當遇到異常流量變化時，分析師或產品經理通常需要放下工作，立即調查原因。

但是，在此過程中，通常需要三步驟:

1，發現異常流量特性

2。凈化異常流量

3。分析異常流量的原因

第一步是發現異常流量。為了提高這項工作的效率，我總結了一套清單，希望能作為你的工作手冊。我將首先列出列表中的項目，然后詳細解釋它們:

一、異常流量尺寸快速檢查表

1.兩天一小時比較異常和正常，分別比較紫外/會話/光伏和其他指標

2.如果有其他交通統計系統，請相互驗證數據的準確性。

如果單個小時流量發生顯著變化:

3.確定異常時間段，并找到技術部的同事調查問題(如有可能，先關注域名報告中問題頁面的某一部分，所有頁面和內容分組報告，方法見下文)

4.查找運行維護部門的同事，找出異常期間的http請求數量是否異常(如果是，則表示流量實際發生了變化；如果不是，統計代碼本身可能有問題，實際流量沒有改變)

5.請聯系產品/運營同事，詢問是否有任何產品修訂或組織了哪些在線活動。

6.如果異常在每小時內均勻分布，則有必要檢查每個維度中是否有任何顯著異常的項目，這可能是問題點:

流動來源

新/舊用戶

登錄頁面

所有頁面(組)

事件

省/市

瀏覽器/操作系統

手機品牌/型號(手機訪客)

互聯網運營商

二，常見三異常

1。懸崖類型:衰退時期如此明顯。接下來，我們可以直接轉到域名或所有頁面報告，輕松找到下落的頁面，然后轉到技術和運營同事那里檢查問題。

2，個別小時的小振幅異常

與明顯的懸崖下降相比，如果只懷疑下降了幾個小時，就不容易找到下降的域名/頁面，因為丟失的流量被一整天的數據“稀釋”。但幸運的是，遺傳算法有強大的高級分割功能，我們可以單獨查看下降時間的數據。這個過程就是本文開頭提到的“異常流量的凈化”:

在進行了高級別細分并查看域名報告后，我們可以清楚地找到下降部分:

找到異常域名后，將在二級維度中調用登錄頁面，以便更準確地找到有問題的頁面:

其他交通統計系統也可以具有類似的細分功能。簡而言之，思路是一樣的，即找到異常維數，然后將其作為細分條件提取問題最集中的部分流量。

3，全天候均勻下降

有時問題維度不是小時，例如，以下示例:

我們發現來自so.com源的流量明顯減少，但在小時維度數據上分布相對均勻:

所以這次我們不按小時細分，而是建立一個“so.com源”的細分，完成異常流量的“凈化”，然后我們將分析異常的原因。這一過程實際上很簡單，只要你對“凈化”進行高級細分，并在各種報告中尋找其他維度的異常。

結果，我們在“瀏覽器”報告中發現，只有Vivo系統的瀏覽器數據發生了很大變化，然后我們繼續用二次維度細分瀏覽器帶來的流量源。結果發現，隨著so.com來源的減少，百度的流量基本上在同一水平上增加，原因是顯而易見的。很有可能瀏覽器切斷了原本通往百度搜索框中so.com的流量。

三，分析系統之外還有什么

前一篇文章中的方法可以處理大多數流量異常，但是如果異常數據在任何維度上均勻分布，如果找不到異常點怎么辦？此時，您可以首先打開網站/應用程序并查看。有時問題很容易在那里找到。

此外，我們還可以考慮外部因素，如因學生開學而導致游戲相關流量下降，因周末趕上各種嚴重霧霾天氣而導致娛樂流量上升(用戶都在家)，甚至我們的品牌出現在“聚焦”鏡頭中，導致游客流量激增。沒有找到這些外部因素的明確規則，找到它們要靠一點運氣。

關于作者:卡車家庭數據資產中心主任孫偉在互聯網上工作了15年，在數據分析方面工作了6年。谷歌分析高級用戶，博客“數據分析日報”公開號碼。

相關閱讀:

[在廣告中，我會教你如何發現交通作弊]點擊查看