數(shù)據(jù)指標(biāo)出現(xiàn)異常波動時,你該如何進(jìn)行異常分析呢?
當(dāng)APP產(chǎn)品業(yè)務(wù)線的某個數(shù)據(jù)指標(biāo)出現(xiàn)異常的波動時,該如何著手?jǐn)?shù)據(jù)異常分析呢?
在日常的工作中,我們經(jīng)常會遇到“產(chǎn)品XX數(shù)據(jù)指標(biāo)出現(xiàn)異常波動,或上升或下跌”的問題,XX指標(biāo)包括但不限于日活、次日留存率、注冊轉(zhuǎn)化率、GMV、客單價等等。我們該如何著手處理分析呢?
這也是面試數(shù)據(jù)方面的工作比較常見的問題。那么,今天將系統(tǒng)的梳理總結(jié)一下這類問題的分析框架以及需要考慮的問題,今后在遇到此類問題時,希望能有一個明確的著力點以及分析思維。
01
一般來講,產(chǎn)品的某些數(shù)據(jù)指標(biāo)都會具有固定的波動周期,而且每個周期內(nèi)數(shù)據(jù)的變化應(yīng)該趨于穩(wěn)定,但在數(shù)據(jù)監(jiān)控體系里的日報、周報、月報中某數(shù)據(jù)指標(biāo)突然不再符合預(yù)期的穩(wěn)定變化,這就是我們所說的數(shù)據(jù)出現(xiàn)異常波動。在這種情況下,我們就需要去深挖數(shù)據(jù)異常產(chǎn)生的原因。
而做數(shù)據(jù)異常分析核心就是結(jié)合以往經(jīng)驗及各種信息,找出最有可能的原因假設(shè),通過將數(shù)據(jù)指標(biāo)的進(jìn)行拆分,再多維度分析來驗證假設(shè),定位問題所在。其過程中可能會在原假設(shè)基礎(chǔ)上建立新的假設(shè)或者是調(diào)整原來假設(shè),直到定位原因。
其實,通過我們每一次的異常分析來定位造成數(shù)據(jù)波動的問題及原因,建立起日常運營工作和數(shù)據(jù)異常波動之間的關(guān)聯(lián)性,進(jìn)而就可以從中找到促進(jìn)數(shù)據(jù)增長的新的思路和方法,改變數(shù)據(jù)結(jié)果。
02
現(xiàn)在,我們先來明確一下數(shù)據(jù)指標(biāo)出現(xiàn)異常:上升或下跌,通常有以下情況:
- 一次性波動:只在某個時間節(jié)點發(fā)生波動。一次性上升/下跌背后原因的一般都是短期/突發(fā)事件,比如系統(tǒng)更新導(dǎo)致數(shù)據(jù)統(tǒng)計錯誤,突發(fā)的渠道投放凍結(jié)等。
- 周期性波動:會周期性發(fā)生上升/下跌,比如雙十一、周末、春節(jié)等季節(jié)性因素。一般業(yè)務(wù)開展都有周期性,比如考勤工具類APP,就是以周為單位循環(huán)。工作日和周末就是有明顯差異波動。
- 持續(xù)性波動:從某時間開始,一直出現(xiàn)上升/下降趨勢。而持續(xù)性上升/下跌背后原因往往都是深層次的,比如用戶需求轉(zhuǎn)移,渠道投放長期暫停,大環(huán)境等因素,導(dǎo)致出現(xiàn)持續(xù)性的。
以上,這三種情況意味著問題本身不同的嚴(yán)重程度。
如果是數(shù)據(jù)指標(biāo)下跌的話,周期性下跌一般都不需要做特殊處理;一次性下跌往往來的比較突然,要關(guān)注事件持續(xù)性;持續(xù)性下跌的,特別是不見好轉(zhuǎn),持續(xù)的時間越長問題越嚴(yán)重。
需要注意是:不能單純的看日周月報表中趨勢圖的走勢,要結(jié)合波動的幅度來看——幅度越大,說明出現(xiàn)的異常問題越值得注意。
03
那么接下來,捋清楚思路,我們以“某APP的日活有所下降”,該如何著手分析呢?
