数据质量检查：空值、突变与重复

先准确描述哪里不对

把“数据不对”拆成可检查的现象：整站没有数据、单个页面为空、某指标突然上升、两个报告不一致，或某类事件次数异常。记录首次出现的时间、影响范围与正常对照，先不要假定一定是采集故障或真实业务变化。

同一个问题需要在相同时间与过滤条件下复现。若一位同事查看移动端、一位查看全部设备，即使数字不同也不构成异常。描述越具体，后续检查越能避免在无关设置上反复调整。

先检查范围与过滤条件

按顺序确认当前站点或 Profile、日期与时区、页面地址、设备、受众和目标。先去掉非必要条件观察整体，再逐项加回，找出哪一个条件让结果变空或明显改变。页面参数、不同域名和改版后的地址也可能导致对象不一致。

筛选条件非常窄时，少量样本更容易波动。不要为了让结果“看起来正常”而偷偷扩大范围，应该记录条件变化，并让读者知道新旧结果并非同一口径。

将采集变化与业务变化并列检查

检查异常发生前后是否部署页面、调整标签、修改同意设置、启用排除规则或改变目标。与此同时记录广告投放、活动与商品条件的变化。技术变化和业务变化可能发生在同一天，单看时间重合不能确定原因。

选一个受影响页面做测试，分别验证代码、请求与报表。如果只有某种模板异常，应优先检查该模板的差异，而不是把整个站点重新安装一遍。每次只修改一个有证据支持的条件，保留前后结果。

对项目说明或类型有疑问时，可在管理中的数据设置检查当前值。若使用旧 Ptengine 的网址统一（日文）或访问设置（日文），应与负责人核对具体配置；不能将旧界面数值直接视作 AI 分析的默认口径。

检查重复、漏采与空值的区别

重复安装、同一动作多次触发或用户真实重复操作，都可能造成次数增加。先区分事件总次数与去重人数，再观察一个受控动作会触发什么。不能仅因点击率超过百分之百就认定重复采集，因为页面点击率本来允许一次浏览多次点击。

空值可能是指标不适用或没有可用测量；零则是当前口径的计数结果。不要批量把空值改成零，或用相邻日期数值补齐后继续做增长结论。缺失本身需要被保留并说明。

跨报告核对时先核对定义

站点、页面、元素与漏斗可能采用不同计数单位、母数、顺序条件与观察窗口。两个报告并不必然给出相同转化率。先写出各自回答的问题，再决定差异是否真的需要排查。把不同定义当成同一数值对账，会产生虚假的错误。

时长也要统一单位，并区分页面停留与整个访问。若仍无法解释差异，保留报告条件和具体例子交给负责人检查，不要自行给其中一方贴上“不可信”的标签。

修复后重新验证，并标记受影响时期

修复不是配置保存就结束，应使用原测试条件确认数据链路恢复，并观察业务需要的范围。记录问题开始与修复时间，以及哪些历史数据可能不完整。修复后的数据正常，不表示过去缺失的数据已经自动补齐。

后续分析避开无法公平比较的时期，或在报告中明确限制。将排查结论整理为短记录：现象、原因、调整与验证证据。遇到同类问题时，团队可以更快判断是否复发，而不必重新猜测全部原因。