的异动是统计问题。
- 2按维度拆解比拍脑袋找原因快。
- 3找不到原因也要能说清「排除了哪些」。
方法来源：归因分析方法（维度拆解 + 假设验证）。模板为中文改写与整理，可按你的任务继续修改。