TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

可靠的数据:判断分析数据能不能信的五项检验

怎么判断分析数据是否可靠:和第二个来源核对、检查抽样、审计埋点、识别重复触发、测试时效,附带算例。

许安 发布于 2026 年 11 月 21 日 8 分钟阅读 数据分析
示例数据:分析里有 1,180 笔购买,支付数据库有 1,260 笔(−6.3%)。已解释的原因覆盖缺失 80 笔订单中的 70 笔(87.5%),剩余差距 0.8%。示例数据

可靠的数据是误差可以预测的数据:它和第二个来源在你能解释的差距内吻合、是数出来的而不是抽样估的、每个事件只触发一次并且名称正确。示例里分析和支付数据库之间 −6.3% 的差距,在解释了缺失的 80 笔订单中的 70 笔之后只剩 0.8%。

读完你会知道

  • 差距 =(分析 − 来源)÷ 来源;先解释,再判断
  • 抽样得到 120、放大成 300 的计数,误差约 ±18%
  • 页面浏览 ÷ 会话正好 2.00 且跳出率 0%,说明脚本装了两遍

什么样的分析数据算可靠

可靠的数据是你能预测它的误差的数据。没有哪个分析配置是精确的,所以实际的问题不是「它完美吗」,而是「我知道它偏多少吗,这个误差稳定吗」。四项检验涵盖大多数问题:一致性(和另一个来源在已知的差距内吻合)、完整性(事件和属性该到的时候到了)、抽样(数字是数出来的,而不是从一小部分估出来的)和埋点正确性(每个动作只触发一次,名字正确)。下面把每一项变成可以核对的数字。更大的话题看数据质量,数据出问题的后果看糟糕数据质量的影响。

检验一:它和第二个来源吻合吗?

选一个在两个地方都存在的数字。订单是合适的候选,因为支付数据库是事实来源。公式是:

差距 =(分析的计数 − 来源的计数)÷ 来源的计数

示例数据:一个月分析里有 1,180 笔购买,支付数据库里有 1,260 笔已付订单。

  • 差距 = (1,180 − 1,260) ÷ 1,260 = −6.3%

在下判断之前,先解释这缺的 80 笔订单。示例里,45 笔是通过跳转支付、没回到确认页,25 笔来自脚本被拦截或拒绝追踪的访客,10 笔无法解释。这样解释了 80 笔里的 70 笔(87.5%),剩余是 10 ÷ 1,260 = 0.8%。

解释完已知原因后的差距意味着什么怎么办
低于 5%浏览器端追踪的正常水平记下差距;用这个数字看趋势
5–15%多半有可以修的原因先找最大的原因(跳转、同意、脚本加载)
超过 15%,或差距逐月变化配置坏了修好之前不要汇报这个指标

这些界线是我们自己用的经验规则,不是标准。更重要的是差距有解释并且稳定:稳定的 −6% 仍然可以比较各周,而从 −2% 摆到 −14% 就不行。

app.tapcub.com

分析里为什么缺了 80 笔订单

示例数据,订单数
跳转支付:没回到确认页45
脚本被拦截或拒绝追踪25
无法解释10
示例数据
示例数据:分析里有 1,180 笔购买,支付数据库有 1,260 笔(−6.3%)。已解释的原因覆盖缺失 80 笔订单中的 70 笔(87.5%),剩余差距 0.8%。

检验二:它被抽样了吗,还是从一小部分估出来的?

有些工具在查询很大时,会用一部分数据估出一个数字。Google 的文档说,标准 Google Analytics 4 属性的事件级查询配额是 1,000 万个事件;超过后它会用一部分数据并按比例放大结果,数据质量图标会显示用了多少百分比。表格超过行数上限时,Google 还会把很少出现的维度值归到「(other)」行,并把超过 500 个值的维度视为高基数。

对数字的影响,用示例数据说明:一次查询涉及 2,500 万个事件,但只用了 1,000 万个,所以抽样 40%,每个被数到的事件代表 2.5 个。如果样本里有 120 笔购买,报表显示 300。120 这个计数的粗略 95% 误差范围是 1.96 ÷ √120 = 17.9%,所以真实值大约在 246 到 354 之间。报出的 300 不算错,但环比 10% 的变化在噪声之内。

规则:汇报的每张报表都要找抽样提示;看到提示就缩短日期范围或改用标准报表;不要引用抽样查询里的小分段。

检验三:审计埋点本身

信任一个新配置之前,先做这个八项审计,每项只有通过或不通过:

#检查怎么测什么算通过
1每个页面都有脚本打开五类页面(首页、商品、购物车、确认页、404)五类页面的页面浏览都出现在实时里
2每个动作只触发一次点一次按钮一个事件,不是两个
3事件名一致把事件名按字母排序没有 signup / sign_up / SignUp 三胞胎
4必填属性到达数一下属性为空的事件空值低于 2%
5内部流量被排除从办公室访问你的访问被排除或被标记
6机器人被去掉对比请求数和访客数已知爬虫单独计数
7时区和货币设对核对一个已知的时间戳和价格与来源一致
8最后一步对得上检验一差距有解释

八项过七项不等于「好」:购买事件上一项不通过,比五项无关紧要的通过更重要。按离收入多近来排序修失败项。

检验四:用合理性比值识别重复触发

有些错误在你看到任何细节之前,就先以奇怪的比值出现。示例数据:一个网站一天报告 52,000 次页面浏览和 26,000 次会话。这正好是每次会话 2.00 页,跳出率 0%。真实流量几乎不会同时出现这两点:跳出率为零意味着没人只看一页就走,而正好 2.00 意味着每次页面浏览都被数了两遍。这通常是脚本装了两遍,比如主题里一次、标签管理器里又一次。

比值可疑的值可能的原因
页面浏览 ÷ 会话正好 2.00 或 3.00脚本装了两遍
跳出率0% 或接近全部事件在加载时发送,或只追踪了第一页
必填属性为空的事件超过 5%某条代码路径漏了属性
直接访问占比突然升到 60% 以上跳转去掉了来源或 UTM 标记

检验五:它按时到达吗?

