APP的DAU數(shù)據(jù)波動(dòng)，是什么問(wèn)題？本文結(jié)合具體案例，與大家談?wù)剶?shù)據(jù)異常該如何分析以及解決，希望對(duì)你有所幫助。

上文（DAU狂跌近15%！如何快速挽救？）說(shuō)到金主爸爸小a重金聘請(qǐng)了小b來(lái)解決App M的DAU異常的問(wèn)題。

為啥小a能快速鎖定小b，在極短的時(shí)間內(nèi)挖來(lái)小b？

這事兒還得追溯到去年，小b總是能高效地查找App N的DAU數(shù)據(jù)波動(dòng)問(wèn)題，讓平臺(tái)躲過(guò)了不少坑。機(jī)緣巧合之下，被小a知道了，于是才有了高薪聘請(qǐng)這一出。

然而，本文要講的并不是小b在App N時(shí)的高光時(shí)刻，而是他面對(duì)DAU時(shí)的無(wú)可奈何。

一、數(shù)據(jù)異常分析

DAU數(shù)據(jù)異常分為以下三步來(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)

首先，我們需要確定異常變化的標(biāo)準(zhǔn)。

然后，分析計(jì)算數(shù)據(jù)波動(dòng)情況，并與標(biāo)準(zhǔn)進(jìn)行比較，以確定數(shù)據(jù)是否異常。

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(kāi)溝通。常見(jiàn)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)算案例的影響系數(shù)，了解究竟是哪個(gè)因子的變動(dòng)對(duì)DAU的影響大。

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。

4. 修正影響因素

通過(guò)以上分析，我們可以初步確定DAU異常是由什么導(dǎo)致的。

然而，也會(huì)存在一些特殊情況，可能會(huì)對(duì)我們對(duì)DAU異常原因的判定造成偏差。

我們需要對(duì)影響每日新增用戶的因素進(jìn)行了進(jìn)一步分析，計(jì)算每一個(gè)因子的DAU變化率。

通過(guò)計(jì)算變化率，再結(jié)合我們積累的歷史經(jīng)驗(yàn)和對(duì)業(yè)務(wù)的實(shí)際了解，我們可能會(huì)得出與前面不一樣的結(jié)論。

二、數(shù)據(jù)異常解決

根據(jù)我們對(duì)第二部分的分析，總結(jié)可能發(fā)生的異常。針對(duì)異常，我們需要進(jìn)一步對(duì)投放渠道進(jìn)行深入的研究和分析。

然后，我們與相關(guān)業(yè)務(wù)人員進(jìn)行詳細(xì)的溝通，再去定位問(wèn)題，確定異常驗(yàn)證的方向。

針對(duì)以上的原因定位，我們提出對(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。

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，并開(kāi)始正式驗(yàn)證。

有時(shí)候，盡管我們明確了問(wèn)題定位，并知道了解決問(wèn)題的方向，但是結(jié)合實(shí)際情況，問(wèn)題卻不能馬上解決。

平臺(tái)的運(yùn)營(yíng)策略的變化，需要充分考慮補(bǔ)貼范圍、平臺(tái)定位、財(cái)務(wù)規(guī)劃等等，跟平臺(tái)的整體戰(zhàn)略規(guī)劃強(qiáng)相關(guān)，往往牽一發(fā)而動(dòng)全身，需要慎重對(duì)待。

三、案例分析

1. 案例簡(jiǎn)介

App N是一款工具類App，它的規(guī)模較小，日活躍用戶數(shù)量通常穩(wěn)定維持在55-60萬(wàn)左右。作為上市不到10個(gè)月的新應(yīng)用，它主要針對(duì)小眾垂類用戶，其中包含個(gè)別價(jià)格敏感型用戶。

具體DAU情況如下圖所示：

從上述趨勢(shì)圖來(lái)看，4月15日數(shù)據(jù)小量下跌，數(shù)據(jù)出現(xiàn)了輕微波動(dòng)，但是下降趨勢(shì)并沒(méi)有持續(xù)發(fā)生。

雖然DAU的趨勢(shì)情況并沒(méi)有進(jìn)一步惡化，仍需要進(jìn)一步分析原因，查看情況是否正常。

這是因?yàn)樾◇w量的App往往缺乏品牌影響力和用戶數(shù)量，這意味著即使出現(xiàn)輕微的問(wèn)題，也可能會(huì)導(dǎo)致用戶流失，給產(chǎn)品造成損失。

