Shopee埋点数据怎么用：看清买家在店里的动作

埋点数据能补充什么

后台数据回答的是发生了什么，比如这周成交八十单，比上周少了十单。埋点数据回答的是怎么发生的，比如买家进了商品页之后有多少人滚到了详情第二屏，又有多少人在结算页的第一步退出去。前者说明结果，后者说明过程，两者合起来才完整。

埋点补的第一块是页面内的行为。买家打开商品页之后停留多久、滚动了多少、切换了几次主图、有没有展开评价区。这些动作在后台看不到，但它们恰恰反映了买家在犹豫什么。停留短可能是首屏没抓住注意力，反复切图可能是在找某个细节。

埋点补的第二块是跨页面的路径。买家是从搜索进来的，还是从推荐位进来的，进来之后是先看主图还是先看价格，看完之后是直接下单还是跳去看了别的商品。路径数据能告诉你哪条路走得顺，哪条路上人掉得最多。

埋点补的第三块是失败的位置。结算流程里，买家通常在填地址、选物流、选支付这几步中的某一步放弃。后台只知道有订单没完成，埋点能定位到是在哪一步掉的。定位到具体一步之后，需要改进的地方就非常明确了。

埋点补的第四块是元素的效果。同样的位置放不同的内容，买家的反应不一样。哪个位置的元素被点得最多，哪个图被切得最少，这些数据可以用来判断页面元素的优先级，也可以用来验证一次改版到底有没有起作用。

从买家的角度看，整个购买过程是由一连串动作组成的。进来、看、比较、犹豫、决定，每一步都在页面上留下了痕迹。后台只截取了这个链条的头和尾，中间的大段过程被压缩成了一个转化率。埋点做的就是把中间那段重新展开，让每一小步都变得可见。

展开之后最直接的好处是问题能被切小。整体转化率低是个很难下手的问题，切成停留短、加购少、结算退出多之后，每一个都对应着明确的改法。问题越具体，解决的成本越低，验证起来也越快。这是埋点最实用的一层价值。

埋点还让优化从猜测变成对照。以前改一个页面，改完只能凭感觉说好像好了一些。有了埋点之后，改前改后的同一段行为可以放在一起比，买家在改动位置的停留和点击有没有变化，一目了然。对照让每一次改动都能被评估。

还有一层价值是发现意外。有些买家行为完全出乎意料，比如大量买家在加购之后马上移除，或者很多人反复搜索同一个词却没有下单。这类现象在后台看不到，只有埋点才能把它们暴露出来，而它们往往指向一些容易被忽视的真实问题。

把过程数据用起来之后，团队的讨论方式也会变。以前说商品页效果不好，现在能说清楚是首屏停留只有八秒、买家滚不到第二屏。具体的描述让讨论直接从改哪里开始，省掉了大量互相确认的时间。

埋点还有一个隐性价值是降低试错成本。改版之前先用数据看一眼当前的行为分布，能大致判断改动可能带来的影响，避免拍脑袋大改。数据不能预测结果，但能让改动更有针对性，减少那些完全不靠谱的尝试。

一家做配饰的店铺有过一次经历。他们一直以为买家最关心材质，详情页把材质写得很详细。埋点显示多数买家根本滚不到材质那一段就离开了，停留集中在价格和尺寸附近。把尺寸信息提到首屏之后，加购率两周内上升了一成多。

这类发现只能靠过程数据得到。凭经验和直觉判断，很容易把自己的关注点当成买家的关注点。埋点相当于让买家自己说出了另外一套答案，而且是用行动说的，比问卷和口头反馈更接近真实。

埋点要先窄后宽，铺太开的数据没人看

常见的埋点类型有哪些

第一类是曝光类。某个模块有没有出现在买家的屏幕上，出现了多少次，被看到了多久。曝光类埋点常用在首屏元素、推荐位和活动位上，用来判断位置的价值。一个位置曝光量很大但后续互动很少，说明位置本身没被有效利用。

第二类是点击类。买家点了哪个按钮、点了第几号位置的元素、同一件事点了几次。点击类埋点能反映元素的吸引力。按钮位置不合理会导致点击量偏低，文案不清楚会导致同一个位置被反复点，以为没生效。

第三类是停留类。买家在某个页面或者某个模块上待了多久，滚到了多深。停留类埋点用来判断内容的吸引力。停留长不一定是好事，可能是买家在找信息找不到；停留短也未必是坏事，可能是需求明确直接下单。要结合后续动作一起看。

