国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

本文將以“產(chǎn)品日活DAU下降該怎么分析”這個(gè)問題為主進(jìn)行詳盡解析，為大家拆分出解決問題的步驟，分享自身經(jīng)驗(yàn)的同時(shí)總結(jié)一些思考分析框架。

本文我選擇了一個(gè)具體的問題著手寫。產(chǎn)品核心數(shù)據(jù)異常是在工作中經(jīng)常會(huì)遇到的問題，也是常見的互聯(lián)網(wǎng)面試問題。在此我結(jié)合網(wǎng)上的一些分享以及自己的經(jīng)驗(yàn)，總結(jié)一些思考分析框架，讓大家在遇到此類問題的時(shí)候有一個(gè)明確的著力點(diǎn)。

案例簡介

一款信息流APP平時(shí)日活穩(wěn)定在79w-80w之間，但是在6月13日起突然掉到了78.8w，到6月15日已經(jīng)掉到78.5w，這時(shí)產(chǎn)品負(fù)責(zé)人著急了，讓你盡快排查一下數(shù)據(jù)下跌的原因。這樣的問題對(duì)大多數(shù)人來說還是比較頭疼的，因?yàn)閷?duì)于80w量級(jí)的產(chǎn)品，一兩萬并不是一個(gè)非常大的波動(dòng)，但原因還是要排查。

拿到這個(gè)問題，會(huì)覺得不知道從哪點(diǎn)著手開始分析？沒關(guān)系，我們把常用套路捋清楚了，然后回頭再看這個(gè)案例。

核心點(diǎn)：先做數(shù)據(jù)異常原因的假設(shè)，后用數(shù)據(jù)驗(yàn)證假設(shè)。

不建議大家第一步先自己對(duì)著數(shù)據(jù)去拆，影響日活數(shù)據(jù)的因素很多，不可能把所有維度逐一拆解對(duì)比，容易浪費(fèi)時(shí)間卻沒有任何有價(jià)值的發(fā)現(xiàn)。做數(shù)據(jù)異常原因分析的核心就是結(jié)合以往經(jīng)驗(yàn)及各種信息，找出最有可能的原因假設(shè)，通過數(shù)據(jù)的拆分進(jìn)行多維度分析來驗(yàn)證假設(shè)，定位問題所在。過程中可能會(huì)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。

第一步：確認(rèn)數(shù)據(jù)真實(shí)性

在開始著手分析前，建議先確認(rèn)數(shù)據(jù)的真實(shí)性。我們經(jīng)常會(huì)遇到數(shù)據(jù)服務(wù)、數(shù)據(jù)上報(bào)、數(shù)據(jù)統(tǒng)計(jì)上的BUG，在數(shù)據(jù)報(bào)表上就會(huì)出現(xiàn)異常值。所以，找數(shù)據(jù)流相關(guān)的產(chǎn)品和研發(fā)確認(rèn)下數(shù)據(jù)的真實(shí)性吧。

第二步：根據(jù)幾個(gè)常見維度初步拆分?jǐn)?shù)據(jù)

計(jì)算影響系數(shù)：每一項(xiàng)數(shù)據(jù)都要和以往正常值做對(duì)比，算出影響系數(shù)。

影響系數(shù)=(今日量-昨日量)/(今日總量-昨日總量)

影響系數(shù)越大，說明此處就是主要的下降點(diǎn)

以上是幾種常見的初步拆分維度，通過初步拆分，定位原因大致范圍。

第三步：異常范圍定位后，進(jìn)一步做假設(shè)

針對(duì)初步定位的影響范圍，進(jìn)行進(jìn)一步的排查。分三個(gè)維度來做假設(shè)，建議針對(duì)數(shù)據(jù)異常問題專門建一個(gè)群，拉上相應(yīng)的產(chǎn)品、技術(shù)、運(yùn)營人員一起，了解數(shù)據(jù)異常時(shí)間點(diǎn)附近做了什么產(chǎn)品、運(yùn)營、技術(shù)側(cè)調(diào)整。