因此，需要更細(xì)致地跟蹤和監(jiān)測(cè)各項(xiàng)關(guān)鍵指標(biāo)，及時(shí)發(fā)現(xiàn)問(wèn)題并進(jìn)行解決。

2. 問(wèn)題定位與解決

小b在了解App N的DAU變化后，并沒(méi)有以為數(shù)據(jù)波動(dòng)小就掉以輕心，而是仔細(xì)分析，小心求證。

下面，我們來(lái)介紹小b是如何解決案例中的問(wèn)題的。

第一，明確數(shù)據(jù)是否異常。

由于App N是新產(chǎn)品，剛上架不久，因此無(wú)法制定年同比的標(biāo)準(zhǔn)；

因此，小b將重點(diǎn)制定周環(huán)比的數(shù)據(jù)標(biāo)準(zhǔn)。

基于前期DAU增長(zhǎng)緩慢，根據(jù)經(jīng)驗(yàn)及歷史數(shù)據(jù)，小b將5%制定為標(biāo)準(zhǔn)，即App的周環(huán)比數(shù)據(jù)上下變化浮動(dòng)超過(guò)5%被視為異常情況。

在明確異常標(biāo)準(zhǔn)之后，小b分析計(jì)算數(shù)據(jù)波動(dòng)情況，并與標(biāo)準(zhǔn)進(jìn)行比較。

通過(guò)數(shù)據(jù)計(jì)算可知：4月15日數(shù)據(jù)出現(xiàn)了小量下跌，同比下降5.7%，超出標(biāo)準(zhǔn)；但從16日開(kāi)始，下降幅度縮小，并沒(méi)有持續(xù)擴(kuò)大，且在標(biāo)準(zhǔn)范圍之內(nèi)。

第二，了解數(shù)據(jù)變化的原因。

小b與相關(guān)人員展開(kāi)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；修復(fù)版本bug
• 產(chǎn)品側(cè)：修改站內(nèi)補(bǔ)貼玩法；
• 運(yùn)營(yíng)側(cè)：開(kāi)通新的投放渠道；增加整體投放預(yù)算；

在大致了解查詢方向之后，小b對(duì)DAU指標(biāo)進(jìn)行更細(xì)致的拆解。

第三，排查變動(dòng)因子。

小b仔細(xì)地計(jì)算了影響系數(shù)，新老用戶的DAU波動(dòng)變化如下圖所示：

需要注意的是，App N的DAU數(shù)據(jù)以周為維度呈現(xiàn)一定的周期效應(yīng)，并且在4月15日下降。

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)=(35.6-35.9)/(56.4-59.8)=8.8%
• 新用戶影響系數(shù)=(20.8-23.9)/(56.4-59.8)=91.2%

通過(guò)上述計(jì)算，小b發(fā)現(xiàn)新用戶的影響系數(shù)更高，新用戶對(duì)于DAU的影響比老用戶更為顯著。

小b將新用戶分為以下幾個(gè)維度：

針對(duì)新用戶的流量來(lái)源，將App的老用戶進(jìn)行拆解。小b將App N的新用戶拆解為5個(gè)來(lái)源，分別計(jì)算各來(lái)源對(duì)DAU總變化量的影響。

數(shù)據(jù)如下圖所示：

• 自然影響系數(shù)=(16.68-19.36)/(56.4-59.8)=78.8%
• 渠道1影響系數(shù)=(1.65-1.83)/(56.4-59.8)=5.3%
• 渠道2影響系數(shù)=(1.59-1.81)/(56.4-59.8)=6.5%
• 渠道3影響系數(shù)=(0.75-0.90)/(56.4-59.8)=4.4%
• 渠道4影響系數(shù)=(0.12-0)/(56.4-59.8)=-3.5%

通過(guò)以上數(shù)據(jù)可知，小b發(fā)現(xiàn)自然新增用戶對(duì)DAU指標(biāo)的負(fù)面影響最大，基本能確定是自然新增用戶出現(xiàn)了問(wèn)題。

第四，修正影響因素。

從上述的數(shù)據(jù)分析可知：15日的DAU異常是由自然新增用戶的問(wèn)題導(dǎo)致的。

然而，根據(jù)數(shù)據(jù)觀察，小b發(fā)現(xiàn)：自然新增用戶占比超過(guò)80%，因此即使是微小的變化也會(huì)對(duì)新增用戶數(shù)產(chǎn)生較大的影響。