第四类是流程类。买家在一条完整路径上走到哪一步、在哪里退出、有没有走回头路。流程类埋点对结算和注册这类多步操作特别有用，它能精确指出卡住的位置。一整条流程的转化可以从头到尾拆成每一小步来看。

第五类是输入类。买家在搜索框里输了什么词、在评价区翻了多久、在筛选条件上点了几次。输入类埋点反映的是买家的意图和关注点。搜索词能反映需求，筛选条件能反映买家最在意哪几个属性，这些信息对选品和详情优化都直接有用。

还有一类是异常类埋点，用来记录本不该发生的情况。比如某个按钮点了没有反应、页面加载超过一定时长、表单提交报错，这些都可以单独记下来。异常类埋点能帮助发现技术层面的问题，这类问题造成的流失常常被误判成买家不感兴趣。

不同类型的埋点适合放在不同的位置。曝光类适合放在首屏和推荐位，点击类适合放在按钮和图片上，停留类适合放在内容密集的页面，流程类适合放在多步操作里。位置选对了，采集到的数据才有意义，位置错了就是一堆无法解读的记录。

埋点的颗粒度要匹配使用目的。如果只是想知道商品页整体的受欢迎程度，按页面记录就够。如果要定位到具体是第几张图的问题，就要细到每一个图片位置。颗粒度太粗达不到目的，太细则数据量暴增，分析的人也看不懂。

命名规范要从一开始就统一。同一个按钮在不同页面上要用同一套命名，否则汇总的时候会分成两个项目，看起来各自数据都很小。命名混乱是埋点体系里最常见也最麻烦的问题，改起来涉及历史数据，越早统一越省事。

可以给每一类埋点配一个固定的查看频率。曝光和点击按周看趋势，流程类的按天看异常，输入类的按月看规律。频率固定下来之后，数据的使用就有了节奏，不会因为一时兴起看得太勤，也不会长期搁置变成一堆死数据。

还有一类是来源类埋点，记录买家是从哪个入口进来的。搜索、推荐、活动位、外部链接，每个来源带来的买家在后续行为上往往不一样。来源类埋点能帮助判断不同入口的质量，为投放和活动位置的选择提供依据。

来源类数据还有一个用法是验证渠道判断。某个渠道看上去带了很多访客，但如果这些访客进来之后几乎不产生后续动作，说明渠道质量不高。把来源和后续的路径行为放在一起看，才能判断一个渠道到底带来了什么样的人。

埋点类型的选择还要看店铺当前最缺什么信息。缺流量就看来源和曝光，缺转化就看停留和流程，缺复购就看老客的路径差异。缺什么补什么，比一次性把所有类型都铺上更有效率，也更容易在短期内看到效果。

不同类型的埋点在分析时的组合方式不一样。来源类的数据适合按渠道分组对比，流程类的适合按步骤逐段拆解，停留和点击类的适合和时间趋势一起看。先把类型和用法对应清楚，拿到数据之后才知道该怎么做。

越靠近交易动作的埋点，指导价值越高

数据怎么采集

第一步是确定要采集哪几个节点。不要一上来就铺开，先挑五到八个和当前问题直接相关的节点。比如这一轮想解决商品页跳出率高的问题，就先埋商品页的停留、滚动和主图切换。目标明确，采集的范围才不会失控。

第二步是给每个节点定义清楚触发条件。停留多久算一次有效停留，滚动到多少算滚到位，主图切换要不要合并连续点击。触发条件定义不清晰，采集出来的数据会前后不一致，不同时期的数据也没法比较。

第三步是确定采集方式。有技术条件的话可以用自定义埋点，往页面上打标记，把动作记录下来。没有技术条件就先用手上能拿到的数据，很多后台自带的行为统计已经覆盖了浏览和加购这类基础动作。

第四步是安排数据的存储位置。采集到的数据要落到固定的地方，否则东一份西一份，分析的时候光找数据就要花很久。最简单的方式是按天或者按周导出到同一份表里，和历史数据放在一起，形成连续的记录。

第五步是核对数据的完整性。采集上线之后先看几天，确认每个节点都有数据、数量级合理、没有明显的漏报。审核期间常见的问题是某些节点没有触发记录，或者一天的数据量忽高忽低。几天之后数据稳定了，再开始用它做判断。

