Shopee曝光突然下降：先排这五个原因

曝光下降先别急着改

曝光掉下来的时候，人的第一反应往往是立刻做点什么，因为什么都不做会让人不安。但在原因还不明确的时候动手，代价通常比等待更高昂。改动引入了新的变量，原来的现象就被覆盖了。

更麻烦的是这种动作会连续发生。今天换主图，明天调价格，后天改标题，一周下来商品已经和之前完全不一样了。这时候即使曝光恢复了，也不知道是哪个动作起了作用，经验无法复用。

还有一种情况是按照感觉改反而把问题放大了。原本只是统计延迟，等一天就会恢复，结果因为着急降价，把利润空间让掉了，曝光回来后单量却没跟上，损失是实打实的。

从成本角度看，等待的成本几乎为零，改动的成本却可能是负向的。先花时间确认现象是否真实，比先花时间处理一个可能不存在的问题要合理得多。

所以第一步不是找原因，而是确认这件事有没有发生。这个判断只要一天就能完成，却能决定后面所有动作的方向。方向错了，后面越努力越偏。

具体做法是先给自己设一个等待期。发现下降之后，先不做任何改动，按原有的节奏把这一天走完，第二天早上再看一次数据。这一步成本很低，但能挡掉大量无效操作。

等待期间可以做的事是收集信息，而不是处理问题。把下降前后的数据拉出来，看清是哪几个指标在变、变化集中在哪个时间段。信息越具体，后面的判断就越快。

第二步是把改动清单列出来。最近一周自己做过哪些动作，逐条写上时间和内容。这份清单在后面的排查里是必须的，因为最后的结论要靠它来验证。

第三步是明确一个判断标准。什么情况下认定是真实下降，什么情况下先归为波动。把标准提前定下来，可以避免看到一点变化就开始怀疑。标准定得越具体，执行时越不需要临场判断。

第四步才是动手。动手的时候建议一次只改一项，并且设一个观察期。改一项看一项的方式虽然慢，但它能得到明确的结论，而不是一团混乱的因果关系。

第五步是把这次的过程记下来。什么时候发现的、等了多久、排查了哪些项、结论是什么。记录下来之后，下次遇到同样的情况，等待期和判断标准都可以直接复用。

有个细节值得补充：等待期设多长要按模块的更新节奏来。更新快的模块等半天就够，慢的可能要等一整天。用错等待期，容易在还没出结果的时候就误判成没有延迟。

另一个常见情况是下降其实已经发生好几天了，只是今天才注意到。这种情况下时间点就不准确了，需要往前多看几天的数据，把真正的起点找出来再说。

如果商品在大促或者活动期间，判断标准要放宽。活动期的流量结构本来就和平时不同，波动幅度更大，用平时的标准去衡量，很容易得出错误的结论。

还有一种情况是曝光下降的同时点击率上升。这种组合不一定坏，可能只是商品被推给了更精准的人群。看问题要看一组指标，而不是只看其中一个。

从经验上看，着急动手的人通常在一周之后会发现，真正的原因和最初的猜测完全不同。这个反复出现的现象说明，先确认再动手的顺序值得坚持。

把这一条写进团队的习惯里也有用：发现异动先报备，不先动手。有了这个约定，就不会出现几个人同时改、后面谁都说不清的情况。报备之后，谁在做什么就都在明面上。

顺序本身比结论更重要，先排掉最不可能的再往下走

第一步先排除统计延迟

统计数据不是实时生成的，它需要经过采集、计算和汇总几个环节。任何一个环节有排队，呈现出来的数字就会晚一步。刚发生的变化看不到，往往只是还没算完。

延迟的表现有个特点，就是它的波动集中在边界上。比如某个时间段的数据比前后两天明显低，但再等一天就恢复正常。这种形状的波动，多半是计算节奏造成的，不是真实变化。

判断的方法很简单，就是等一个完整的更新周期再看一次。周期多长需要自己观察几次才能确定，不同模块的节奏不一样，有的几小时，有的要过一天。

等待的时候可以做一件有用的事，就是去看逐小时的数据。如果下降集中在某几个小时，而后面的时段是正常的，那基本可以判断是统计口径的问题，而不是流量真的掉了。

还有一个常见的误判来源是缓存。页面上的数字可能是缓存下来的旧结果，实际数据已经更新了。刷新无效果的时候，可以换个入口看同一个指标，两个入口的数字是否一致能说明问题。