小b在計(jì)算變化率后，發(fā)現(xiàn)不同來(lái)源所歸因的數(shù)據(jù)變化基本相同。具體數(shù)據(jù)如下所示：

通過(guò)上述數(shù)據(jù)的分析，又結(jié)合了歷史經(jīng)驗(yàn)，小b推翻了前面的結(jié)論。

小b得出了新結(jié)論：DAU異常并非僅僅由自然用戶的原因?qū)е拢怯尚略鲇脩粽w出現(xiàn)問(wèn)題所引起的。

最后，解決DAU異常問(wèn)題。

小b通過(guò)數(shù)據(jù)分析，和對(duì)公司業(yè)務(wù)的總體把控，總結(jié)的異常如下所示：

• 自15號(hào)以來(lái)，公司增加了對(duì)外部投放的預(yù)算，但并沒(méi)有帶來(lái)新用戶的增長(zhǎng)；
• 異常是由新增用戶整體策略的問(wèn)題引起的；

小b又與相關(guān)業(yè)務(wù)人員進(jìn)行詳細(xì)的溝通，最終把DAU異動(dòng)的原因定位在以下3個(gè)方面：

• 新客承接方式變化
• 新客補(bǔ)貼玩法調(diào)整
• 系統(tǒng)bug

針對(duì)以上的原因定位，小b制定了相應(yīng)的解決方案：

• 隨機(jī)抽取一部分用戶，將其承接方式切換至舊方案；將新舊方案進(jìn)行對(duì)比；
• 隨機(jī)抽取一部分用戶，將其補(bǔ)貼方式切換至舊方案；將新舊方案進(jìn)行對(duì)比；
• 修復(fù)系統(tǒng)bug；

在評(píng)估各方面的因素之后，小b打算著重解決系統(tǒng)bug和新客承接方式這2個(gè)問(wèn)題。

1. 技術(shù)人員修復(fù)系統(tǒng)bug，但小b發(fā)現(xiàn)bug修復(fù)前后，新客的DAU并未有明顯的變化；
2. 小b又嚴(yán)格控制變量，采用嚴(yán)格的AB TEST，減少其它因子的干擾，來(lái)驗(yàn)證承接方式的影響力。但實(shí)驗(yàn)組和對(duì)照組并未有明顯的差距；

以上2個(gè)問(wèn)題并不是造成DAU異常的原因，最終小b將問(wèn)題定位在新客補(bǔ)貼方式的調(diào)整上。

他采用嚴(yán)格的AB TEST，結(jié)果發(fā)現(xiàn)補(bǔ)貼方式與新客DAU強(qiáng)相關(guān)；數(shù)據(jù)異常的原因是補(bǔ)貼力度下降，導(dǎo)致一部分新客無(wú)法到達(dá)補(bǔ)貼門(mén)檻而放棄使用App；

小b盡管已經(jīng)明確了DAU異動(dòng)的原因，也驗(yàn)證了新客補(bǔ)貼的有效性，但是最終也沒(méi)有去調(diào)整新客補(bǔ)貼的金額。

雖然每個(gè)用戶獲得的補(bǔ)貼金額可能不大，但是對(duì)于平臺(tái)來(lái)說(shuō)，可能是一筆巨大的費(fèi)用。所以即使短時(shí)間內(nèi)會(huì)造成一部分用戶流失，策略也不能輕易變化。

四、總結(jié)

本文介紹的案例基于實(shí)際業(yè)務(wù)，在適當(dāng)?shù)那闆r下進(jìn)行了模糊化處理，以保護(hù)相關(guān)業(yè)務(wù)的數(shù)據(jù)安全和隱私。

通過(guò)借鑒這個(gè)案例，我們可以探討DAU指標(biāo)異常的拆解思路?？梢赃\(yùn)用多種方案，如數(shù)據(jù)對(duì)比和科學(xué)分析等，來(lái)識(shí)別DAU異動(dòng)的原因，并對(duì)相關(guān)的運(yùn)營(yíng)策略進(jìn)行調(diào)整。

此外，與常見(jiàn)的分析法（突發(fā)DAU指標(biāo)異常，如何快速識(shí)別問(wèn)題癥結(jié)？）相比，本案例增加DAU影響因素的修正分析，重點(diǎn)考慮了一些特殊情況的發(fā)生，從而更加準(zhǔn)確地找出了問(wèn)題的源頭。

這個(gè)案例有助于我們更好地理解和應(yīng)用DAU監(jiān)控體系，提升我們的數(shù)據(jù)分析和決策能力。