采集前要先把要回答的问题写下来。比如这一轮想知道商品页的首屏够不够吸引人，对应的采集就是首屏停留时长和滚动深度，配合加购按钮的点击率。问题先于采集，是避免埋点失控最有效的一条原则。为了采集而采集，最后往往是一堆没人看的数据。

采集的范围要从小处开始。先在商品页和结算流程这两个最关键的位置做，跑通之后再考虑扩展。一口气在所有页面都埋上，出了问题很难排查，采集的质量也没法控制。小范围跑顺之后复制到别处，成本低得多。

上线之后要做一次数据核对。把埋点看到的加购数量和后台显示的加购数量对一下，两个数字应该在同一个量级。差距过大说明采集或口径有问题，要先解决掉再用来做判断。这一步经常被跳过，等到结论出错才回头查，代价很高。

采集到的数据要有一个固定的归集方式。每天或每周导出，落到同一份记录里，和历史数据放在一起。散落在各处的数据无法形成趋势，分析的时候要来回拼接，既费时又容易出错。归集这个动作本身很简单，但它是长期可用的前提。

如果没有技术资源，可以用替代办法先摸到一部分信息。客服的咨询记录里能看到买家最常问什么，评价里能看到买家最在意什么，这些内容虽然不等于行为数据，但能提供相似方向的线索。等条件成熟再补上正式的埋点。

采集到数据之后要先做一次基本清洗。把明显异常的记录去掉，比如停留时长短到不符合常理的、同一账号短时间内反复刷新的。清洗不需要很复杂，去掉最明显的一批噪声，数据的可用度就会大幅提升。

清洗之后要做一次分层。整体的行为数据往往混合了不同来源和不同类型的买家，混着看容易得到平庸的结论。按来源或者按是否下单分一分，再分别看行为，常常能发现某一类买家的行为模式特别突出，这类发现才是最有价值的。

数据采集的节奏要和业务节奏配合。大促期间买家的行为和平时差异很大，采集和观察的频率要相应提高。平时按周看，大促期间按天看，才能及时捕捉到快速变化的信号。用平时的节奏看大促，很多变化会被吞掉。

采集这项工作最好指定固定的人负责。谁做采集、多久采一次、数据放到哪里、发现异常找谁，这些都定清楚。没有人负责的采集，数据会很快断档，等到需要用的时候才发现中间缺了好几周，趋势也没法连起来看。

怎么用它优化路径

第一步是画出当前的主路径。从买家进入商品页开始，到完成下单为止，把中间要经过的每一步列出来。路径画出来之后，才能看清哪些是必经的，哪些是可以跳过的，哪些是多出来的。很多优化机会在画路径的过程中就暴露出来了。

第二步是找到流失最重的一段。把路径上每一步的流失率算出来，看哪一段掉得最多。流失最重的地方不一定是最末端的下单，很多时候问题出在中段，比如加购到结算之间。找到最重的一段，优化的着力点就有了。

第三步是分析这一段里买家做了什么。找到了流失重的位置，再调出这一段的埋点数据看行为细节。停留时间是不是特别短，有没有反复点某个元素，滚动到哪个位置就离开了。这些细节能解释流失是出在信息不足、位置不显眼还是流程太复杂。

第四步是提出一个具体的改动。改动一次只动一个地方，比如把结算页的必填项从五项减到三项，或者把商品页的关键信息提到首屏。一次改多个位置，效果出来了也分不清是哪一处在起作用，后面没法复用。

第五步是对比改动前后。改完之后等一周左右，看同一段路径的流失率有没有下降。同时对照后台的转化数据，确认整体结果也跟着改善了。两个数据都指向同一个方向，这次改动才算被证实有效，值得写进操作手册。

路径优化从一个具体问题出发比较好。比如发现商品页的跳出率偏高，就围绕这个页面的埋点看停留和滚动，找出买家在哪里失去兴趣。带着问题看数据，效率比先看全部数据再找问题高得多，也更容易得到明确的改法。

改动的位置要选在流失最密集的地方。买家普遍在详情第二屏离开，就把关键信息往前提；买家在结算第一步退出多，就检查第一步要填的内容是不是太多。哪里掉的人最多，就先动哪里。改动的顺序按影响大小排，不要按改起来容不容易排。

