TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

AI 营销分析:能做什么,以及怎么核对它的答案

AI 营销分析最稳妥的用法,是帮你向数据提问,而不是替你做决定。本文讲四种用法各能信到什么程度、怎么提问、把 18% 的流量下降按渠道拆开,以及行动前的六项检查。

艾玛·柯林斯 发布于 2026 年 11 月 17 日 9 分钟阅读 数据分析
示例数据:会话从 10,000 降到 8,200(−18.0%)。付费搜索解释了一半的降幅,其中一组拓新活动少了 850 个会话(占总降幅的 47.2%)。拆解缩小了搜索范围,却没有说明这组活动为什么下降。示例数据

AI 营销分析是用 AI 处理营销数据:用自然语言提问、解释一个数字为什么变了、汇总结果,有时还做预测。最稳妥的用法是帮你向数据提问,而不是替你做决定,每个数字都能追溯到一条你能打开、能重跑的查询。下面有四种用法各能信到什么程度、一个算例和六项检查。

读完你会知道

  • 把「计算」的 AI(运行你能打开的查询)和「撰写」的 AI(写出听起来对、实际可能错的文字)分开
  • 拆解一个变化能说明它来自哪里,说明不了为什么;行动前要补上变更记录和对照
  • 不要据小数量的实时数字行动:20 个访客、3% 的转化率,有 54.4% 的概率一个订单都没有

什么是 AI 营销分析?

AI 营销分析是用 AI(主要是语言模型和机器学习方法)来处理营销数据:用自然语言提问、解释一个数字为什么变了、汇总结果,有时还做预测。它不会取代底层的数据采集,也不了解你的业务;它加快的是从问题到数字之间的那一步。

关键的区分是 AI 在「计算」还是在「撰写」。计算时,它把你的问题变成分析查询,在你的数据上运行,并展示结果。撰写时,它根据数字,或者凭空,写出句子,比如摘要或建议。前者可以检查:你能看到那条查询。后者可能听起来很对,却是错的。所以在这里最稳妥的用法,是让 AI 帮你向数据提问,而不是替你做决定,并且要求每个数字都能追溯到一条你能打开的查询。

AI 在营销分析里到底能做什么?

四种用法覆盖了人们大部分的需求:取数、解释变化、预测和写摘要。它们在可信程度上差别很大,下表列出了每一种的答案怎么产生、要检查什么。取数在显示了查询时最可靠;写摘要在不核对时最不可靠。

风险就在写摘要这一项。NIST 的生成式 AI 风险概况把虚构(confabulation,即产出信誓旦旦却错误的内容)列为生成式 AI 特有或被其放大的风险(NIST)。摘要有多安全,取决于你检查它数字的习惯。用 AI 提升转化是另一个话题,见 AI 转化率优化。

用法你问什么答案怎么产生能信到什么程度要检查什么
取数「近 7 天与前 7 天按渠道的会话数」问题变成分析查询,在你的数据上运行高,前提是显示了查询查询用的指标、期间和筛选是不是你想要的
解释变化「会话为什么下降?」把变化按渠道、国家、设备和页面拆分算术是精确的;原因不是发版记录、预算变动、采集中断
预测「下个月订单会是多少?」统计或学习出来的模型外推过去不确定,改动之后更差用过去几个月回测
写摘要「帮我给老板总结这一周」模型根据数字写文字可能听起来很自信却是错的文字里的每个数字都要对照数据

一个步骤越依赖写出来的文字、而不是你能打开的查询,就越要核对。

怎么问一个 AI 答得了的问题?