数据迟到会让昨天的数字今天就不对了。检查两件事:事件多久出现(打开实时、触发一个事件、计时),以及从服务器发来的数据是否保留原始时间。在 TapCub 里,通过服务端接口导入、超过 72 小时的历史事件,事件时间会改成接收时间,所以早于三天前的回填会落到错误的日期。你汇报的每个指标都要注明延迟,不要拿完整的一天和不完整的一天比。

差距通常从哪里来,怎么逐项估算

出现差距时,把每个原因分别估算,不要猜。用这张清单,并为每个原因写下它解释了多少笔订单:

原因怎么估算修法
买家跳到外部支付页后没有回来有支付 ID 但没有确认页事件的订单支付确认时由服务器发送购买事件
脚本被拦截或拒绝追踪同一小时内对比服务端订单数和浏览器端事件数为关键转化增加服务端事件
数据库里的测试订单和员工订单按测试标记或内部邮箱域名过滤在来源计数里排除它们
退款和取消的口径不同对比两个系统里的总额和净额选定一个口径并写下来
午夜的时区不一致把两个系统放到同一时区重新计数各处使用同一时区
页面刷新导致事件重复数订单 ID 相同的购买事件按订单 ID 去重

连续一个月在每周同一天做同样的核对。差距反复出现在一两个点之内,说明它是你的配置的特性,可以容忍;差距在某次发布后跳变,说明问题出在那次发布。

在记分卡旁边留一份简短的日志:日期、指标、差距、原因、核对人。半年后有人问某个数字为什么变了,日志一行就能回答,不用再花一周去查。

一页纸可靠性记分卡

对你向别人汇报的每个指标写一行:

指标交叉核对的来源差距抽样?审计通过项结论
购买支付数据库解释已知原因后 −0.8%否8 项中 8 项可靠,照常汇报
开始注册无无否8 项中 6 项只用来看趋势
分群收入支付数据库未测试是(40%)8 项中 7 项不要引用小分段

没有交叉核对的指标不是不可靠,只是未经证明。在报告里说明这一点,并把第一次交叉核对排给支撑最贵决策的那个指标。

检验检查什么什么算通过
一致性与第二个来源的差距解释原因后低于 5%,并且稳定
抽样报表上的抽样提示没有抽样,或不引用小分段
埋点审计八项通过 / 不通过检查收入事件上的检查全部通过
合理性比值每会话页数、跳出率没有正好 2.00 或 0%
时效动作到报表的延迟已知且稳定

5% 和 15% 的界线是经验规则,不是标准。

在 TapCub 里怎么做

在 TapCub 里把五项检验走一遍:

  1. 交叉核对最后一步。 用差距公式,把网站统计 › 目标里的目标或购买数和你自己的数据库对比。控制台里的数字是实际计数,不是从一小部分估出来的。
  2. 验证事件方案。 在全端分析 › 数据管理 › 埋点方案里打开「实时验证(近 24 h)」,每个事件会多出两列:24 小时内的到达数,以及必填属性的完整度。完整度低只是警告,本身不会阻止接收。
  3. 整理名称。 新事件先进事件收件箱,认领后才进正式定义;属性字典把名称和类型集中在一处,能解决 signup / sign_up 的问题。
  4. 把机器人分开。 认得出的机器人计入网站统计 › 机器人,不进访客数,所以不会扭曲比值。
  5. 持续观察。 全端分析 › 智能运营 › 监控可以按计划检查 error_rate 或保存的自定义指标并通知你;它只通知,不会修复任何东西。TapCub 不会替你审计标签,所以八项审计要自己做。

FAQ

怎么知道分析数据可不可靠?

检查四件事:和第二个来源在你能解释的差距内吻合、没有抽样、事件只触发一次且名称正确、必填属性都到了。示例里 −6.3% 的订单差距被解释到只剩 0.8%。

分析和数据库之间差多少算正常?

浏览器端追踪因为脚本被拦截和跳转,低于约 5% 很常见。5–15% 当作有可修的原因,超过 15% 当作坏了。这些是经验规则;稳定且有解释的差距比大小更重要。

分析里的数据抽样是什么?

抽样是在查询很大时,用一部分数据估出结果。在 Google Analytics 4 标准属性里,事件级配额是 1,000 万个事件;超过后结果从一部分数据按比例放大。

怎么发现重复追踪?

看页面浏览与会话的比值是否正好 2.00 或 3.00、跳出率是否为 0%,然后检查脚本是不是装了两遍,比如主题里一次、标签管理器里又一次。

多久审计一次埋点?

每次发布涉及结算、注册或脚本本身之后审计一次,其他时候每季度一次。

资料来源

  • Google Analytics 帮助,About data sampling(标准属性 1,000 万个事件的配额)。
  • Google Analytics 帮助,About the (other) row(表格超过行数上限时把罕见值归并;500 个值作为高基数的参考)。
  • TapCub 文档,埋点方案和数据导入(docs.tapcub.com),2026-11-21 核对。
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。

许安

客户体验顾问

关注在线客服、访客沟通与自助服务,分享常见问题的处理思路和可复用流程,让每一次沟通更清晰有效。

先验证埋点,再相信数据

事件方案实时验证、事件收件箱,机器人单独统计。

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