一次改动只动一个变量。同时换图、改价、调文案，数据变好了也说不清是哪一项起作用。改一个地方，观察一到两周，得出明确结论之后再动下一处。这样虽然看起来慢，但每一次改动的经验都能被稳定地积累下来。

改动前后要多看几个指标。只盯着一个数字容易误判，比如停留时长变长了，可能是买家在看更详细的内容，也可能是因为页面加载慢或者信息难找。把停留、滚动、点击和后续的加购放在一起看，结论才会稳。

优化的结果要落到可以复用的经验上。这次发现把关键信息提到首屏能减少跳出，下次改其他商品页时就可以优先考虑。把每一次验证过的改法写下来，慢慢就形成了一份属于自己的页面优化清单，新页面可以直接照着做。

优化路径时要注意区分不同品类。同样一个页面结构，在标准化商品上和在需要仔细挑选的品类上，买家的行为完全不同。用其他品类的经验直接套自己的页面，容易改错方向。看数据时要按品类分开，不要混在一起算平均数。

新商品和老商品的行为也不同。新品缺少评价和销量支撑，买家往往更谨慎，停留更长、加购更犹豫。拿新品的数据去要求它达到老商品的转化水平并不合理。分新老看数据，判断才公平，改动的目标也更切合实际。

路径优化还要考虑移动端和电脑端的差异。小屏上的首屏容量有限，同样的信息在小屏上可能要滚动才看得到，行为自然不同。两端的数据要分开看，尤其要注意小屏上的首屏内容安排，那是绝大多数买家第一眼看到的部分。

一个具体的做法是把主路径上每个节点都写上一句话的目标。比如商品页停留希望达到二十秒以上，加购率希望达到百分之五。有了目标，看数据时就能直接判断哪一段离目标最远，优化的优先级也就一目了然。

和后台数据怎么互补

后台数据提供的是总量和结果，用来判断整体状态。它告诉你这周成交多少、转化率是多少、和上周比是涨是跌。这些数字决定了要不要往下深挖，以及深挖哪个方向。没有后台数据的整体判断，埋在细节里容易失去方向。

埋点数据提供的是过程和位置，用来定位问题。它告诉你流失发生在哪一步、哪个元素没被用上、买家在哪一屏离开。这些信息决定了具体改哪里。有了定位，改动才能落到一个明确的页面上，而不是泛泛地优化整体体验。

两者结合的一个典型用法是先看整体后看细节。这周转化率下滑，先从后台确认下滑的幅度和影响的商品范围，再用埋点看这些商品的页面路径，找出流失集中的位置。整体数据圈定范围，埋点数据锁定位置，配合起来效率很高。

两者结合的另一个用法是互相验证。后台显示转化变好了，埋点应该能看到相应的路径改善，比如结算流失减少。如果后台变好但埋点没变化，或者反过来，说明可能有一方的数据出了问题，需要先排查数据本身再下结论。

两者结合还能用来判断改动的真实影响。同样一次主图调整，后台看到的是转化率变化，埋点看到的是买家在商品页的停留和切图行为变化。行为先变、结果后变，这个先后顺序本身就能说明改动起作用的方式和所需的时间。

在具体的操作上，可以按周做一次两边的对照。后台看核心指标有没有异常变化，埋点看对应的路径行为有没有跟着变化。两边同时指向同一个方向，判断的把握就很高；两边不一致时，先排查数据本身的口径和采集问题。

后台数据适合用来定优先级，埋点数据适合用来定动作。这一周后台显示哪个环节的损失最大，就优先去处理那一段；处理时分到具体要改哪个位置，则要靠埋点。一个负责排序，一个负责落地，分工清楚了效率会明显提高。

开展一次完整的分析可以按这样的顺序：先从后台圈定异常的指标和时间段，再用埋点看这个时间段内买家在关键页面的行为，找到最集中的流失位置，提出一处具体改动，改完两边一起验证。整个流程走一遍大约半天，节奏可以固定成每周一次。

两边的数据还可以互相补充时间维度。后台的数据通常有延迟，当天的数字往往不完整；埋点的数据更新更快，能更早反映出变化。用埋点的早期信号来预判后台的走向，能比等到完整数据出来再反应提前一两天。

长期来看，两边数据都存档之后可以做更深的分析。比如把历史上每一次改动和当时的行为数据、结果数据放在一起，观察哪一类改动在自己的店里最稳定地有效。这份属于自己的规律，比任何通用建议都更贴合实际。

