产品日活DAU下降,该如何分析?

文摘   2024-07-31 08:30   四川  

案例:

某产品平时日活稳定在7500-8000之间,但是在613日起突然掉到了7100,到615日已经掉到7000,这时产品负责人就需要尽快排查一下数据下跌的原因。


第一步:确认数据真实性

在开始着手分析前,建议先确认数据的真实性。我们经常会遇到数据服务、数据上报、数据统计上的BUG,在数据报表上就会出现异常值。所以,遇到这类问题第一步是先找数据流相关的产品和研发确认下数据的真实性。


第二步:根据几个常见维度初步拆分数据

比如下图:

 


计算影响系数:每一项数据都要和以往正常值做对比,算出影响系数。

影响系数=(今日量-昨日量)/(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。

通过上面的公式计算如下:

通过公式计算维度,发现新老用户的影响系数,是最大的,然后再通过新老用户这个维度继续分析是新用户还是老用户出了问题?

发现老用户日活较平稳,但是新用户自613日下降严重,于是计算新老用户影响系数:

老用户影响系数=(709-712.5)/(710-720)=0.35

新用户影响系数=(1-7.5)/(710-720)=0.65

得出结论:

新用户影响系数0.65,说明DAU下降是出在新用户身上


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。

 

综合考虑以往数据异常原因、产品运营技术侧调整、初步定位的影响范围最可能由什么原因造成,再结合自身业务经验确定几个最可能的原因假设,给这些假设排数据验证的优先级,逐一排查。

通过列出假设,分出优先级,最后发现新用户的问题最有可能出现在渠道上。


最后:细分假设,确立原因

除了上述,可以细分分析的维度实在太多,逻辑上说核心点在于一个假设得到验证后,在这个假设为真的基础上,进行更细维度的数据拆分。我们需要记住这种分析方式,当猜测是某种原因造成数据异常时,只要找到该原因所代表的细分对立面做对比,就可以证明或证伪我们的猜测,直到最后找到真正原因。

通过上面的计算分析我们得出DAU下降的原因出在新用户身上,然后在进行假设优先级划分,发现问题可能出现在新用户渠道上,明确范围后进一步细分,新用户由哪些渠道构成?

新用户=渠道1+渠道2+渠道3+其他渠道 ,于是我们把新用户日活按渠道进行拆分:

通过渠道拆分,我们发现渠道3613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。




扫码关注


努力学习

共同成长


产品经理知识小屋
欢迎关注,专注于分享产品经理相关的知识内容,共同学习进步!