碎语
- 学习的正态曲线：入门容易，精通难
- 积累的正态曲线：先越读越多，后越读越少
DAU异常分析
DAU对于一个网站或是APP来说是至关重要的，APP有了更多的人，就能带来更大的价值，有了流量，就能做更多的事情。当然，从投资的角度也能说明DAU的价值。DAU的重要性是不言而喻。
那么，这么重要的指标如果发生了变化，我们该怎么去定位原因呢？
- 如果是涨了，皆大欢喜，并且你会发现很多相关人士会主动说：“哦，这是因为我们做了什么什么”。这时候作为分析师一定要理性地从数据角度看看是不是他们带来的。
- 但是，如果是降了，你会发现，即使你主动去找他们问，他们也会说：“我们最近什么都没有做”。然后当你分析、定位到他们的时候，他们会恍惚失忆般地恍然大悟说：“我记起来我们改了啥啥”。
今天我们就来讲一讲【DAU变化我们到底该如何定位呢】？具体框架如下：
DAU变化分析-指标变化分析框架
季节因素
当产品或运营或你自己发现DAU下降后，第一时间是看这个变化到底是不是值得我们去进一步研究，也就是说这个变化是不是一个异常的变化。一般我们会看：
- 环比上周同一天
- 同比去年
- 一段时间的趋势
- 是不是节假日
基本上我们看完上面几个维度之后，就能定位这个数据的变化是不是异常的。如果是异常下降，我们接下来会从下面的几个方面来看。
外因
- 跟产品同学沟通最近是不是上了新的功能，这个新的功能是不是能够对于DAU造成一定的影响。如是能够影响，那么从时间的维度来看，到底这个DAU的异常变化与产品上线的实践吻合度有多高，以及对于这个产品改动做一个更加深入的分析。
- 跟运营同学沟通，是不是最近上了新的活动，如果是，也是需要跟他们沟通活动的具体细节，看对于DAU的影响。一般运营活动都是通过：机器人/短信/邮件/PUSH等方式进行触达，这其中就会涉及到一个归因的问题。怎么能够说明是他们带来的呢？要么直接通过埋点的方式，用户点击之后进入APP就能获取到来源。如果没有埋点，一般就是逻辑归因了，具体就看大家能接受哪种。一般我们会看运营触达同比上周的时间点，如果刚好是13点DAU涨了，那时候运营也触达了，这就很有可能是他们带来的。当然，具体是不是他们带来的，我们需要更细的数据支持，至少，这里我们就有了方向。
- 跟技术沟通，是不是有新发版本，这个很有可能影响用户的登录，尤其这种对于DAU坏的影响可能更大。
当我们跟产品/运营/技术聊完之后，你就会有了大致的方向该往哪里走了。如果不聊，你可能会浪费很多的时间，最后可能还是查不出来。
结构
接下来我们就能从DAU结构的角度，去看一些具体的维度。一般我们分以下几个维度来看：
- 设备，IOS/安卓(华为/小米...)/PC/小程序/H5。很多人可能第一反应是这有什么好看的，肯定不会有差异。但是，这个很有可能就是技术bug造成一个设备的DAU狂降。
- APP版本，DAU的下降有可能就是某个版本发版之后就下降了，这个我们结合着上面设备一起，有可能是技术的bug。
- 时间点，同比上周的时候会看，这种有可能就是运营做了一些活动，造成了DAU的上升。看的时候，建议取第一次登录的时间点的分布。
- 用户群，新老用户，当然这个新老不同的公司定义不一样，你们肯定有自己定义新老的用户群体。会不会是哪个用户群体的变化。
画像
最后，我们也可以看看用户画像的变化。从属性，比如一些常见的人口学特征，行为方面，是不是某些行为的用户群体发生了变化。最后，是一些偏好类型维度，比如不同用户对于不同的类型文章的偏好等等。
DAU异常分析总结
- 分析的顺便最好按照上面说顺便：季节因素-外因-结构-画像
- 一般DAU异常的变动，基本就是产品/运营/技术造成的。并且杀伤力最大的就是技术，一个技术bug可能带来的伤害很大，而且有可能是无法挽回的。运营，对于DAU的影响可能最常见。
- 我们在分析后面结构和画像时。结构可能更能发生变化，一般画像的变化不会让你一下发现，可能你隔了很久发现咱们的画像有变化了。但是像一些很异常的变化，你从结构的角度更能发现问题。
指标异常下降分析
基于DAU变化的分析，以及工作中长时间对于异常的研究，我总结了异常分析框架，异常分析四步走：趋势-外部因素-内部结构-画像
- 趋势：环比上周-同比去年-时间趋势-排除假期，定位是否是异常。
- 外部因素：跟产品/运营/技术沟通相关的变动，注意归因问题。
- 内部结构：这个指标的组成，比如DAU能看不同设备，其他一些指标也能有自己的维度。
- 最后是画像。
个人经验觉得，顺序最好是四步走1234的顺序。
结束语
如果我不能让您看懂，那是我的问题，如果有疑问可以关注我，然后私聊我，我会尽最大的努力帮助你,如果觉得对你有帮助，请帮忙点赞/关注，谢谢！
网友评论