第一步:確認(rèn)數(shù)據(jù)以及統(tǒng)計來源的準(zhǔn)確性
在這里強(qiáng)調(diào)一下:數(shù)據(jù)真實性是根基。
實際上因為數(shù)據(jù)源出問題,導(dǎo)致的指標(biāo)異常非常非常多。所以在開始著手分析前,必須首先確認(rèn)數(shù)據(jù)的真實性;經(jīng)常會遇到服務(wù)器異常、數(shù)據(jù)后臺統(tǒng)計出現(xiàn)錯誤、在數(shù)據(jù)報表上出現(xiàn)異常值。
所以,遇到問題第一順位先確認(rèn)數(shù)據(jù)沒有錯,找數(shù)據(jù)統(tǒng)計相關(guān)的產(chǎn)品和開發(fā)確認(rèn)下數(shù)據(jù)的真實性。
第二步:了解清楚數(shù)據(jù)指標(biāo)(app日活)具體業(yè)務(wù)情況和異常情況
明確以下問題:
- 明確日活究竟下跌了多少?持續(xù)的時間是多久?
- 相比昨天、上周都分別跌了多少?(同比、環(huán)比)
- 確認(rèn)指標(biāo)波動幅度是不是在合理的范圍?
- 引起日活下跌的因素有哪些?這些因素分別對日活的影響程度有多大?
- 與這些因素相關(guān)的運營以及產(chǎn)品部門對日活的影響程度有多大?
- 這些部門是不是會因為產(chǎn)品迭代或者運營策略得到改變影響日活?
- 確認(rèn)日活下跌對整體產(chǎn)品業(yè)務(wù)線的KPI影響程度?
- 了解日活下跌對產(chǎn)品業(yè)務(wù)線有哪些影響?
- 以前日活下跌后,都采取過哪些措施?
清楚了數(shù)據(jù)指標(biāo)(APP日活)的具體情況,有了輕重緩急的判斷,下一步就可以進(jìn)行指標(biāo)的拆解,再縮小懷疑范圍,建立分析假設(shè)。
而建立假設(shè),有助于去偽存真的進(jìn)行驗證,進(jìn)一步逼近真實原因。
第三步:將數(shù)據(jù)指標(biāo)進(jìn)行拆解
如:日活=新增用戶+老用戶留存+流失用戶回流,二級指標(biāo)拆解如下
- 可拆解新增用戶來源渠道:如應(yīng)用市場,百度搜索等
- 可拆解老用戶留存渠道:華為、vivo應(yīng)用商店等
- 可拆解新老用戶登錄平臺:安卓、iOS等
- 可拆解新老用戶用戶的地區(qū):天津、北京等
- 可拆解新老用戶使用版本:新老版本
- 可拆解新老用戶活躍時間:節(jié)假日、周期性等
- 可拆解流失用戶:自然回流, 回訪干預(yù)回流等
可分別計算每個維度下不同的活躍用戶數(shù)。
通過這種方法,定位到導(dǎo)致哪個區(qū)域或者渠道的日活下降的用戶群體是誰,以及定位原因有了大致范圍。
比如定位是新用戶問題,我們需要再把新用戶日活按渠道進(jìn)行拆分:新用戶=渠道1+渠道2+渠道3+其他渠道;通過渠道拆分,我們會發(fā)現(xiàn)是具體哪個渠道效果發(fā)生的問題。
那么,繼續(xù)下一步我們要根據(jù)實際業(yè)務(wù)進(jìn)一步做假設(shè),具體情況具體分析。
第四步:異常范圍定位后,要根據(jù)業(yè)務(wù)進(jìn)一步做假設(shè),實際具體情況具體分析
具體分析可以采用“內(nèi)部-外部”事件因素考慮。
? 內(nèi)部-外部事件
在一定時間內(nèi)同時發(fā)生可能很多種,主要關(guān)注數(shù)據(jù)指標(biāo)的起點、拐點、終點。
- 數(shù)據(jù)指標(biāo)起點:數(shù)據(jù)指標(biāo)剛下跌時,發(fā)生了什么事件;往往起點事件是問題發(fā)生的直接原因。
- 數(shù)據(jù)指標(biāo)拐點:在指標(biāo)持續(xù)下跌過程中,是否某個事件的出現(xiàn),讓問題變得更嚴(yán)重,或者開始轉(zhuǎn)暖。拐點意味著,這是可以通過運營手段改善指標(biāo)的。
- 數(shù)據(jù)指標(biāo)終點:當(dāng)某個事件結(jié)束后,指標(biāo)恢復(fù)正常?;虍?dāng)開始某個事件后,指標(biāo)下跌結(jié)束。終點事件的兩種形態(tài),代表著兩種改善指標(biāo)的方法:等問題自己過去,或者主動出擊解決問題
??內(nèi)部事件因素
