从上图可以看出，9 月 3 号 PV 较平时较低；访问量和唯一身份访问用户数几乎相等，即人均访问次数接近与 1，每个用户只访问了一次，月回访率很低。

新访占比和跳出率对比分析

从上图我们可以得出这些信息：

1. 新用户占比接近于 80%，说明新用户居多；

2. 跳出率在 45% 左右，跳出率很低，说明流量质量还可以。

但是如果我们深入想一下，会发现有如下问题：

1. 正常情况下，新用户占比和跳出率指标成正比关系，新用户占比高的话，跳出率也高；

2. 跳出率低，为什么转化率也那么低呢？

不同城市不同转化指标对比

我们找了流量排名 Top8 的城市的对比数据，这 Top8 的城市数据对流量贡献较大，且上海的销售额占总销售额的 1/3 左右，河南订单转化率较高。城市为“未知”的流量贡献也较大，跳出率低，但是订单转化率远小于 0.01%。显示为未知，说明抓不到这些流量来自于哪个 IP 段，但是访问量足够大，所以需要引起注意，有作弊嫌疑。

未知城市不同时间段分类对比分析

选择了最近一个月的数据，看不同时段这些流量的分布情况（图略），发现凌晨 1 点到凌晨 6 点流量占总流量的 25%，占比较高。更奇怪的是，晚间流量每个时段较平均，流量差不多，这是不符合常理的，需要进一步分析。

夜间流量分类对比分析

我们发现这些流量中 72% 的流量来自于广告系列，但是转化率较低，不知道具体哪个广告系列来源拉了后腿。

夜间流量广告系列来源占比分析

发现广告系列流量中大部分都来自于 sm 这个渠道，此时可以把分析范围缩小到 sm 渠道。

sm 渠道指标整合分析

sm 渠道的访问量很大，新用户占比 90.31%，而跳出率为 20.32%，转化率 0.08%。基本可以断定是 sm 渠道出问题了。

sm 渠道细分落地页和非活动页面数据表现

通过进一步细分，发现 sm 渠道大部分流量都流入了活动落地页（图略），跳出率低于 23%，且每次访问的平均浏览深度接近于 1，有趣的是，另一部分非活动落地页的，页面浏览深度在几百个页面，非正常人类行为，它的目的只是为了平均整体流量。

sm 渠道活动落地页点击图分析

同时我们还可以结合不同落地页的点击图进行分析，你会发现更多有趣的现象。

至此，大功告成。