流量、KD、DR 和收入估计有哪些常见误读？
先问指标是谁、用什么范围和模型测出来，再判断它能支持什么结论。
本页目录
直接回答
先问指标是谁、用什么范围和模型测出来，再判断它能支持什么结论。工具覆盖、抽样、延迟与口径不同，精确显示的小数并不消除估计的不确定性。
适用场景
多个平台数字冲突，或某个低难度、高收入报告看起来过于确定。
一步一步做
给每列写定义
区分 visits、users、page views、search clicks、关键词搜索量与估算自然流量；KD、DR 和域名年龄也分别记。没有定义的数据先不参与决策计算。
检查来源与样本缺口
标注一方数据、官方规则、第三方模型、当事人自述与自己的假设。检查国家、日期、截断表格和缺失列，不把截图中的错位数字恢复成确定事实。
用敏感性与实测复核
同口径比较趋势，关键假设采用高低区间；让反例测试是否会改变选择。证据不足时列出下一次核对，而不是任选一家工具当真值。
案例拆解
假设练习，非真实业绩。
一个工具估算自然搜索，另一个估算全部访问。数值差异不说明谁错误，它们可能根本不测同一个对象；先匹配范围才有比较意义。
行动检查
可复制模板
指标可信度表
指标／定义／单位：
来源类型、工具和方法：
范围、日期与更新延迟：
缺失／零值／截断：
可支持与不能支持的结论：
假设区间、反例及补证：
易错点
估算访问乘以假设转化率是情景模型，不是收入事实。工具权威度不是 Google 权重，数据空白也不是零。