- 分為獲取用戶(渠道轉(zhuǎn)化率降低、渠道平臺的問題等)
- 滿足用戶需求(新功能變更等引起某類用戶不滿)
- 促活運營手段(簽到等提活手段沒達(dá)成目標(biāo)、產(chǎn)品自然使用周期低導(dǎo)致上次獲得的大量用戶短期內(nèi)不需要再使用等)
- 內(nèi)部功能和運營策略調(diào)整(產(chǎn)品、運營、技術(shù)在數(shù)據(jù)異常時間點附近做了什么策略調(diào)整)
?外部事件因素
采用PEST分析(宏觀經(jīng)濟(jì)環(huán)境分析)——政治(政策影響)、經(jīng)濟(jì)(短期內(nèi)主要是競爭環(huán)境,如對競爭對手的活動)、社會(輿論壓力、用戶生活方式變化、消費心理變化、價值觀變化等偏好變化)、技術(shù)(創(chuàng)新解決方案的出現(xiàn)、分銷渠道變化等)。
我們遵循短期變化找內(nèi)因,長期異動找外因。
在條件允許范圍內(nèi),再結(jié)合自身業(yè)務(wù)經(jīng)驗確定幾個最可能的原因假設(shè),給這些假設(shè)排數(shù)據(jù)驗證的優(yōu)先級,逐一排查,深入分析,比如本次指標(biāo)下跌是因為新功能不符合預(yù)期不給力、渠道投放力度不夠、競品太厲害、版本更新大bug、流失嚴(yán)重等。
第五步:預(yù)測未來是否還會下跌?應(yīng)該采取什么方式避免下跌?
與業(yè)務(wù)溝通反饋分析結(jié)論,探討后續(xù)方案的執(zhí)行;再針對原因解決問題,制定優(yōu)化策略。
最后,我們要預(yù)測影響到什么時間;并運營、產(chǎn)品溝通反饋分析結(jié)論,探討后續(xù)方案的執(zhí)行。
04
以上,就是梳理的“數(shù)據(jù)指標(biāo)出現(xiàn)異常波動時,該如何著手?jǐn)?shù)據(jù)異常分析?”的思路框架,現(xiàn)在總結(jié)一下:
第一步:確認(rèn)數(shù)據(jù)以及統(tǒng)計來源的準(zhǔn)確性?
第二步:了解清楚數(shù)據(jù)指標(biāo)具體業(yè)務(wù)情況和異常情況
第三步:將數(shù)據(jù)指標(biāo)進(jìn)行拆解。
第四步:異常范圍定位后,要根據(jù)業(yè)務(wù)進(jìn)一步做假設(shè),實際具體情況具體分析。
第五步:預(yù)測未來是否還會下跌?應(yīng)該采取什么方式避免下跌?與業(yè)務(wù)溝通反饋分析結(jié)論,探討后續(xù)方案的執(zhí)行。再針對原因解決問題,制定優(yōu)化策略。
總之,在實際業(yè)務(wù)中,數(shù)據(jù)異常的影響原因可能是多方面的,有的時候也需要建立統(tǒng)計分析模型來做一些定量分析??赡芤◣滋斓臅r間去不斷排查問題。
所以我們需要在平時工作中多留意數(shù)據(jù)變化,隨著對業(yè)務(wù)的熟悉和數(shù)據(jù)敏感度的提升,針對數(shù)據(jù)異常分析我們也會越來越熟練,更快的找到問題所在。
作者:木兮,數(shù)據(jù)運營小白;公眾號:木木自由
本文由 @木兮 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自 Unsplash,基于 CC0 協(xié)議
專欄作家
木兮,微信公眾號:木木自由,人人都是產(chǎn)品經(jīng)理專欄作家。多年互聯(lián)網(wǎng)數(shù)據(jù)運營經(jīng)驗,涉獵運營領(lǐng)域較廣,關(guān)注于運營、數(shù)據(jù)分析的實戰(zhàn)案例與經(jīng)驗以及方法論的總結(jié),探索運營與數(shù)據(jù)的神奇奧秘!
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自Unsplash,基于CC0協(xié)議
學(xué)到了!!不過有個細(xì)節(jié)想探討一下:第一步和第二步交換一下順序是不是更好,先有對業(yè)務(wù)指標(biāo)數(shù)據(jù)正常值以及異?,F(xiàn)狀的了解才能開始排查是數(shù)據(jù)源問題還是數(shù)據(jù)指標(biāo)拆解因子所依賴的其他因素或業(yè)務(wù)線影響。
講得很好!
打卡