用WorkBuddy打通投放+CRM+客服三系统，搜索词全链路归因实操

用 WorkBuddy 打通投放后台+CRM+客服对话三套系统，做搜索词到到诊的全链路归因实操

代码

报告漏斗图

前言

做搜索广告投放的人基本都遇到过同一个老大难问题：前端投放数据和后端转化数据对不上。

广告后台只能看到消费、展现、点击、一句话咨询、留线索，看不到用户最后有没有真成交；客服对话系统知道聊了什么，但不知道这人是哪个搜索词来的；转化数据在业务系统的CRM里，记录了搜索词但经常跨月甚至跨季度才转化。三套系统各管一段，数据全是孤岛。

以前想搞清楚"哪个搜索词最后真的带来转化"这种问题，得手动导三份表对，对一次少说半天，还经常对不上。后来用 WorkBuddy 搭了一套数据全链路分析的工作流，几个小时就能跑完一轮深度归因，这里把整套实操过程写出来，给同样被数据孤岛折磨的同行一个参考。

一、先理清楚：三套系统各有什么数据

这是我踩坑踩出来的认知，写在这里省得你重走一遍。

关键矛盾：广告后台前端留线索900多条，但CRM里同月转化只有30多条，中间差了一大截，没法一对一追溯。如果只看广告后台数据做否词决策，一定会误杀真正能转化的词。

二、用 WorkBuddy 干了什么

整个工作流拆成三步，每一步都让 WorkBuddy 用 Craft 模式直接处理文件：

第一步：统一三套系统的数据格式

三套系统导出来的格式完全不一样——广告后台搜索词报表是 GBK 编码的 CSV，CRM 是 XML 格式的 XLS，渠道库是普通 XLSX。直接读会乱码或报错。

让 WorkBuddy 写一个共享的数据加载模块 data_loader.py，把三套数据统一成一份标准结构。关键点：

• 广告后台CSV要指定 encoding='gbk'，否则中文乱码
• CRM的XLS是XML格式，要按列位读（比如 Col 0=姓名, Col 4=录入日期, Col 6=转化日期, Col 10=来源, Col 18=搜索词），不能按表头名读，表头经常变
• 渠道库是来源→归属的映射表，用来把CRM里五花八门的来源归一到投放渠道

踩坑提醒：千万别让AI"补充"数据。我一开始让模型对着残缺数据"推测一下"，结果它编了一堆不存在的数字进去，后面全错了。铁律：所有数字必须从原始数据来，缺就是缺，不做任何填充。

第二步：词级转化漏斗分析

三套数据合并后，对每一个重点保护词构建完整漏斗：

展现 → 点击 → 咨询 → 留线索 → 转化

前四步广告后台有，最后一步要到CRM里匹配。这里有个最关键的归因规则，按这套规则匹配，而不是简单的字符串相等：

弱匹配方向决定可信度：

• CRM短词 ⊂ 广告后台长词 → 可靠匹配（投的长词匹配了CRM录入的短词）
• 广告后台短词 ⊂ CRM长词 → 弱匹配（投的是短泛词，CRM录的是具体搜索）

短泛词（≤3字）不参与模糊匹配：比如"抑郁"这种2字词，不能去匹配"某地抑郁症医院哪家最好"这种12字长词，只能归因到病种维度，不能归因到具体词。

这套规则是对照真实数据一条条核出来的，WorkBuddy 帮它落成了代码（funnel_analysis.py），以后每月新数据来了直接跑，不用再人工核。

第三步：搜索词上下游链路分类

这是最有价值的一步。把所有搜索词按用户意图分三类：

• 上游词（信息获取阶段）：用户在了解问题
• 中游词（需求明确阶段）：用户在找解决方案
• 下游词（决策阶段）：用户在选服务商

分类规则写在 pipeline_classify.py 里。分类之后能看出一个很重要的问题：同一个词在链路不同位置价值完全不一样。如果一刀切按"费用类词不转化"否掉，会把真正能转化的词一起否了。

实际跑下来发现：费用类词的留线索率和全局几乎一样，"费用词100%不转化"是个被推翻的错误假设。还有6个词前端0留线索，但CRM里实际有转化——这种词按当月数据否就废了，因为转化可能滞后数月。

三、踩过的坑（避免你重走）

1. 当月数据不足以判断否词。转化经常跨月甚至跨年，CRM里有5个2022-2025年录入的客户，2026年才转化。否词必须看历史3个月以上的CRM数据。
2. 不要按词类型一刀切否词。费用词、症状词、品牌词，每一类里都有能转化的和不能转化的，得看后端转化，不能只看前端留线索。
3. 数据严禁补充。AI特别爱"帮忙补全"，一定要盯死，缺数据就标缺，不能编。
4. 追踪码是第四块拼图。搜索词告诉你用户想什么，追踪码（搜索词→关键词→单元→计划）告诉你投放策略哪里出问题。一开始忽略了追踪码，分析总是差点意思。
5. 多账户/多地区数据要分开看。不同账户、不同地区的转化特征差很多，混在一起分析会把差异抹平。

四、效果和省时估算

以前手动做一轮全链路归因：3-5天，还容易出错。 现在用 WorkBuddy 跑：2-3小时出一份HTML深度分析报告，包含词级漏斗、链路分类、异常词个案深挖三个模块。

输出是一份可以直接给老板看的 HTML 报告，不用再手动排版。每个月新数据来了，换一下输入文件路径，跑一遍就行。

五、一点心得

WorkBuddy 在这种"多系统数据打通 + 规则化分析"的场景下特别好用，因为它能直接读文件、写代码、跑脚本、出报告，一条龙。不像纯对话型AI，得把数据复制粘贴进去，还限制长度。

几个使用建议：

• 先理清规则再让它干活。归因规则、分类规则这种业务逻辑，得自己先想清楚，再让WorkBuddy落成代码，不能指望它自己猜业务规则。
• 数据输入规范要写死。哪个字段在第几列、什么编码、什么格式，写成文档固定下来，否则每次数据格式一变就崩。
• 简单查询用Ask模式，深度分析用Craft模式。Ask不碰文件省积分，Craft能读写文件适合干活，按需切换能省不少额度。

如果你也在做投放数据分析，被多系统数据孤岛困扰，可以参考这套思路搭一个自己的工作流。有问题欢迎评论区交流。