产品日活 DAU 下降，我该如何着手分析？

本文将以“产品日活DAU下降该怎么分析”这个问题为主进行详尽解析，为大家拆分出解决问题的步骤，分享自身经验的同时总结一些思考分析框架。

本文我选择了一个具体的问题着手写。产品核心数据异常是在工作中经常会遇到的问题，也是常见的互联网面试问题。在此我结合网上的一些分享以及自己的经验，总结一些思考分析框架，让大家在遇到此类问题的时候有一个明确的着力点。

案例简介

一款信息流APP平时日活稳定在79w-80w之间，但是在6月13日起突然掉到了78.8w，到6月15日已经掉到78.5w，这时产品负责人着急了，让你尽快排查一下数据下跌的原因。这样的问题对大多数人来说还是比较头疼的，因为对于80w量级的产品，一两万并不是一个非常大的波动，但原因还是要排查。
拿到这个问题，会觉得不知道从哪点着手开始分析？没关系，我们把常用套路捋清楚了，然后回头再看这个案例。
/(今日总量-昨日总量)
影响系数越大，说明此处就是主要的下降点
以上是几种常见的初步拆分维度，通过初步拆分，定位原因大致范围。

第三步：异常范围定位后，进一步做假设

针对初步定位的影响范围，进行进一步的排查。分三个维度来做假设，建议针对数据异常问题专门建一个群，拉上相应的产品、技术、运营人员一起，了解数据异常时间点附近做了什么产品、运营、技术侧调整。
通过渠道拆分，我们发现渠道3自6月13日起新用户下降严重，于是我们把问题定位在渠道3，应该是渠道3的渠道效果发生问题。联系渠道3的负责人一起定位具体原因，渠道线索量降低？渠道转化率降低？渠道平台的问题？找出原因后，再针对原因解决问题，制定渠道优化策略。

最后要说的

至此本篇文章已到尾声，详细叙述了核心数据异常的分析套路以及讲了一个易于大家理解的小案例，相信大家下次再遇到这类问题，至少有一个明确的着手点。
还有一些想对大家说的是：为了方便大家理解，这个小案例的数据是我虚构的，问题定位过程也比较简单。但是在实际业务中，数据异常的影响原因可能是多方面的（本篇只讲到了一些内部因素，外部环境和竞对其实也会影响核心数据），有的时候也需要建立统计分析模型来做一些定量分析。
可能要花几天的时间去不断排查问题，这个过程繁琐且枯燥，假设验证失败可能会有挫败感，或许忙活了很久但是最后并没有找出原因。
其实这是很正常的事情，数据异常分析甚至对于一个资深数据分析师都是一个令人头疼的问题。所以我们需要在平时工作中多留意数据变化，随着对业务的熟悉和数据敏感度的提升，针对数据异常分析我们也会越来越熟练，更快找到问题所在。
希望本篇内容对大家有实际的帮助，后续想了解更多互联网数据分析相关内容，欢迎关注点赞转发，欢迎一起探讨更多话题。
 
作者：赵小洛，微信公众号：赵小洛洛洛，wechat：luoluo963，邮箱：youlu2409@163.com

关键字：数据分析

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！