# 商业数据分析示例

## 示例 1：电商 GMV 下滑

用户请求：
`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`

建议输出骨架：

```md
## 问题定义
3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。

## 口径与范围
- 指标：GMV，按支付成功口径
- 时间：2026-03 vs 2026-02
- 粒度：日、渠道、品类、新老客

## 数据质量检查
- 排除支付回传延迟
- 检查 3 月是否有埋点或归因口径变更

## 关键发现
- 总访客下降 5%
- 下单转化率下降 4%
- 客单价下降 3%
- 某核心投放渠道流量下降最明显

## 原因拆解
1. 付费渠道流量缩量贡献了主要跌幅
2. 低价品类占比提升，拉低客单价
3. 老客复购基本稳定，问题主要出在新客获取

## 业务影响
- 预计月度收入少 X
- 若渠道恢复不到位，下月仍有延续风险

## 建议动作
1. 先修复核心渠道投放与素材供给，观察访客恢复
2. 对低转化落地页做 A/B 测试，追踪下单转化率
3. 单独监控高客单品类占比，避免结构继续恶化
```

## 示例 2：SaaS 续费率下降

用户请求：
`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`

优先分析：
- 按客户规模、行业、销售团队、版本、首签月份拆 cohort
- 区分续费率下降是到期客户结构变化，还是同类客户真实变差
- 关联产品使用深度、工单量、NPS、价格调整记录

## 示例 3：门店人效差异大

用户请求：
`为什么华东门店人效明显高于华南？`

优先分析：
- 人效定义：销售额/人时，还是毛利/人头
- 对比客流、转化率、连带率、客单价、排班、店型结构
- 区分“单店效率差”与“区域结构差”

## 示例 4：活动复盘

用户请求：
`帮我复盘这次大促是否值得继续做。`

至少回答：
- 增量收入是否覆盖补贴、投放、履约和客服成本
- 新客质量是否达标，活动后 7/30 天留存如何
- 是否只是把自然单前移，还是创造了新增需求