两边结合时还要注意统计口径的一致性。后台的访客数和埋点的页面浏览数常常对不上，因为一个访客可能看好几个页面，也可能刷新多次。明确每个数字代表什么，才能正确地放在一起比较。口径混乱是两边数据无法配合的主要原因。

对比两边数据时，关注相对变化比关注绝对值更有用。后台转化率涨了两成，埋点里对应路径的流失也减少了大致相同的幅度，两个方向一致就说明改动有效。绝对值之间的差距往往来自口径定义，不必纠结。

可以固定一份两边对照的周报模板。左半部分放后台的核心指标，右半部分放埋点的关键行为数据，中间写一两句两边的对应关系。每周填一次，积累几个月之后，这份周报本身就是理解自己店铺最有价值的材料。

两边数据的结合还能帮助判断改动的时机。后台数据反应慢，改动之后要等一到两周才能看到结果。埋点数据反应快，改完两三天就能看到行为有没有变化。用埋点判断要不要继续观察，用后台判断最终有没有效果，节奏就顺了。

采集难度低且能直接指导的埋点应该优先上

埋点的局限在哪

第一个局限是数据有噪声。买家重复刷新、网络中断重连、脚本流量，都会在埋点里留下痕迹。这些动作不是真实的购买意图，却会被算进去。判断趋势时影响不大，但用在精确的绝对值上就会失真，所以更适合看方向而不是看小数点。

第二个局限是跨设备追踪困难。同一个买家可能在手机上浏览，在电脑上下单，中间的行为被拆到两个设备上，路径看起来是断的。这种断点很难完全消除，只能通过整体数据的对照来大致还原，单个买家的完整画像往往拼不出来。

第三个局限是只记录动作不记录原因。埋点能告诉你买家在结算页退出了，却不知道是因为运费太贵、支付方式不支持还是临时有事。原因只能通过客服记录、评价内容和针对性的沟通去补充，埋点本身回答不了为什么。

第四个局限是维护成本会随时间上升。页面改版之后，原来的埋点位置可能失效，需要重新打标并重新验证。如果没有人维护，采到的数据会慢慢变得不可靠，而使用者往往不会立刻察觉，还在用已经失真的数据做判断。

第五个局限是采集本身可能影响使用体验。埋点要往页面里加代码，代码多了会拖慢页面加载。加载慢一秒，流失率可能就上升一截。采集的收益和性能的代价要放在一起衡量，不能为了数据把体验做坏了。

第六个局限是它无法覆盖店外的行为。买家可能先去别的地方比较，再回来下单，也可能在别处看完之后直接搜索品牌名进来。这些店外的动作埋点看不到，会造成对某些路径价值的低估。补这块信息要靠整体流量的分析和口碑数据的观察。

第七个局限是异常流量会污染数据。机器人和无效访问会留下大量的浏览记录，把真实买家的行为稀释掉。判断行为数据时，要先把这部分影响排除，比如按访问时长或后续动作做一次过滤，只在清洗过的数据上做分析。

第八个局限是被动采集的性质。埋点只能记录买家做了什么，无法主动问他为什么这么做。有些关键问题必须通过沟通才能得到答案，比如放弃下单的真实顾虑是什么。把埋点结果整理成问题，再去问问真实的买家，往往能得到更深的答案。

第九个局限是隐私和合规上的边界。采集行为数据要遵守平台的规则和相关要求，不能越过限度。涉及个人身份的信息不要采集，聚合后的行为数据用起来也要谨慎。这条线必须提前划清，而不是等到出问题再回头处理。

理解了这些局限之后，合理的用法是把埋点当成一个方向性的工具，而不是精确的计量仪器。它能告诉你问题大致在哪一段，不能告诉你确切的数字；能提示可能的改进方向，不能直接给出答案。带着这个预期去用，就不会被数据牵着走。

第十个局限是它无法覆盖所有设备和使用场景。有些买家在网页端浏览，有些在用应用，两者的数据往往存在不同的系统里，很难直接合并。跨端的完整路径要额外做数据打通，而这通常超出了小店铺的能力范围。

第十一个局限是采集能力受限于平台开放的程度。不是所有页面元素和动作都能被记录，平台提供什么就只能用什么。遇到想看却采不到的数据，只能找替代的观察方式，比如通过客服咨询量间接推测买家的关注点。

