起起落落，高峰和低谷。
如果我们的工作做得好，我们通常预计流量会随着时间的推移呈上升趋势，但在任何一个月，很难说是高峰还是低谷值得关注。
我们是否做了一些伟大的事情，引发了一个新的增长阶段？我们从b谷歌的更新中获益了吗？或者这只是正常的变化，是人们找到我们网站的自然潮起潮落的一部分？
或者假设您对内容流程进行了更改—您修剪并重定向了一堆旧内容—然后下个月流量下降。下降是由变化引起的，还是只是巧合？
我一直在试验一种简单的统计工具，旨在帮助回答这些问题：XmR图，也称为过程控制图。
提示
所有这些XmR图表都是由Cedric Chin使用Xmrit生成的。
XmR图表（简要）解释
以下是XmR图表：
XmR图旨在告诉您时间序列中的任何单个数据点可能是由正常波动（“常规变化”）引起的，还是发生了某些事情并需要调查的迹象（“异常变化”）。
XmR图表由一个X图组成（以X值命名，我们关心的“东西”，比如生产的小部件或销售结束）…
…和一个MR图（以移动范围命名，基本上是每个数据点之间的“差距”）：
在其最简单的用法中，如果您在图表上绘制数据，并且它围绕中心线上下摆动，而不越过上限和下限—没有问题！这些起伏可能代表了正常的变化。
但是，任何出现在上限或下限之外的点（用红色表示）都应被视为需要调查的异常。
在上面的X图中，时间序列似乎表现出常规的变化，直到1月16日，第一个红色的越界点出现。
XmR图表表明，16日发生了一些事情，扰乱了我们的生产过程（无论好坏）。我们的工作是调查原因。
旁注。
中间的线是数据集的平均值；上界和下界表示距离平均值3个标准差（称为3- sigma）。任何落在上界和下界之外的点都很可能是异常点，而不是原始概率分布的一部分。
XmR图表还可以向您显示其他“信号”（比如平均线一侧连续的8个点表示另一种异常变化），但我将留给您自己去研究这些信号。
进一步的阅读
Xmrit用户手册
什么是XmR图？
休哈特个人控制图
如何解释XmR图表对kpi的价值
你能在流量数据上使用XmR图表吗？
当我开始阅读XmR图表时，我想到了一个明显的用途：识别谷歌算法更新的影响。
如果一个站点的流量降至零，很容易说“我们受到了人工处罚”。但对于较小的变化，比如连续几个月的流量下降，就很难找出原因。我们是不是被b谷歌的更新卡住了？是季节性因素吗？或者这只是一个巧合，未来交通可能会恢复正常？
以下是Ahrefs博客两年来每月的自然流量数据，数据来自站点浏览器，并绘制在XmR图表上：
这不是特别有用。
有大量的数据点超出了预期范围（红色），很少有数据点位于中线附近，而不是四分位数限制（橙色）。
XmR图应该显示一致过程中的异常变化——但是在这张图中，几乎所有的数据点都表明异常变化。到底发生了什么事?
XmR图表的极限
流程图是围绕简单的制造过程设计的，当一个过程的预期输出是恒定的时候，它们工作得非常好。
如果您的目标是每周生产10,000个小部件，那么XmR图表将帮助您确定每月生产5,600个小部件是日常操作中的正常“暂时现象”，还是由需要调查的实际问题引起的。
网站流量更复杂。影响流量的变量有很多：
每个话题的搜索量波动，
个人排名位置；
新的竞争文章，
搜索功能,
季节性,
发布频率,
谷歌算法更新…
这意味着对一长串流量数据运行XmR分析可能不会很有帮助。你的“博客进程”不可能长期保持稳定。
在我的例子中，这个特定的两年数据快照可能不是来自一个单一的、稳定的过程——其中可能隐藏着多个概率分布。
分析多重概率分布
但我们可以使分析更有用。
XmR图表的最佳实践是，当您知道流程相对静态时，将分析限制在一段时间内，并在怀疑发生了变化时重新计算。
看看下面这个数据的移动范围图，大量的流量变化发生在11月和12月。我们应该调查可能的原因。
我知道我们的发布频率是相当稳定的（我们绝对没有将内容输出翻倍）。季节性会导致流量下降，而不是激增（我们写的是SEO，不是节日礼物指南）。
但在12月初有一个大的谷歌更新：
源
如果我们假设博客进程在这个时候发生了一些事情——可能是谷歌更新引起的流量变化——我们可以在XmR图表中添加一个分隔符。
我们可以将流量视为两个进程，并分别计算XmR图表，而不是试图将其作为单个进程来分析：
现在第一个过程看起来很稳定（全是黑点）。第二个过程也显示了较少的极端变化（红色），但仍然有太多的中等变化（橙色），看起来不稳定。其中可能潜藏着另一个过程。
根据分析XmR图表的经验法则：“当‘长期’数据高于或低于平均线时，需要重新审视XmR图表的持续时间。”这种趋势始于夏末（也就是b谷歌宣布另一个核心更新的时候）：
我们可以在这个“长期”数据的开始添加另一个分隔符，以创建三个独立的XmR分析：
这样做，所有三个分析似乎都是稳定的，没有极端的差异点。换句话说，我们似乎在捕捉交通数据中发生的三个不同过程方面做得很好。
从这个分析来看，我们的流量很有可能是在两次谷歌更新前后受到外部因素的影响。
但这真的有用吗？
现在，这基本上是一个事后数据折磨练习。我们不能从这个分析中推断出任何因果关系，而且完全有可能其他任意的划分也会产生类似的结果。
不过没关系。这些图表不能给你明确的、具体的流量变化的原因，但它们可以告诉你去哪里看，并帮助你确定排除流量下降或激增是否值得你花时间。
模型有用性的最终衡量标准是它帮助你预测事物的能力。XmR图表将来会帮助我更好地管理Ahrefs博客吗？
我想是的。
假设我的“博客进程”保持相对稳定——我以相同的频率发布，针对相同的主题，与相同的竞争对手竞争——我现在有一组“稳定”的数据，我可以使用这些数据为未来的流量数字提供额外的背景：
在接下来的几个月里，我可以弄清楚流量的下降或上升是否可能是正常变化的结果，或者是否有什么变化需要我的注意——比如谷歌更新。
例如，如果我的流量下个月这样做……
我知道，考虑到这个分布，流量下降很可能是正常的，不令人兴奋的变化。
但如果它这样做…
可能还有别的原因在起作用
对于极端的流量变化，你通常可以“观察”流量图表并猜测发生了什么。但是XmR图表对于更细微的变化是有用的，我有机会能够识别和处理一个月的数据。这很酷。
最终的想法
排除流量变化对seo和内容营销人员来说是一个巨大的挑战（我们正在研究一些方法来帮助你在流量数据的噪音中识别信号）。
与此同时，我发现XmR图表是我的工具包中一个有趣的工具，它有助于将我的月度报告数字置于上下文环境中，并证明我应该（或不应该）在业务低迷的月份花费精力排除故障。
（至少，当副总裁在凌晨3点给你发邮件抱怨上个月流量下降了8%时，XmR图表可能会给你必要的信心，让你说“别烦我”。）
旁注。感谢Podia营销副总裁benjamin Elias向我介绍XmR图表。