- 这个分类的所有笔记都在做同一件事：把 2 个以上数据来源放在一起看，才敢下结论——这篇讲清楚为什么要这么做、方法是什么，不诊断任何具体案例。
- 单看一个来源最常见的坑：GA4 流量掉了，第一反应是"网站没人来了"，但可能只是低质量流量减少，实际订单没受影响；GSC 排名没掉，也不代表页面表现没问题，可能是"还在被搜到"但"进来的人变了"。
- 核心方法只有三步：列出 2 个以上来源各自的信号（不是只看一个）→ 排除说不通的解释（哪个来源的数字能证伪哪个猜测）→ 确认真正原因，给出行动。
- 后面每篇诊断笔记用到的术语，很多已经在各自专属分类（GOOGLE ANALYTICS、GOOGLE SEARCH CONSOLE、AD REPORTS、SALES AND FINANCE）的基础篇教过，这篇只做一个速查索引，不重新展开定义。
重点内容
这个分类在讲什么
一个数字的变化，通常有好几种可能的解释，但只看这一个数字，没办法判断到底是哪一种——GA4 显示流量涨了 40%，可能是好事（真的有更多人对你感兴趣），也可能是坏事（来了一批根本不会买的低质量流量）。要分清楚是哪一种，得去看另一个独立的数据来源怎么说：这批新流量的购物漏斗走到哪一步就流失了？平台后台的实际订单量有没有跟着涨？
这个分类每篇笔记做的都是同一件事——挑一个"单看一个数字容易误判"的场景，示范怎么拉第二个、第三个来源的信号进来交叉验证，最后落到具体该怎么做。
核心概念速查
| 术语 | 白话解释 | 完整定义见哪篇 |
|---|---|---|
| Engagement Rate（互动率） | GA4 用来判断"这批访客进来后有没有真的在逛"的指标，比单看 Sessions 数量更能反映流量质量 | GOOGLE ANALYTICS 分类 [跨渠道诊断第 1 篇](/business-data/06.php) |
| Channel（渠道） | GA4/GSC 把流量来源分类（Organic、Paid、Direct、Referral 等） | GOOGLE ANALYTICS 分类 [跨渠道诊断第 1 篇](/business-data/06.php) |
| Query Mix Shift（搜索意图结构变化） | GSC 里涌进来的搜索词性质变了（比如从"想买"的词变成"想了解"的词），排名/曝光可能没掉，但流量的"含金量"变了 | GOOGLE SEARCH CONSOLE 分类 [跨渠道诊断第 1 篇](/business-data/06.php) |
| CAC / LTV（获客成本 / 顾客终身价值） | 判断一笔广告花费划不划算的核心指标 | SALES AND FINANCE 分类 [跨渠道诊断第 1 篇](/business-data/06.php) |
| Frequency（频次） | 广告平台报表里"平均每人看了几次广告"，用来判断素材/受众是不是疲劳了 | AD REPORTS 分类 [跨渠道诊断第 1 篇](/business-data/06.php) |
| Simpson's Paradox（辛普森悖论） | 整体数字（比如全店转化率）在下滑，但拆开每个细分渠道看，每个渠道自己的数字其实都没变——是渠道流量占比变了，不是任何一个渠道真的变差了 | 本分类 [跨渠道诊断第 5 篇](/business-data/10.php) |
拿到手上第一次看，该怎么解读
假设你只看到一个孤立的数字变化，比如"这个月广告花费涨了 30%"。在往下诊断之前，先习惯性问自己三个问题：
- 还有哪个独立来源，可以告诉我这个变化是好是坏？（花费涨了，总营收/总订单有没有跟着涨？看平台后台）
- 如果我只信这一个数字，我会得出什么结论？这个结论有没有可能是错的？（"花费涨了 = 在烧钱" 未必成立，可能是量在放大、单位成本没变）
- 哪个来源的数字，能直接证伪我脑子里冒出来的第一个猜测？
这三个问题不需要复杂的工具，只是一个思维习惯——后面每篇诊断笔记，做的都是把这三个问题套进一个具体场景，找出对应该看哪几个来源、怎么交叉验证。
Sources
Blog / Website：