如何用归因分析解释收入下降的原因

当 GMV 或收入这类指标发生变化时，"发生了什么"很容易看出来，但"为什么"却很难回答。ChartGen AI 的归因功能会把一次波动拆解到各个构成要素和维度上，量化每个因素的贡献程度，并找出主要驱动因素。本教程将展示如何从一张图表出发，得出清晰的根因结论。

何时使用归因分析

每当某个 KPI 发生变化，而你需要向相关方解释原因时，都可以使用归因分析：

• "上周 GMV 为什么下降了？"
• "是哪个渠道或活动导致了转化率下滑？"
• "是什么在驱动毛利率的变化？"

ℹ️ 归因分析需要结构化数据。如果你的文件是原始表格，请先在项目中运行智能语义，让 ChartGen AI 理解你的指标和维度。扁平、无结构的文本无法进行可靠的归因。

分步操作指南

步骤 1: 创建项目并添加数据

归因是一项深度分析能力，因此请在项目中操作，而不是在快速对话中。点击+ 创建项目，上传你的销售或财务数据集，让 ChartGen AI 构建语义模型（指标如 GMV、收入、CAC；维度如渠道、活动、产品、地区）。

步骤 2: 生成指标图表

用自然语言提出能够揭示变化的问题，例如：

Show weekly GMV for the last 8 weeks and highlight the largest week-over-week decline.

ChartGen AI 会渲染一张趋势图，并标出变动最大的时间段。

步骤 3: 在图表上打开高级分析

点击图表下方的高级分析，探究是什么在驱动这一变化。ChartGen AI 会把波动拆解到关键构成要素和维度上——例如，按公式结构（流量 × 转化率 × 客单价）以及按渠道、活动和产品来拆分 GMV 的变化。

步骤 4: 查看贡献度排名

结果会量化每个因素的贡献，并对主要驱动因素进行排名。典型的输出如下所示：

现在你可以准确说出 GMV 下降的原因：大部分降幅来自一个付费搜索活动和移动端转化率的下滑，并被更高的客单价部分抵消。

步骤 5: 将发现转化为报告或预测

点击解读生成结构化的洞察报告，或继续使用[预测](revenue-forecast-prediction.html)功能，在不同预算情景下推算收入。你可以导出为 PDF，或将图表添加到仪表盘，与市场和财务团队共享。

结语

归因分析能把"收入下降了"转化为"这就是导致下降的具体原因，以及各自的影响幅度"。通过创建项目、生成指标图表并打开高级分析，ChartGen AI 会按维度拆解变化并对驱动因素进行排名——让你少花时间诊断，多花时间行动。再配合定时任务，你每周都能在收件箱收到一份归因摘要。