APP的DAU下降得很厲害，奈何一直找不到原因。當(dāng)DAU數(shù)據(jù)異常，該如何分析原因，解決問(wèn)題？本文對(duì)此進(jìn)行了總結(jié)分析，希望對(duì)你有所啟發(fā)。

小a最近很苦惱，App M的DAU下降得很厲害，一直找不到原因。

于是，本著“專業(yè)的事要交給專業(yè)的人”的原則，他花重金挖來(lái)專家小b，希望能解決此事。

小b果然是有兩把刷子，來(lái)了之后沒多久就發(fā)現(xiàn)了問(wèn)題的癥結(jié)，并開始著手解決問(wèn)題，讓金主爸爸小a不禁大呼“這錢花的值”。

那么問(wèn)題到底是怎么解決的？小b到底是如何力挽狂瀾的？

各位看官老爺，請(qǐng)接著往下看……

一、數(shù)據(jù)異常分析

當(dāng)DAU指標(biāo)異常時(shí)，我們并不推薦分析人員僅僅根據(jù)經(jīng)驗(yàn)和業(yè)務(wù)情況對(duì)DAU指標(biāo)下降的原因進(jìn)行猜測(cè)。

這種方法可能會(huì)存在誤差，而且無(wú)法驗(yàn)證猜測(cè)的有效性，甚至猜測(cè)的結(jié)果可能會(huì)與真實(shí)情況背道而馳。

相比之下，在DAU異常時(shí)，我們更建議分析人員通過(guò)對(duì)DAU的拆解，考慮各種因素對(duì)DAU的影響，并推斷出最有可能影響指標(biāo)的因素。這些被影響的因素可能包括應(yīng)用程序穩(wěn)定性、內(nèi)容質(zhì)量或者市場(chǎng)營(yíng)銷策略等等。

在此基礎(chǔ)上，我們可以采用科學(xué)的驗(yàn)證方法，以確定最有可能的原因，比如單因素驗(yàn)證測(cè)試等。這種方法更為科學(xué)和可靠，可以更好地確保我們能夠準(zhǔn)確和及時(shí)地發(fā)現(xiàn)并解決任何應(yīng)用問(wèn)題。

解決DAU異常的問(wèn)題，核心在于拆解DAU指標(biāo)構(gòu)成，先做指標(biāo)異常原因的猜想，再用數(shù)據(jù)驗(yàn)證猜想。

DAU異常主要分為以下三步來(lái)分析：

1. 明確數(shù)據(jù)是否異常

分析人員要清楚DAU指標(biāo)的變動(dòng)是否是異常的，是否是周期性波動(dòng)造成的，主要從以下幾個(gè)方面來(lái)探究：

• 環(huán)比上周
• 同比去年
• 一段時(shí)間的趨勢(shì)
• 是否是特殊節(jié)點(diǎn)

我們要先確定異常變化的標(biāo)準(zhǔn)。

比如：

周環(huán)比或年同比上升或下降的幅度超過(guò)5%，則判斷為異常變化；

或者DAU連續(xù)一周累積上升或下降幅度超過(guò)10%則判斷為異常。

至于，標(biāo)準(zhǔn)如何確定？

不同的App，具有不同的判斷標(biāo)準(zhǔn)和數(shù)據(jù)容忍度。

為了確立標(biāo)準(zhǔn)，可以觀察近6個(gè)月的DAU波動(dòng)數(shù)據(jù)，并以波動(dòng)較大的時(shí)間點(diǎn)對(duì)應(yīng)的數(shù)據(jù)變化作為參考標(biāo)準(zhǔn)。

確定完標(biāo)準(zhǔn)后，再將實(shí)際值與標(biāo)準(zhǔn)值做對(duì)比。若實(shí)際值大于標(biāo)準(zhǔn)值，則為數(shù)據(jù)異常情況，需要進(jìn)一步分析原因。

2. 了解數(shù)據(jù)變化的原因

分析人員需要分別與技術(shù)、產(chǎn)品和運(yùn)營(yíng)就上述維度展開溝通。常見的異常來(lái)源如下圖所示：

通過(guò)與相關(guān)人員溝通，分析人員可以更好地理解DAU指標(biāo)異常的查詢方向。這樣的溝通有助于避免行動(dòng)上的盲目，從而更加有效地找出問(wèn)題根源。