好问题要说明五件事:指标、时间、对比、拆分和筛选。缺了一个,系统就得去猜,错误的答案就出在猜上。

含糊具体
「我们做得怎么样?」「近 7 天与前 7 天,按渠道看会话和订单」
「流量为什么下降?」「上周和前一周相比,会话为什么变了?」
「哪些活动有效?」「近 30 天按活动看订单,只看付费渠道」
「看看手机」「同样的查询,只看手机」(修改上一条查询的追问)

追问应该一次只改一件事:现在按国家看,现在只看手机。如果答案答非所问,不要和它争。说清指标、期间和拆分,再问一次。

算例:一周流量下降 18%

示例数据:会话从上周的 10,000 降到本周的 8,200,减少 1,800,也就是 18.0%(1,800 ÷ 10,000)。「为什么变了」这个问题会把这个降幅按渠道拆开。每个渠道的贡献 = 它的变化 ÷ 总变化。

渠道上周本周变化对下降的贡献
付费搜索3,5002,600−90050.0%
自然搜索4,0003,300−70038.9%
社交1,2001,000−20011.1%
邮件80080000.0%
直接访问50050000.0%
合计10,0008,200−1,800全部

复算方法:900 ÷ 1,800 = 50.0%,700 ÷ 1,800 = 38.9%,200 ÷ 1,800 = 11.1%;三个占比相加是全部。再往付费搜索里深入一层:品牌活动从 1,500 降到 1,450(−50,占总降幅的 2.8%),而拓新活动从 2,000 降到 1,150(−850,占 47.2%),这一组自己就降了 42.5%。

所以一组活动就解释了近一半的降幅。拆解没有告诉你的是拓新为什么降了。预算被砍了?广告暂停了?还是采集出了问题?这里的下一步,是去看那一周发生了什么变化:标注里也许显示拓新预算在周二被下调。这与时间吻合,但即便如此,它也只是证据,不是证明。拆解把搜索范围从「流量下降」缩小到「这组活动少了 850 个会话」;解释仍然需要一个手里有变更记录的人。

app.tapcub.com

1,800 个会话的下降来自哪里

示例一周,会话
付费搜索−900(50.0%)
自然搜索−700(38.9%)
社交−200(11.1%)
邮件和直接访问0
示例数据
示例数据:会话从 10,000 降到 8,200(−18.0%)。付费搜索解释了一半的降幅,其中一组拓新活动少了 850 个会话(占总降幅的 47.2%)。拆解缩小了搜索范围,却没有说明这组活动为什么下降。

在据此行动之前,怎么核对 AI 的答案?

在一个答案要改变预算或计划之前,按顺序做这六项检查。

  1. 打开查询。 你能看到它用的指标、期间、对比和筛选吗?如果工具只显示文字,就当它是草稿。
  2. 自己重跑一遍。 在普通报表里打开同样的分析,确认数字一致。
  3. 核对一个你已经知道的数字。 上周的总会话应该和概览页一致;不一致,说明问题被理解成了别的意思。
  4. 看样本量。 来自 30 个访客的转化率不是结果。
  5. 核对时间线。 变化是否发生在所谓原因之后?时间先后是 Austin Bradford Hill 提出的、用来判断关联是否为因果的考量之一(Hill,1965),另一项是实验:有对照组更可靠。
  6. 列出其他解释。 季节性回落、节假日、机器人流量激增、采集改动。如果排除不了,就在报告里说明。

经典的错误是把相关当成因果:拓新下降和会话下降同时发生,但竞争对手的促销也可能同时拉动了这两者。AI 让相关性更快被找到,并不会让它更可能是因果。

实时营销分析值得据此行动吗?

实时视图是用来确认某件事此刻是否正常:部署后的采集、活动链接上线、邮件发出后是否到达。它不适合评判效果,因为小数量很嘈杂。

示例数据:一个页面长期转化率是 3%。一个小时里有 20 个访客,预期订单是 20 × 0.03 = 0.6。一个都没有的概率是 0.97^20 ≈ 54.4%,两个及以上的概率约 12.0%。同一个页面可能一个小时看着像死了,下一个小时又看着很棒,而什么都没变。有 50 个访客时,零订单的概率仍有 0.97^50 ≈ 21.8%。要按整天的数据和足够的转化来做决定,把实时用来检查管道是否通畅。

怎么让你自己的 AI 代理读取分析数据?