排除延迟的第一步是确认更新节奏。可以连续几天在固定时间点看同一个指标，观察数字什么时候稳定下来。观察几次之后，就能大致知道这个模块多久更新一轮。

第二步是对比两个入口。同一个指标通常在多个页面都能看到，如果两个入口的数字不一致，说明其中一个显示的还是旧结果。这一步能快速排除缓存造成的错觉。

第三步是看更细的时间粒度。整体数字下降的时候，切到逐小时或者逐日的视图，看下降集中在哪一段。如果只是某一段异常，而其他段正常，那更可能是统计问题。

第四步是和相邻周期比。把这次下降的形状和之前的几次波动放在一起看，如果形状相似，说明这是这个模块固有的节奏，不用当成异常来处理。

第五步是确认没有其他人在同时操作。如果同一时间有人在做导入或者批量修改，数据可能出现短暂错乱，等这些动作结束之后再核对一次会更准确。

第六步是把节奏写进工作安排。既然知道了这个模块多久更新一轮，就可以把看数的时间点固定下来。固定之后，就不会因为看到半截数据而误判。

有个容易踩的坑是把延迟当成常态。不是所有的下降都能用延迟解释，等过一次没恢复，就要老老实实往下排查，不能让延迟成为所有问题的挡箭牌。

另一个细节是不同指标的更新节奏不同。曝光、点击、订单可能在不同的时间点更新，看到的数字来自不同的计算批次，直接放在一起比就会错位。

如果连续几个周期都在同一个位置出现空缺或者异常，那就不像随机的统计问题了，可能是某个环节的采集中断了。这种情况值得单独记一笔，观察是否重复出现。

还有一个现象是数据先出了一个偏高的值，然后被修正下来。看到时最好先别当真，等它稳定一次再做判断。这种修正现象在活动期出现得更频繁。

记录的时候把观察的时间点写清楚。几点看的、当时是多少、隔了多久又看了一次。有了时间戳，才能判断某个数字是中间态还是最终态。有了这几个时间点，中间态和最终态就能分开。