在大致了解查詢方向之后，接下來(lái)，我們對(duì)DAU指標(biāo)進(jìn)行更細(xì)致的拆解。

3. 排查變動(dòng)因子

首先，從用戶構(gòu)成的角度分析，拆解與DAU指標(biāo)相關(guān)的層級(jí)，可獲得以下公式：

在清楚DAU的構(gòu)成后，我們引入影響系數(shù)來(lái)判斷新老用戶對(duì)DAU變化的影響程度，公式如下所示：

影響系數(shù)越大，說(shuō)明因子對(duì)DAU的影響力越大，越接近真實(shí)。

接下來(lái)，讓我們來(lái)計(jì)算影響系數(shù)，了解究竟是哪個(gè)因子的變動(dòng)對(duì)DAU的影響大。

經(jīng)過(guò)深入的分析和計(jì)算，我們發(fā)現(xiàn)可以發(fā)現(xiàn)新老用戶分別對(duì)DAU的影響程度。

若是老用戶的影響大，則拆解老用戶的構(gòu)成，了解其變動(dòng)因子。

若是新用戶的影響大，也是同理，需要拆解新用戶的構(gòu)成，了解其變動(dòng)因子。

在充分考慮用戶的變動(dòng)因子后，針對(duì)影響大的這一類用戶的流量來(lái)源，將用戶進(jìn)行拆解。

然后分別計(jì)算各來(lái)源數(shù)據(jù)對(duì)DAU總變化量的影響，充分定位DAU指標(biāo)波動(dòng)異常的原因。

通過(guò)計(jì)算各來(lái)源的影響系數(shù)，我們可以知道各個(gè)來(lái)源對(duì)DAU指標(biāo)的負(fù)面影響程度，哪個(gè)來(lái)源需要重點(diǎn)排查。

二、數(shù)據(jù)異常解決

在排查來(lái)源之后，分析人員需要與相關(guān)負(fù)責(zé)人一起定位問(wèn)題。根據(jù)我們的經(jīng)驗(yàn)，以及對(duì)業(yè)務(wù)的了解，確定問(wèn)題驗(yàn)證的幾個(gè)方向。

在確定方向后，我們運(yùn)用以下4步來(lái)驗(yàn)證并解決：

首先，我們提出了對(duì)應(yīng)的解決方案，每個(gè)問(wèn)題的解決方案不同，側(cè)重點(diǎn)也不同，需要具體問(wèn)題具體分析。

其次，在充分考慮問(wèn)題的影響范圍、影響程度、方案的難度等各方面因素之后，對(duì)驗(yàn)證方案進(jìn)行了優(yōu)先級(jí)排序。

再次，我們驗(yàn)證方案，嚴(yán)格控制變量，采用嚴(yán)格的AB對(duì)比實(shí)驗(yàn)，清晰地辨認(rèn)出影響因素，減少其它因子干擾。

最后，數(shù)據(jù)分析，并且不斷迭代優(yōu)化方案，直至數(shù)據(jù)恢復(fù)正常。

三、案例分析

1. 案例簡(jiǎn)介

App M是一款工具類app，平時(shí)的日活穩(wěn)定在140-160萬(wàn)，但是突然在4月15日這天出現(xiàn)了驟降，僅為134.8萬(wàn)，并且數(shù)據(jù)持續(xù)走低。

這幾天的DAU指標(biāo)已處于幾周以來(lái)的低位，問(wèn)題已經(jīng)比較嚴(yán)重了，需要盡快排查并解決。

2. 問(wèn)題定位與解決

在問(wèn)題剛出現(xiàn)的時(shí)候，小a就猜測(cè)是App版本更新的問(wèn)題；然而，技術(shù)排查了2天，都一無(wú)所獲，反而浪費(fèi)了時(shí)間。

小b接手之后，就比較有章法，他有一套比較成熟的方法論來(lái)指導(dǎo)。

下面，我們來(lái)介紹小b是如何解決上述案例問(wèn)題的。

首先是明確數(shù)據(jù)是否異常。

小b觀察了App M近6個(gè)月的DAU波動(dòng)數(shù)據(jù)。根據(jù)小b的經(jīng)驗(yàn)和歷史數(shù)據(jù)判斷，App M的周環(huán)比數(shù)據(jù)的變化幅度超過(guò)5%，則可視為異常情況。

然后，小b通過(guò)數(shù)據(jù)分析可知：App M有較為明顯的周期性效應(yīng)，一般工作日是DAU數(shù)據(jù)的低谷期，而周末則是高峰期。

然而，4月15日和16日雖然是周末，但數(shù)據(jù)卻呈下降態(tài)勢(shì)，并持續(xù)走低，與常規(guī)不符。

此外，周環(huán)比數(shù)據(jù)降幅超8%，高于所規(guī)定的5%，且排除特殊節(jié)點(diǎn)的可能性。

因此，從上述分析可判斷，此次DAU變動(dòng)為數(shù)據(jù)異常情況。

其次，了解數(shù)據(jù)變化的原因。

小b與相關(guān)人員展開了溝通，了解近期業(yè)務(wù)上的波動(dòng)。

通過(guò)有效的溝通，小b得知在DAU指標(biāo)異常變化之前的三天（即4月12日至4月14日），業(yè)務(wù)方面發(fā)生了如下變化：

• 技術(shù)側(cè)：更新App版本；
• 產(chǎn)品側(cè)：上線簽到功能；迭代站內(nèi)交互方式；下線老用戶承接頁(yè)面；
• 運(yùn)營(yíng)側(cè)：重新調(diào)整投放預(yù)算分配；開通新的投放渠道；調(diào)整push推送策略；

