DOMAIN / 07 · LAYER 3
数据与诊断
Data & Diagnosis
把 GSC、GA4、SERP、crawl 与业务数据转化为可证伪的假设。
如何学习这个板块
用数据提出假设、诊断问题，并在有限资源下排序。
- 先解释不看资料，用自己的话描述机制与边界。
- 再应用在真实网站、SERP 或数据中完成每页的应用任务。
- 后诊断面对异常先提出竞争假设，再选择证据排除。
- 留产物只有可复查的文档、图表、实验或决策才算完成。
知识点路径
建议按顺序学习；已有经验可先完成每页自测，再决定是否跳过。
用页面类型、品牌/非品牌、意图、市场、设备、新旧内容与 funnel 阶段分群，判断总量变化来自“谁”。同时防止辛普森悖论、样本稀疏和事后切片制造伪解释。
02索引覆盖与根因验证Index Coverage and Root-Cause Validation把“未索引”拆成需求合理性、发现、抓取、渲染、canonical、质量/重复和索引选择，按模板与 URL 样本验证根因。索引率只在“应索引 URL 集合”上才有意义。
03自然流量下降诊断树Organic Traffic Drop Diagnosis Tree按 tracking → demand → discovery/indexing → ranking/SERP → snippet → landing/measurement 的顺序诊断流量下降。先定位变化发生在哪一层，再检查页面、查询和时间，避免一上来重写内容。
04CTR 机会与 SERP 点击诊断CTR Opportunity and SERP Click Diagnosis在 position、query intent、brand、device 与 SERP feature 的条件下评估 CTR，找出真正可测试的 snippet 机会。CTR 不是独立 KPI，而是展示资格、排序位置和用户选择共同作用的结果。
05GA4 事件与转化测量计划GA4 Event and Conversion Measurement Plan从业务动作反推 GA4 event、parameter、key event 与验证规则，建立到站后行为的可解释测量层。重点是语义稳定、去重、测试和文档，而不是“能触发就算完成”。
06GSC 搜索表现证据模型Search Console Performance Evidence Model理解点击、曝光、CTR、平均排名的计算口径，并用 query、page、country、device、date 与 search appearance 切片。目标不是导出一张大表，而是知道每一行能支持什么结论、遗漏了什么。
07自然搜索转化漏斗与 CRO 诊断Organic Conversion Funnel and CRO Diagnosis把 query intent → landing → engagement → micro-conversion → lead quality → revenue 连接成漏斗，寻找损失最大的步骤及其机制。CRO 以减少用户决策阻力为核心，不以随意换按钮颜色为核心。
08KPI 树、归因与业务测量KPI Trees, Attribution, and Business Measurement从收入/管道目标向下拆出可控的 SEO leading、quality 与 lagging indicators，并明确 GA4、CRM 与实验各自能回答的问题。归因是分配规则，不是自然因果证明。
09SEO 实验与变更日志SEO Experiments and Change Logs把 SEO 改动写成可证伪假设，使用页面组、时间序列、对照与保护指标评估效果，并维护统一变更日志。SEO 实验很少拥有完美随机化，因此不确定性说明与替代解释同样重要。