workbuddy转化率计算依赖用户自定义事件、路径与归因逻辑，需先注册事件、聚合日志、设好会话阈值；支持漏斗、新客首单、渠道归因三类模型；异常时检查字段映射、时区、过滤条件及去重逻辑；建议封装口径为skill并做ab归因验证。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy 计算转化率不是简单套用“结果数 ÷ 起始数”公式，而是依赖你提供的事件定义、行为路径结构和归因逻辑。它本身不预设通用转化模型，所有计算都基于你明确告诉它的口径和数据上下文。
一、转化率计算的前提：事件与路径必须对齐
WorkBuddy 无法自动识别“谁是用户”“哪一步叫访问”“哪一步叫转化”。它需要你先完成两件事：
- 在【分析中心】→【转化设置】中注册转化事件（如“支付成功”“表单提交”），且 event_name 必须与前端埋点完全一致；
- 确保原始日志已按 session_id 聚合，并启用跨设备 ID 合并（推荐用手机号或企业微信 ID 作为主标识）；
- 确认会话超时阈值设为 1800 秒（30 分钟），避免正常浏览被错误切分导致路径断裂。
二、三种常用转化率类型及对应指令写法
不同业务目标对应不同计算逻辑，WorkBuddy 会严格按你写的规则执行：
WorkBuddy Visio — Visio 兼容架构图生成器
下载
使用 draw.io（.drawio 格式）和 SVG 生成兼容 Microsoft Visio 的架构图。当用户需要以下任一场景时触发： - 用于 Visio 或技术文档的架构/系统/网络图 - 带连接标注的分层控制系统图 - 将 draw.io XML 转换为稳定、可嵌入的 SVG - 修复 Visio 或 draw.io 无法打开的故障排查类图表 - 任何需专业级布局且文本可编辑的图表
- 漏斗转化率：适合评估单次用户旅程效率。指令示例：“统计从首页曝光 → 商品详情页 → 加购 → 下单 → 支付成功的五步漏斗，每个环节人数与上一步的比率，时间范围为2026年8月1日–31日，按 utm_source 分组”；
- 新客首单转化率：需明确定义“新客”和“首单”。指令示例：“新客 = 首次访问时间在2026年8月的新用户；首单转化率 = 首单支付用户数 ÷ 新客总数（仅统计访问后7天内完成首单的用户）”；
- 渠道归因转化率：需指定归因模型。指令示例：“使用位置基础归因模型（首触30%、末触40%、中间均摊30%），计算各渠道对‘支付成功’事件的贡献转化率，输出 top5 渠道及其归因转化率”。
三、常见异常原因与快速排查项
若结果明显偏离预期，优先检查以下四点：
- 字段映射是否启用关键参数？比如 conversion_value、user_id 是否设为参与归因计算；
- 时间字段是否统一时区？例如 pay_time 是 UTC 还是 UTC+8，指令中必须标注清楚；
- 是否存在未声明的过滤条件？如“只统计 app 端用户”，未写进指令则默认全端；
- 是否混淆了“事件触发次数”和“去重用户数”？指令中需明确写“按 user_id 去重统计”或“统计事件总次数”。
四、提升准确性的实操建议
真正影响结果质量的，往往不是模型能力，而是输入控制力：
- 高频口径建议封装成 Skill：把“新客定义+时间窗口+渠道分组+归因模型”打包为可复用模块，下次直接调用，避免每次重复描述；
- 要求 WorkBuddy 在输出开头复述所用口径，例如：“本次计算采用：新客=首次访问在2026年8月的用户；转化=7日内首单支付；归因=位置基础模型”；
- 做 AB 归因验证：同一数据集分别跑末次点击、线性、位置基础模型，对比各渠道转化率差异，确认是否符合运营常识。
