这是我们某个电商类客户反馈出的问题，他们新上线了某个电商网站，从访问量、跳出率等这些指标来看表现都不错，偏偏订单转化率低，不知道怎么回事。

　　遇到这种情况，只能说别急，我们先从数据上细分看看。细分对虚假流量是致命的，因为通过细分我们一定能识别出虚假流量的模式和规律。

　　网站整体的访问量变化趋势

　　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：

　　新用户占比接近于80%，说明新用户居多

　　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：

　　新用户占比和跳出率指标成反比关系，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

　　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这个渠道。

　　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。

　　案例总结

　　从上面的案例我们看到通过层层细分，层层递进的方法我们找到了虚假流量，所以要想找出虚假流量，我们需要密切关注如下几个方面：

　　给渠道打好标记，目的方便分割流量

　　为每一个渠道打好UTM标记，那么渠道会贯穿于用户的整个访问过程中，方便按渠道分组查看每个渠道的表现，避免其它渠道的干扰。

　　流量产生的时间

　　找到异常流量发生的时间点，然后将时间细化到每小时的访问数据，如果流量过于集中在某个时段，或者在不恰当的时间点出现了流量激增的情况，这时候就要引起注意了。

　　流量的地理来源

　　通常情况下，访客会来自不同的地理位置，如果流量过于集中在某个地区，或者采集不到地区的地方出现了大量的流量等等都是很可疑的。

　　流量的用户终端

　　不同的渠道覆盖不同的用户群，所以各自的用户终端会有一定的区别。比如对于小米应用商店这个渠道来说，它的用户很可能排在前10的手机都是小米手机，而对移动MM来说，他们的用户都来自于移动运营商。排除这些特殊渠道的应用商店，大部分渠道的用户终端跟整个互联网终端分布是类似的。我们可以通过看行业报告或者查询数据指数产品来了解这些数据，把这些数据作为行业基准值，进行对比。另外我们还可以重点关注设备终端类型、操作系统、联网方式、运营商、地理位置等设备属性。

　　流量的跳出率和新访用户占比

　　跳出率和新访用户占比成正比关系，另外如果流量在某个时段跳出率突然增高，可以结合上述维度进行细分查看，哪个细分维度的跳出率增高。

　　流量的转化