不容忽視的DAU小波動(dòng),企業(yè)如何應(yīng)對(duì)?
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。
- 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;
- 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。
本文由 @燒肉女士 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)授權(quán),禁止轉(zhuǎn)載
題圖來(lái)自Unsplash,基于CC0協(xié)議
該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
寫(xiě)得非常棒!受益匪淺?。?!
案例講解很清晰,真不錯(cuò)
主要看案例!