如果你有自己的 AI 代理或助手,可以让它通过模型上下文协议(MCP)查询你的分析数据;MCP 是把语言模型应用连接到外部数据和工具的开放协议(MCP 规范)。实际要点在权限:给代理一个只能读取的密钥,并把它限制在需要的项目上。TapCub 的设置细节见用 MCP 连接 AI 代理。

AI 营销分析的常见错误

  • 信文字,不信查询。 打不开查询,就没法核对数字。
  • 问含糊的问题。「我们做得怎么样」逼系统去猜指标和期间。
  • 把拆解当成原因。 在示例里,拓新少了 850 个会话是该去看的地方,不是它为什么发生。
  • 据每小时的实时数字行动。 20 个访客、54.4% 的概率没有订单,这是噪声。
  • 没有回测就用 AI 做预测。 从没拿过去几个月验证过的预测,只是带图表的猜测。
  • 把模型当成数据。 数字来自你的采集;如果采集坏了,再好的 AI 也只是在汇总这个故障。

在 TapCub 里怎么用 AI 营销分析

下面是流量下降的例子在 TapCub 里的跑法。助手运行查询、读取结果;它不预测,也不执行操作。

  1. 一句话提问。 打开全端分析 › 智能运营 › AI 助手,在「问数」页签输入:「近 7 天与上一周期按渠道的会话」。问题先由规则解析;只有置信度低、没解析出查询,或者对话里已有历史时,才用模型。答案里包含它运行的查询,数字来自对你项目的分析查询,而不是知识库。
  2. 核对。 点「在分析器中打开」,在普通报表里看同一条查询;值得保留就点「保存为分析」。这些是你点的按钮,助手不会替你点。没有配置模型时,右上角显示「仅规则解析」,答案只走规则这条路。
  3. 问为什么变了。 打开「变化归因」页签。它把变化与上一周期或去年同期对比,按渠道、来源域名、国家、设备、着陆页、平台等相关维度拆分,一到两层。贡献 = 该取值的变化 ÷ 总变化,正是算例里的计算。
  4. 补上背景。 在日期标注里查看上线和预算变动(配置 › 日期标注),并在网站统计 › 实时里交叉确认,只用它来确认采集在到达,不用它评判活动。
  5. 以只读方式接入你自己的代理。 「MCP 接入」页签显示接入地址和客户端配置。在配置 › 设置 › API 密钥下创建密钥,权限范围选「读取报表」。这些工具是只读的:它们不写入事件、不修改定义,也不创建监控。

助手不做预测,不创建监控,也不发送通知,模型调用可以按站点设每日上限。想要一个简单的预期范围,监控的预测区间用的是最近 7 天和同一星期几的均值,但那是一条规则,不是预测模型。

FAQ

什么是 AI 营销分析?

就是用 AI 处理营销数据:用自然语言回答问题、解释变化、汇总结果,有时还做预测。关键区分是计算还是撰写。运行了一条你能打开的查询的答案是可以核对的;一段写出来的摘要,可能听起来很自信却是错的。

AI 在营销分析里是怎么用的?

主要有四种:根据自然语言问题取数、把变化按渠道或设备拆分、根据过去的数据预测、写摘要。它们的可靠程度不同。取数和拆分是对你数据的算术;预测和摘要需要回测,并要对照数字核对。

AI 能解释我的营销指标为什么变了吗?

它能用精确的算术展示变化来自哪里,比如哪个渠道或哪组活动少了 850 个会话。但它自己说不出原因。预算被砍、节假日或采集中断,都可能产生同样的形态,所以你仍然需要变更记录和对照组。

怎么判断 AI 分析的答案对不对?

打开它运行的查询,在普通报表里重跑一遍,再和你已经知道的总数对照。检查样本量,检查变化是否发生在所谓原因之后,并列出其他解释。如果打不开查询,就把答案当作草稿。

实时营销分析有用吗?

用来检查采集、上线或发送是否正常,有用。用来评判效果,通常没用,因为小数量会大幅波动:20 个访客、3% 的转化率,约有 54% 的概率一个订单都没有。要按整天的数据来决定。

另见:AI 数据治理:五项控制,先管输入,再管输出。

资料来源

归档:数据分析

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

艾玛·柯林斯

产品分析师

聚焦事件分析、转化漏斗与用户留存,用清晰的指标定义和分析框架解释产品表现。

向数据提问,再打开那条查询

一句话提问,看到答案背后的分析查询,并把一个变化按渠道、国家、设备或着陆页拆开。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie