这场讨论中出现了不少优秀的内容，所以这里特意分享给大家一起学习，也欢迎大家一起参与。开放题不论对错，大家互相学习思路。
首先，排查一下非业务因素。
1、确认一下数据准确性。
2、拉一下同比，看一下是否常规的周期性下降或者上上月是否大型促销活动。
以上都排除了的话，可以再进行拆解分析：
1.我们可以对GMV的指标构成进行拆解：订单数*订单均价。
2.从这两个指标针对商品、用户类别、渠道等进行拆分对比，看一下是全部都整体下降了还是某一类发生了下降。
3.确定到大类因素后，可以再对内外部因素进行分析，外部可以用pest模型，或者有没有整体的竞品崛起或者单个垂直品类的竞品平台崛起，内部从用户从登录到交易的转化路径、漏斗模型进行环比排查等等。
①【数据上没问题】：检查数据源、ETL、计算口径皆无问题的情况下开始分析；
②【判断问题的轻重】（值不值得重视）：那就要有一个“标准”，一般情况下下降了20%的确不少了，但若是活动后的一个月、运营大调整的一个月，等内部外部特殊情况，那又要另说了，即——定的这个标准是关键点！
③【缩小问题范围】，逐个维度拆解【盼望着能第一次就找到问题点】：
比如地域维度、新老用户维度、产品维度、平台维度，等等
在分别在每个维度下进行拆解，看看到底是该维度下的哪一板块出了问题【具体计算思路，就是看谁下降得更厉害】
④找到问题点了，【再对问题点进行分析】，找到原因-给出措施-提出假设--业务实施--验证效果。
一般也就这样了。
补充：
在维度拆分时，我会首先选择时间维度上先看一看
拆解到每天，并拉出相邻的上月和去年的同期，
看看波形到底是突然刷的就下来了，还是整月都没上去过——看看能否发现问题发生的具体时间点、或时间段。
要是按复合指标，流量*转化率，那要先对指标分情况看了
①流量升、转化降——找转化率的异常的问题点，
②流量降、转化升、但总额低
③流量持平、转化降
④流量降、转化降
⑤流量降、转化升
【转化降】——整个路线上，从登录页一路走到最后的付款——到底是哪一块、哪几块出了问题呢。
【流量降】——按维度拆解，定位问题范围。
首先排除客观原因，确定订单是否因为网络波动，接口挤压导致订单未完全入数据库，使得计算的金额减少；
仔细核对GMV的统计逻辑和之前是否相同，按照相同的逻辑再取数据对比；
确定上个月的app数据源是否有问题，各个渠道引流人数是否正常；
思考是否是因为外部因素导致的，比如法律政策限制app的使用；
观察市场上其他同类型的app情况，看整体上是不是都下降了，等等，
排除掉外部因素之外，再观察数据的异常
1、确定20%的下降是否是正常的，
20%是什么数据，为什么说他下降，是和什么数据做对比，等等
2、做数据可视化，初步判断是哪些地区数据额少了，哪些年龄段的人的数据额相比少了，等等，这里有多个人的基础信息做判断，初步了解，，
3、基于初步了解，找到相关数据，进行指标分解，假设gmv=下单人数*客单价。
假设是因为下单人数有异常，考虑下单人数=会员下单+非会员下单，会员下单=新会员下单+老会员下单，人数再按照渠道拆分，分别计算数据做对比，精确到哪部分人群的下单量减少，提出假设，参考AARRR模型，并结合RFM模型做分析，结合之前的初步了解，由内到外，给出策略。
1.自我甩锅：确保数据没取错，不是我的问题。
由此开始锅的流转
2.帮产品甩锅（产品是我们的好朋友）：对比gmv和dau，定位dau问题。如果是dau问题，需要考虑留存和新增（分别对应产品的锅和渠道拉新的锅），其次是产品的改版是否影响流量分发（这个要先分析，不然运营会把锅甩回来：都怪产品乱改版，商城流量少了！）
3.全力甩锅运营：从各个角度全方面批斗运营问题。优先从经验判断可能原因（个人经验，不喜勿喷）
a.拉趋势，定位是否个别日期原因（20其实是个非常大的下降，618以后的四到五天可能完全没有人买，需要判断是否时间的极值影响）
b.是商品品类，参考新疆棉事件
c.是活动效果，运营几乎每天都有活动做，我也不知道为啥每个活动周期的效果都有可能造成这么大的数据波动
d.用户属性和地域属性建议放最后考虑，因为实践下来这些维度出现问题的概率很小
最后，帮助运营同学写检讨
俗话说，百看不如一练，这种思维一定是需要你亲自多次地去练习、实践才会有质的提升。