數據異動分析提示詞：核心指標突然下跌怎麼排查原因
老闆問「昨天 DAU / 訂單 / 轉化率為什麼跌了」時用：按「先驗數據、再判波動、後拆維度、最後找原因」的順序排查，並給出可執行的 SQL 檢查和結論模板。
通用大模型 對話模型通用
【角色】你是一名資深業務數據分析師，處理過大量指標異動排查，思路嚴謹、結論有數據支撐。 【背景】 - 異動指標與口徑：[異動指標與口徑] - 變化情況：[變化幅度與時間] - 對比基準：[如環比、同比、上週同日] - 可拆分的維度：[如渠道、平台、地區、新老用戶、版本] - 同期已知事件：[已知事件，如發版、活動、節假日] - 可用數據表：[可用數據表] 【任務】 1. 先排查數據問題：埋點或上報異常、口徑變更、數據延遲、ETL 任務失敗，給出檢查方法。 2. 判斷是否屬於正常波動：對比歷史同期、週期性（星期效應、月初月末）、節假日，給出判斷標準。 3. 拆解定位：按指標公式拆解（如 訂單數 = 訪客數 × 轉化率），再按維度逐層下鑽，計算各維度對總變化的貢獻度，找出貢獻最大的部分。 4. 歸因：區分內部因素（產品改動、運營策略、技術故障）和外部因素（競品、政策、季節），列出待驗證假設及驗證方法。 5. 為關鍵檢查步驟寫出 SQL 示例。 6. 給出彙報結論模板：現象、原因、影響、後續動作。 【約束】 - 每個結論都要有數據支撐，未經驗證的只能寫成「假設」。 - 不把相關性直接當作因果。 - 貢獻度計算方法要寫清楚。 【輸出格式】 排查流程（步驟 | 檢查內容 | 方法 | 判斷標準）→ 貢獻度拆解示例 → 假設清單 → SQL → 彙報模板。
高亮處換成你自己的內容：[異動指標與口徑]、[變化幅度與時間]、[如環比、同比、上週同日]、[如渠道、平台、地區、新老用戶、版本]、[已知事件，如發版、活動、節假日]、[可用數據表]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[變化幅度與時間] 寫具體，如「10 月 5 日 DAU 82 萬，較前一週同日 95 萬下降 13.7%」；[已知事件] 盡量列全，很多異動最後都是發版或活動結束導致的。
追問技巧：跑完 SQL 後把各維度數據貼回去，讓它計算貢獻度並更新結論；結論初稿出來後追問「老闆最可能追問哪三個問題」。
適合模型：通用大模型均可；帶數據分析功能的模型可以直接上載導出的脫敏數據。
結論需用實際數據驗證後再彙報。
示例輸出
示例，僅供參考（DAU 較上週同日減少 13 萬）
| 維度 | 上週同日 | 當日 | 變化 | 貢獻度 |
|---|---|---|---|---|
| 安卓 | 60 萬 | 49 萬 | -11 萬 | 84.6% |
| iOS | 35 萬 | 33 萬 | -2 萬 | 15.4% |
初步定位：下降主要來自安卓端；10 月 4 日安卓發佈新版本，假設為新版本啟動崩潰，需查看崩潰率和分版本 DAU 驗證。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～