而在这个过程中，总的来说需要 三个步骤：
1、发现异常流量特征
2、将异常流量“提纯”
3、分析异常流量的成因
第一步我们要找到异常流量，为了提升这个工作的效率，我总结了一套清单，希望能作为大家的工作手册使用。我先列出清单中的项目，后文再详细解释：
1、分小时对比异常和正常的两天，分别对比UV/会话/PV等指标
2、如果有其他流量统计系统，互相验证数据准确性
如果个别小时流量变动明显：
3、确定异常时间段，去找技术部同事排查问题（如果可能，先在域名报告、所有页面、内容分组报告里聚焦到出问题的某部分页面，方法见后）
4、去找运维部同事查询，异常时段内的http请求数是否也异常（如果是，说明流量实际上确实变了；如果否，可能是统计代码本身出问题，实际流量并没变化）
5、去找产品/运营的同事询问是否有产品改版，或是组织了什么在线活动
6、如果异常是均匀分布在各小时中，就要去查各个维度上，是否存在异常突出的项目，那可能就是出问题的点：
- 流量来源
- 新/老用户
- 着陆页
- 所有页面（组）
- 事件
- 省份/城市
- 浏览器/操作系统
- 手机品牌/型号（移动端访客）
- 上网运营商
1、断崖式：下跌时段如此明显，接下来我们可以直接到域名或所有页面报告中，很容易的定位到下跌的页面，然后去找技术和运维的同事排查问题即可。
2、个别小时小幅度异常
与明显的断崖式下跌相比，如果只是个别小时疑似下跌，是不太容易定位到下跌的域名/页面的，因为缺失的流量被全天的数据“稀释”了。但是还好，GA有强大的高级细分功能，我们可以单独看下跌的那个小时的数据。这个过程就是本文开头提到的“将异常流量提纯”：
经过高级细分之后再去看域名报告，我们就能很明显的定位下跌的部分了：
发现异常域名后进一步，在次级维度中调出着陆页，就能更精准的找到出问题的页面：
在其他流量统计系统中可能也会有类似的细分功能，总之思路是相通的，就是找到有异常的维度，然后用它做细分条件，提取出问题最集中的那部分流量。
3、全天候均匀下跌
有时候出问题的维度不是小时，例如下面这个例子：
我们发现so.com来源的流量明显下降了，但是在小时维度数据上是比较均匀分布的:
于是这次我们不在小时上做细分，而是建立一个“so.com来源”的细分，完成异常流量的“提纯”工作，接下来就要分析异常的成因了。这个过程其实也简单，只要带着“提纯”用的高级细分，到各个报告中去寻找其他维度的异常即可。
结果是，我们在“浏览器”报告中发现只有Vivo系统浏览器数据变动很大，然后我们继续用次级维度细分该浏览器带来的流量来源，结果发现随着so.com来源的降低，百度的流量基本在同等增加，那么原因就比较明显了，非常可能是这个浏览器将搜索框里原本导给so.com的那些流量切到了百度。
三、分析系统之外还有什么工作
前文中的方法能够应对大部分流量异常的情况了，但如果异常数据在任何维度都是平均分布的，找不到异常点怎么办？这时候可以先打开网站/App看一下，有时候问题就摆在那里很容易发现。
另外还可以考虑一下外部因素，例如学生开学可能导致游戏相关流量下降，周末如果赶上大范围的重雾霾天气可能导致娱乐类流量上升（用户们都宅在家了），我们甚至还遇到过《焦点访谈》的一个镜头中出现了我们的品牌，导致来访流量大涨。寻找这些外部因素没有一定之规，能否找到也要看一点运气了。
本文为@运营喵原创，运营喵专栏作者。