这件事做久之后，你会对自己的数据节奏形成一种直觉。知道哪个数字要等，哪个数字可以立刻信。这种直觉的价值比任何工具都直接。节奏感建立起来之后，看数的效率会高很多。

越靠前的原因越容易被误判成真下跌

商品状态有没有变化

商品状态是最容易被忽略的一类原因，因为它不会主动提醒。商品依然能打开，看着正常，但实际已经不在原有的展示位置上，曝光自然就消失了。

最直接的一类是下架或者缺货。某个规格卖完了，系统会把这个规格从可售列表里拿掉，对应的展示机会也就没了。如果这个规格原本承担了大部分曝光，整体数字会掉得很明显。

第二类是审核或者违规处理。被限制展示时通常会有提示，但提示不一定显眼，很容易被漏掉。判断方法是看商品是否还能被搜索到，搜不到就要往这个方向查。

第三类是价格异常。价格被系统判定为不符合规则，或者设置值被误改，都会影响展示。这类问题的特点是商品本身没问题，只是排序位置变了，从可见变成了不可见。

第四类是图片和类目属性被调整。主图被替换、类目属性被改动，都会让商品重新进入排序计算，位置会短暂波动。这类波动通常持续时间不长，但幅度可能不小。

查状态的顺序建议从可见性开始。先看商品还能不能被搜索到，能搜到说明基本状态正常，搜不到就直接往审核和类目方向查，这一步能把范围迅速收窄。

然后看规格层面的库存。整体有货不代表每个规格都有货，曝光往往是被某个主力规格带起来的。逐个看规格的剩余量，找出已经售完的那一项。

接着看价格有没有被动过。包括自己改的和系统调整的两种情况，判断方式是和之前记录的价格比对，差异超过一定幅度就值得注意。和记录比对的习惯，成本很低但很挡事。

再看图片是否完整。有些情况下主图会被替换成占位图，商品还在，但用户看到的不是原来的内容。这类情况在商品列表里不一定看得出来，需要点进去确认。

最后看配送和可售区域的设置。区域被误关、配送方式被改动，都会让商品在某些站点不可见。这一项影响面通常比较大，但设置入口比较深，容易漏查。

这几项查完，商品侧的原因基本就排干净了。把每次查的结果记在一张表里，形成固定清单，以后遇到类似情况按清单走一遍就行。清单在手，就不会漏掉藏在深处的设置项。

有一个容易漏掉的细节是商品被合并或者拆分过。运营在做店铺整理时可能把重复商品合并了，被合并掉的那一个曝光就会归到另一个商品上。归到哪个商品上，看曝光结构的变化就能发现。

还有一种情况是商品被平台打上了标签，比如部分限制或者流量降权。这类处理不一定在主页面有提示，需要在专门的入口才能看到。这类限制通常有期限，需要留意它什么时候解除。

如果商品本身涉及品牌或者授权相关的资料，资料过期也可能导致展示受限。这一项不容易想到，查的时候可以把它列进清单，免得到时候反复找。

库存这块有个细节是虚拟库存。显示有货但实际已经发不出货的情况，会在订单环节暴露，但曝光可能提前就已经受到影响。库存和可售要分开看，两者并不是一回事。

记录商品状态变化时，建议连时间一起记。什么时候下架的、什么时候恢复的，这些时间点在后面对照曝光曲线时非常有用。时间点对齐之后，变化和动作的关系才会浮现出来。

把这几项做成一张固定清单之后，每次查商品状态就按清单过一遍。清单化的好处是换人执行时质量不会明显下降。清单的另一个好处是新人接手时不用重新摸索。

搜索与类目是否被调整

搜索排序不是固定的，它会随关键词、竞争环境和商品表现持续变化。有时候商品本身完全没动，但从某个位置掉下去了，原因在于周围的商品变了。

关键词是最先要看的一项。同一个商品在不同搜索词下的表现差别很大，如果某个主要搜索词的排序下降了，整体曝光就会受影响。这个变化在单个商品上看不出来，需要按词去看。

另一项是类目归属。商品挂错了类目，或者类目本身被平台调整过，都会影响它出现在哪些场景里。类目错了，商品可能还在，但展示的入口变了。

还有一类变化来自商品信息的重算。修改过标题、属性或者图片之后，系统会重新评估商品的匹配度，排序位置会有一段时间的波动。这段时间的表现不能代表长期水平。

判断这一类原因，有效的办法是拿关键词单独看。把自己主要靠的几个搜索词列出来，逐个看排序位置有没有变化，比整体看曝光数字更容易找到线索。

查搜索问题的第一步是确定主要流量词。翻一下最近带来曝光的那些搜索词，挑出贡献最大的几个，后面的排查都围绕这几个词来做。选词的依据是贡献度，不是自己印象最深的那个。

第二步是逐个看排序位置。用同样的方式在搜索结果里找到自己的商品，记录它大概在什么位置。这个动作重复几天，就能看出位置是在稳定下降还是随机波动。

第三步是看周围有什么变化。同一位置附近是不是换了一批商品，新上来的商品有什么共同点。这些信息能说明竞争环境发生了什么样的变化。周围环境的变化，往往比自己的动作影响更大。

第四步是核对类目归属。看商品当前挂在哪个类目下，和自己预期的是否一致。类目被调整过的话，展示场景会跟着变，曝光结构也会变。核对自己挂的类目，是排查里最容易被跳过的一步。