还有一个现实问题是分析的门槛。埋点数据颗粒细、维度多，看惯了几个总数的人第一次面对这类数据容易不知道从哪里下手。建议先从一两个关键节点看起，把解读的方法练熟之后再扩展到更完整的路径，不要一上来就试图把所有数据都看懂。

局限并不意味着不值得做。恰恰因为知道边界在哪，才会把埋点用在它擅长的地方，也就是定位方向和验证改动，而不是指望它回答所有问题。带着清楚的预期去用，比追求大而全更可能得到实际的收益。

看得见动作之后，改起来才有方向

常见误区

误区一是为了完整而埋一堆点。把页面上所有能点的位置全都记下来，数据量很大，分析的时候根本看不过来。埋点要服务于具体问题，问题是什么就埋什么。数据过多和分析数据太少一样，都是没有产出。

误区二是只看埋点不看后台。埋点数据很细，容易让人陷进细节里，看到一个小的流失率就急着改。回到后台看一眼整体影响，会发现这一段在整条路径里占比很小，改它的收益有限，不如把精力放到真正的大头上。

误区三是把埋点当成质检工具。用它挑页面和同事的毛病，而不是用来理解买家。这种用法会让页面维护的人和做分析的人对立，数据也容易被质疑和辩解。埋点的第一目的是搞清楚买家想要什么，找页面问题只是顺带的结果。

误区四是以为埋点上线就万事大吉。埋点需要定期核对和维护，页面一改版就要重新确认。缺少维护的埋点，数据会慢慢失真，而使用者往往要等到判断明显出错时才会发现，中间这段时间的结论都不可靠。

误区五是用一次就不再看。埋点数据只有连续积累才有价值。一次采集只能反映当时的情况，连续几周的数据才能看出趋势和例外。把埋点当成一次性的排查工具，就浪费了它最能发挥作用的部分。

误区六是埋点和目标脱节。埋了一堆数据，却没想清楚要用它回答什么问题。结果数据是有的，但每次要用的时候都不知道该看哪一项，只能挑顺手的看。埋点之前先写下要回答的问题，是避免这种浪费最直接的办法。

误区七是只埋不看。上线之后数据一直采着，从来没有人打开看。采集和维护的成本一直付着，收益却为零。埋点上线之后要有固定的查看节奏，按周或者按天定时看，否则再完整的采集也没有意义。

误区八是过度解读单次数据显示的波动。某一天某个位置的点击率突然降了，可能只是当天流量结构不同，不一定是页面出了问题。看埋点数据要结合趋势和足够的样本量，单次异常先观察几天再判断。

误区九是改了页面却不更新埋点。页面元素位置变了，原来记录的节点已经对不上，采集到的数据开始失真。改版流程里要把更新埋点列成一步，和页面调整一起完成，避免出现数据还在进但已经不可用的空档期。

误区十是把埋点结果当成结论直接下判断。看到某一步流失高，就说这一步有问题，直接动手改。流失高的原因可能是前面的环节筛走了合适的人，也可能这一步本身设计得没错。下判断之前先看上下游，理解整个路径的上下文。

误区十一是采了数据却不做分层。把所有买家混在一起算平均值，得出的结果对谁都不适用。至少按下单和未下单分一分，或者按来源分一分，分完再看行为，得到的结论才有指导意义。

误区十二是忽略移动端的差异。很多团队在电脑上设计和检查页面，看数据时却不区分端。小屏上的首屏能放下的内容远少于大屏，行为差异很大。把两端分开看，是理解移动端买家最基本的一步。

误区十三是只看当期不看历史。埋点的价值在于连续，一期数据能说明的问题很少。把过去几周甚至几个月的行为数据排在一起看，才能区分哪些是长期特征，哪些只是短期波动。只看当期容易把偶发现象当成规律。

误区十四是分析结论没有落到动作。看完数据感慨一番，讨论结束什么也没改。埋点分析的最后一步必须是一条具体动作，写清改哪里、谁负责、什么时候验证。没有动作的分析，无论数据多细都只是消遣。

误区十五是把结果当成原因。看到加购的人停留时间更长，就以为延长停留能提升加购，其实只是购买意愿强的人本来就会看得更久。解读数据时要把购买意愿这类隐藏因素考虑进去，避免把相关当成因果。

常见问题（FAQ）