在大致了解DAU的查詢方向后，接下來(lái)，小b對(duì)DAU進(jìn)行了更細(xì)致的拆解。

然后，排查變動(dòng)因子。

小b仔細(xì)地計(jì)算了影響系數(shù)，了解究竟是哪個(gè)因子的變動(dòng)對(duì)DAU的影響大。

新老用戶的DAU波動(dòng)變化如下圖所示：

需要注意的是，DAU數(shù)據(jù)以周為維度呈現(xiàn)周期效應(yīng)，并且在4月15日突然下降。

因此，小b使用4月8日和4月15日的數(shù)據(jù)來(lái)計(jì)算影響系數(shù)。

• 老用戶影響系數(shù)=(99.9-117.0)/(138.8-158.1)=88.6%
• 新用戶影響系數(shù)=(38.9-41.1)/(138.8-158.1)=11.4%

小b得出結(jié)論：老用戶的影響系數(shù)遠(yuǎn)高于老用戶，由此而言，老用戶對(duì)于DAU的影響比老用戶更為顯著。

經(jīng)過(guò)分析可以看出來(lái)老用戶影響程度大。

因此，小b進(jìn)一步拆解老用戶的構(gòu)成，將老用戶的變動(dòng)因子分為以下幾個(gè)維度：

在充分考慮老用戶的變動(dòng)因子后，針對(duì)老用戶的流量來(lái)源，小b將App的老用戶進(jìn)行拆解。

小b將App M的老用戶拆解為5個(gè)來(lái)源，分別計(jì)算各來(lái)源數(shù)據(jù)對(duì)DAU總變化量的影響，充分定位原因。數(shù)據(jù)如下圖所示：

• 來(lái)源1影響系數(shù)=(60.1-71.4)/(138.8-158.1)=58.5%
• 來(lái)源2影響系數(shù)=(16.9-22.4)/(138.8-158.1)=28.5%
• 來(lái)源3影響系數(shù)=(8.6-9.6)/(138.8-158.1)=5.2%
• 來(lái)源4影響系數(shù)=(13.1-13.7)/(138.8-158.1)=3.1%
• 來(lái)源5影響系數(shù)=(1.3-0)/(138.8-158.1)=-6.7%

通過(guò)以上數(shù)據(jù)可知，來(lái)源1對(duì)DAU指標(biāo)的負(fù)面影響最大，來(lái)源2次之；基本能確定是來(lái)源1和來(lái)源2出現(xiàn)了問(wèn)題；

所以最后小b著重排查了來(lái)源1和來(lái)源2。

最后，定位問(wèn)題并解決。

在排查來(lái)源之后，小b與來(lái)源1和來(lái)源2的相關(guān)負(fù)責(zé)人一起定位問(wèn)題。根據(jù)經(jīng)驗(yàn)，以及對(duì)業(yè)務(wù)的了解，最終把問(wèn)題定位在以下幾個(gè)方面：

• 渠道投放：新渠道投放不穩(wěn)定
• push：數(shù)據(jù)歸因問(wèn)題
• 站內(nèi)活動(dòng)：補(bǔ)貼力度下降

針對(duì)以上問(wèn)題，小b提出了對(duì)應(yīng)的解決方案，并對(duì)方案進(jìn)行了優(yōu)先級(jí)排序。

在評(píng)估各方面后，小b打算著重解決新渠道投放不穩(wěn)定和push歸因這2個(gè)問(wèn)題。

之后，小b采用了較為嚴(yán)格的AB實(shí)驗(yàn)去驗(yàn)證問(wèn)題，最終發(fā)現(xiàn)問(wèn)題出現(xiàn)在push歸因上，解決了問(wèn)題。

四、總結(jié)

這部分我們簡(jiǎn)單總結(jié)如何應(yīng)對(duì)DAU驟降的問(wèn)題，方案主要如下所示：

文中案例基于實(shí)際業(yè)務(wù)，進(jìn)行了一定程度的模糊化處理。讀者可以借鑒這個(gè)案例來(lái)探討DAU指標(biāo)異常的拆解思路。

我們可以通過(guò)對(duì)比前后數(shù)據(jù)、考慮不同因素的影響、使用科學(xué)驗(yàn)證方法等手段，來(lái)識(shí)別DAU指標(biāo)異常的原因。