第五步是检查近期是否改过商品信息。改标题、改属性、换图片之后，系统需要重新计算匹配度，这期间排序通常会波动。这类波动有明确的起点，比较好判断。

第六步是把关键词和位置的观察固定成习惯。可以每周记录一次主要词的位置，形成一个简单的序列。有了序列，异常一眼就能看出来，不需要临时判断。

有一个细节是同一商品在不同设备上看到的排序可能不同。判断位置变化时，尽量固定用同一种方式去看，否则得到的差异可能来自设备而不是排序本身。

另一个细节是搜索位置和个性化有关。不同账号看到的结果有差异，所以看位置只能看趋势，不能把某一次的具体名次当成准确事实。趋势能说明方向，单次名次只能说明当下。

如果发现某个词的位置一直在缓慢下滑，而其他词稳定，那可能是这个词的竞争变激烈了，而不是商品本身出了问题。判断的关键是看范围，是全面下滑还是单点下滑。

类目这块还有一个容易忽略的情况是新增了子类目。平台调整类目结构后，原来合适的归属可能变得不够精确，需要在新的结构里重新选择。类目结构一调整，老商品的展示入口就会跟着变。

把主要搜索词和观察到的位置记成表，每周更新一次。序列积累到一个月左右，趋势就非常清楚了，比临时翻看要可靠得多。有了序列，判断就不必依赖当天的记忆和感觉。

这类问题的处理往往不是一次性的，需要持续观察。把它并入日常的检查动作，比等出问题再查要省力。把它并进日常动作，比事后集中查要省力得多。

平台流量大盘的影响

不是所有波动都来自自己的动作，有些来自整体环境。当所有同类商品的表现同时下滑，而自己的动作没有任何异常时，应该优先考虑大盘因素。这一个判断能直接决定后面该怎么动手。

判断大盘最直接的方式是做横向比较。同一店铺里其他商品是不是也在跌，跌的幅度是不是接近。如果答案是肯定的，那问题的范围就不在你这一件商品上。

周期因素也属于大盘的一部分。促销活动前后、季节转换、假期临近，整体流量结构都会变化。这种变化是有规律的，翻一下去年同期的情况通常就能看出来。

大盘因素的另一个特征是恢复性。它引起的下降往往在一段时间之后自行回到原来的水平，不需要额外动作。如果折腾了一轮之后数据自己回来了，说明本来就不是能靠操作解决的问题。

这类原因不需要急着处理，但需要记录。把发生的时间、幅度和恢复时间写下来，下次再遇到相似的形状，就能更快地判断出是大盘还是自身问题。

判断大盘的第一步是做店内横向比较。把在售的主要商品列出来，看它们的曝光是不是同步下降。如果多数商品同向变化，大盘的因素就占了较大比重。

第二步是看下降的幅度是否接近。真正的大盘因素带来的影响通常比较均匀，各商品的跌幅在一个区间内。如果只有少数商品大跌，那更可能是这些商品自身的问题。

第三步是翻历史记录。把去年同期或者上一个同类活动期的数据调出来对照，看这个时间点是不是本来就有波动。有前例的话，判断会稳妥很多。

第四步是观察恢复的方式。大盘因素引起的下降往往在几天之后自行回升，不需要干预。如果没有回升，就要回到前面的排查项继续往下找。能自己回升的，通常不用急着干预。

第五步是把大盘波动写进记录。哪几天整体偏低、大概偏低多少、什么时候恢复，这些都值得留档。积累一两个周期之后，就能形成自己的波动基线。

第六步是分清可以做的和做不了的。大盘变化无法左右，能做的只是调整自己的节奏，比如在低谷期少投入一些推广预算，等回升之后再跟进。节奏跟着大盘走，比逆着走要省很多力气。

