分群分析：按设备、地区、新老大拆开看 SEO

后台显示自然流量转化率 4.2%，团队觉得还行。SEO 分群分析拆开一看，桌面端 9.6%，移动端 1.8%，而移动端占了七成流量。那个 4.2% 谁都不代表，它只是两组完全不同的人被强行平均出来的数字。

整体指标是加权平均，掩盖问题的能力比揭示问题强。设备、地区、新老访客这三条维度拆开后，大多数站点都能发现某一群体的表现比整体低一半以上，那就是最快见效的改进入口。切分到两个维度就停手，三维交叉会把样本切碎，得到的差异全是噪音。

平均值背后往往站着四组完全不同的人

一个真实的对照。同一批内容，同一个月，按设备拆开之后差异大到像两个站点。

看到这张表，优化方向立刻清晰：占七成流量的移动端阅读率只有桌面端的一半，问题多半出在首屏结构、字号和表格横向溢出上，而不是内容质量。整体数字则会把你引向「内容要再深一点」这种没法执行的结论。

三条最值钱的切分维度

• 设备：移动与桌面的阅读行为差异最大，也最容易改，优先级第一
• 地区：一线城市与下沉市场的搜索词、价格敏感度、留资意愿完全不同
• 新老访客：新访客看的是解决方案，老访客看的是具体参数，同一页面对两者的作用不同
• 着陆页类型：工具页、教程页、对比页的漏斗形状不一样，混在一起看没有意义
• 查询意图：信息型与商业型的转化率天然差三到五倍，不分开就没法定目标

前三条几乎每个站点都能立刻拆出来，后两条需要先把页面打好标签。给页面打分类标签这件事一次投入长期受益，做完之后所有报表都能按类型下钻。

两维交叉够用，三维会把样本切碎

设备乘地区是最常用的交叉，能回答「移动端的问题是全国性的还是集中在某几个省」这类问题。再加一层新老访客，每格的样本量往往掉到三位数，转化率的置信区间会宽到没法比较。

• 每个分群单元至少保留 1000 次会话或 30 次转化，低于这个量级只看趋势不看绝对值
• 样本不够时先拉长时间窗口，从 30 天扩到 90 天，而不是继续细分
• 交叉后先看最大的四到六个格子，长尾格子合并成「其他」
• 差异小于 15% 的分群不值得单独立项，运营成本大于收益

取数如果每次都手动导出再透视，这套分析活不过两个月。把分群维度做成周报的固定筛选项，参考 GA4 加 Sheets 的周报自动化 里的结构，让表格每周自己刷新，你只负责看差异。

从差异到动作，中间不能空着

找出差异只是完成了一半。每一个显著差异都要对应一个可执行动作，否则报告看完就忘。下面是几种高频差异的处理方式。

动作定义要落到具体事件上，否则四周后无法判断有没有效果。哪些行为算意向、参数怎么命名，建议统一按 GA4 关键事件设置 的规范来，分群报表才能复用同一套口径。

别让分群报表变成没人看的第三张表

分群报表最容易死于信息过载。一屏塞二十个指标、每个维度都列全，看的人三周后就放弃了。可用的做法是每张表只保留一个主指标加两个辅助指标，并且默认高亮差异最大的那一格。

• 主指标固定成留资转化率或关键事件触发率，其余作为下钻信息
• 每周只标注一个「本周最值得看的分群差异」，配一句结论
• 差异持续四周以上才立项，单周异常先归为波动
• 每个立项的改进动作在表里留一行改动记录，方便事后归因

跨渠道站点在解读分群差异时要多留一个心眼。移动端转化率低有时不是页面问题，而是移动用户习惯先看内容再换设备完成购买，用末次点击口径会把功劳全记给桌面端。归因模型的选择 那篇讲了怎么把跨设备路径还原出来。

下一步行动清单

• 本周先按设备拆一次核心指标，把有效阅读率与转化率的差异算出来
• 对差异超过 50% 的分群做一次真机体验，记录首屏与表格的实际表现
• 按设备乘地区做一次两维交叉，只看样本量最大的六个格子
• 给每个显著差异配一条动作和验证周期，写进改动记录表
• 把三条核心分群维度固定进周报，每周标注一个最值得看的差异

常见问题（FAQ）

整体转化率没问题为什么还要分群？

整体指标是加权平均，掩盖问题的能力比揭示问题强。按设备、地区、新老访客拆开，多数站点能发现某群体比整体低一半以上。

分群应该先切哪个维度？

设备。移动端与桌面端阅读行为差异最大也最容易改，其次是地区和访客新旧，前三条几乎每个站点立刻能拆出来。

分群能同时切几个维度？

两维交叉就够，三维会把样本切碎。每格至少保留 1000 次会话或 30 次转化，样本不够就拉长时间窗口到 90 天。

移动端转化低一定是页面问题吗？

不一定。用户可能先看内容再换设备成交，末次点击口径把功劳全记给桌面端，用归因模型还原跨设备路径再下结论。

分群差异多大才值得立项去改？

小于 15% 的不值得单独立项，且差异要持续四周以上。每个显著差异必须配一条可执行动作和验证周期，否则报告白看。