有个细节是看大盘不能只看自己店铺。同类目卖家的表现也需要参照，如果大家的曲线形状接近，那基本可以确认是整体环境的影响。同行怎么看这件事，比工具给的结论更直观。

还有一种情况是大盘没有明显变化，但流量结构变了。比如搜索来的流量减少，推荐来的流量增加。总量看着差不多，但来源变了，后续的转化也会跟着变。

活动期前后的大盘变化特别明显。活动前的蓄水期通常流量偏低，活动开始后会快速拉升。判断时要把这个节奏考虑进去，不能拿活动期的标准看蓄水期。

如果发现下降和某个行业事件在时间上重合，比如进入某个消费淡季，那大盘解释的可信度就更高。这类判断需要结合自己对行业的了解。把行业节奏和自己的数据放在一起看，判断会更稳。

记录大盘波动时，建议留一份简单的基线。每天记录一个总数，长期积累下来，什么样的波动算正常就有了参照。基线积累到一定程度，波动就有了参照物。

这部分的价值在于帮你排除掉不该归因到自己身上的问题。归因错了，后面的动作都会白做。归因准了，处理动作才可能真正解决问题。

容易确认的问题先处理，难确认的放到后面慢慢看

自己的改动是不是主因

最后一层才是看自己的动作。之所以放在最后，是因为它最容易确认，也最容易让人产生联想。前面几层排掉之后，剩下的假设会清晰很多。放在最后查，反而最容易查出明确结论。

确认的第一步是找时间点。改动发生在哪天，曝光开始下降是哪天。如果两件事发生在同一天或者紧挨着的两天，这个改动就值得重点怀疑。时间对不上，就说明主因在别处，不必再纠缠。

第二步是看幅度是否匹配。改的是主图，影响主要在点击环节，曝光不一定直接下降；改的是标题，影响的是搜索匹配，曝光下降会更直接。动作和变化之间要有合理的传导路径。

第三步是控制变量。如果这段时间同时改了多处，就需要一项一项回退来看。回退的顺序建议从改动幅度最大的那项开始，它的影响通常也最明显。

还有一种容易被忽略的情况是间接影响。比如改了价格之后，商品从原来的价格带里掉了出去，被推给了另一批人群，曝光和点击都会跟着变。这不是改动本身错，而是定位变了。

查自己改动的第一步是确定时间锚点。把最近所有操作按时间排一列，标出曝光开始下降的那一天。时间对得上的操作，优先级最高。操作时间和生效时间要分两栏记，不要混在一起。

第二步是判断传导路径是否成立。不同动作影响的环节不同：标题影响搜索匹配，主图影响点击，价格影响人群定位，库存影响可售范围。路径对不上，就不能轻易归因。

第三步是看幅度是否合理。小幅调整通常引起小幅波动，如果改动很小而下降很大，说明中间还有别的因素在起作用，不能全算在这次改动头上。

第四步是做单项回退。同一时间改了多项时，按影响面从大到小一项一项退回，每退一项观察一个周期。这个过程比较慢，但能得到明确的结论。

第五步是留意间接影响。改动可能没有直接压低曝光，而是改变了商品被推送给哪类人群，曝光的总量没大变化，但结构变了。这种变化需要看人群维度才发现。

第六步是把结论写下来。哪个动作、什么时候改的、引起什么变化，写成一条记录。以后再想做类似改动时，可以先翻一下这条记录。记录写清楚了，下次就能直接查，不用重新推。

有一个容易忽略的细节是改动的生效时间。有些修改提交之后要过一段时间才生效，判断时间点时要按生效时间，而不是按操作时间。按生效时间对齐，是很常见的一个判断偏差来源。

另一个细节是多人同时操作。团队里如果同时有人在做优化，两个人改的时间点靠得很近，就很容易互相干扰，让因果判断变得困难。多人操作时，最好有一个人统一记动作时间。

还有一类影响是间接的。比如调整了物流模板，短期内不影响曝光，但会影响一部分区域的买家能不能下单，过一段时间曝光结构就会跟着变。间接影响不会立刻显形，要拉长一点周期才看得见。

判断时可以用一个小技巧：找一件没有改过的商品作为对照。如果这件商品的曝光平稳，而改过的那件下降，说明改动和下降的关联度更高。给自己留一个没动过的对照组，是最省事的做法。

回退的时候也要注意节奏。刚改完就立刻退回，可能看不出效果，因为数据还没体现出来。一般要等一个完整的观察周期再决定要不要退。回退也有观察期，退了就马上判断容易误伤好改动。

把每次改动都记进同一份清单里，时间就在一条线上。以后回看时，哪次改动对应哪段变化一目了然，这个习惯的回报很直接。时间线越清楚，后续的判断就越有把握。

没有顺序地改，会让原因被自己的动作掩盖掉

排查完之后做什么

排查的结论有两种，一种是找到了明确原因，另一种是排完了所有项还是没找到。两种情况下该做的事不一样，但都需要记录下来。两种结论都要落到记录里，才算这次排查做完。

找到原因的情况相对简单，就是针对那个原因处理。这里要留意的是处理之后要再观察一个周期，确认数据确实恢复了，而不是恰好到了恢复的时候。

没找到原因的时候，重点应该转向扩大信息。把观察周期从一天拉到一周，把范围从一件商品扩到同类商品，把维度从曝光扩到点击和转化，往往能看到之前看不到的规律。

不管哪种结论，都要把这次排查的过程写下来。写了哪些项、怎么判断的、结论是什么。这份记录的价值不在于这一次，而在于下一次能少走一遍。

最后还有一件容易被跳过的事，是把结论同步给相关的人。客服、运营、推广各自看到的信号不同，把结论说清楚，能避免其他人重复做一遍相同的排查。

排查结束的第一件事是处理已确认的问题。该恢复状态的恢复，该补库存的补库存，该调回价格的调回价格。处理动作要一次做完，不要边改边看。

第二件事是确认恢复。处理完之后再观察一个完整的更新周期，看数字有没有回到正常区间。这一步不能省，否则不知道是处理起效了还是自然回升。

第三件事是更新自己的判断标准。这次用了什么标准判断是真下降还是波动，标准是否合适，需要的话做一次调整。标准越贴近实际，误判就越少。

第四件事是同步给相关的人。运营、客服、推广对同一件事的感知不同，把结论说清楚可以避免重复劳动。同步的内容不需要复杂，说清时间和结论就够。

第五件事是补检查清单。这次排查里如果发现有遗漏的项，就把它加进清单。清单是活的，用一次补一次，用久了就成了一本贴合自己业务的排查手册。

第六件事是安排一个回看时间点。等一周或者一个月之后再看一次，确认这个问题没有反复。有些问题会周期性出现，回看能帮助识别这种规律。

有个细节是处理完不要马上收工。等数据恢复确认之后，再花几分钟把这次的关键信息补进记录里，趁记忆还清楚的时候写，质量最高。趁热写下来的信息，比隔天回忆的要准确得多。

另一个细节是区分处理动作和观察动作。处理是改变现状，观察是收集信息，两者不要同时进行。同时做的话，就无法判断变化来自哪一边。把两件事分开，因果才不会被自己搅乱。

如果这次的原因是商品状态问题，处理完要顺手看一下同类商品有没有相同情况。一个问题往往代表一批问题，顺手排查一轮能省下后面的麻烦。

如果原因是自己的改动，处理完要更新一下自己的操作习惯。比如以后改标题之前先记录当前状态，方便需要时对照，这类小习惯积累起来很有效。

还有一种情况是排查之后发现问题不严重，不需要处理。这种结论同样要记下来，说明当时判断过。不记的话，下次还会再排查一遍。记下无事发生的结论，也能省掉下一次的排查。

把排查结果和后续动作放在一起看，你会发现真正需要动手的情况其实不多。多数波动只需要观察和记录，这个认识本身就能减少很多无谓的操作。

常见问题（FAQ）