綜合考慮以往數(shù)據(jù)異常原因、產(chǎn)品運(yùn)營技術(shù)側(cè)調(diào)整、初步定位的影響范圍最可能由什么原因造成，再結(jié)合自身業(yè)務(wù)經(jīng)驗(yàn)確定幾個(gè)最可能的原因假設(shè)，給這些假設(shè)排數(shù)據(jù)驗(yàn)證的優(yōu)先級(jí)，逐一排查。

最后：細(xì)分假設(shè)，確立原因

除了上述，可以細(xì)分分析的維度實(shí)在太多，邏輯上說核心點(diǎn)在于一個(gè)假設(shè)得到驗(yàn)證后，在這個(gè)假設(shè)為真的基礎(chǔ)上，進(jìn)行更細(xì)維度的數(shù)據(jù)拆分。我們需要記住這種分析方式，當(dāng)猜測(cè)是某種原因造成數(shù)據(jù)異常時(shí)，只要找到該原因所代表的細(xì)分對(duì)立面做對(duì)比，就可以證明或證偽我們的猜測(cè)，直到最后找到真正原因。

案例分析

以上就是核心數(shù)據(jù)異常的分析套路，是不是剛才拿到問題還不知道從哪開始分析，現(xiàn)在覺得其實(shí)有很多點(diǎn)可以去著手？讓我們回到剛才的案例吧。根據(jù)上述套路，首先我們拆分新老用戶活躍量，如下圖（老用戶左軸、新用戶右軸）：

發(fā)現(xiàn)老用戶日活較平穩(wěn)，但是新用戶自6月13日下降嚴(yán)重，于是計(jì)算新老用戶影響系數(shù)：

老用戶影響系數(shù)=(77.89-78)/(78.8-79.5)=0.16

新用戶影響系數(shù)=(0.98-1.5)/(78.8-79.5)=0.84

新用戶影響系數(shù)0.84，說明DAU下降是出在新用戶身上，明確范圍后進(jìn)一部細(xì)分，新用戶由什么構(gòu)成？

新用戶=渠道1+渠道2+渠道3+其他渠道 ，于是我們把新用戶日活按渠道進(jìn)行拆分：

通過渠道拆分，我們發(fā)現(xiàn)渠道3自6月13日起新用戶下降嚴(yán)重，于是我們把問題定位在渠道3，應(yīng)該是渠道3的渠道效果發(fā)生問題。聯(lián)系渠道3的負(fù)責(zé)人一起定位具體原因，渠道線索量降低？渠道轉(zhuǎn)化率降低？渠道平臺(tái)的問題？找出原因后，再針對(duì)原因解決問題，制定渠道優(yōu)化策略。

最后要說的

至此本篇文章已到尾聲，詳細(xì)敘述了核心數(shù)據(jù)異常的分析套路以及講了一個(gè)易于大家理解的小案例，相信大家下次再遇到這類問題，至少有一個(gè)明確的著手點(diǎn)。

還有一些想對(duì)大家說的是：為了方便大家理解，這個(gè)小案例的數(shù)據(jù)是我虛構(gòu)的，問題定位過程也比較簡單。但是在實(shí)際業(yè)務(wù)中，數(shù)據(jù)異常的影響原因可能是多方面的（本篇只講到了一些內(nèi)部因素，外部環(huán)境和競(jìng)對(duì)其實(shí)也會(huì)影響核心數(shù)據(jù)），有的時(shí)候也需要建立統(tǒng)計(jì)分析模型來做一些定量分析。

可能要花幾天的時(shí)間去不斷排查問題，這個(gè)過程繁瑣且枯燥，假設(shè)驗(yàn)證失敗可能會(huì)有挫敗感，或許忙活了很久但是最后并沒有找出原因。

其實(shí)這是很正常的事情，數(shù)據(jù)異常分析甚至對(duì)于一個(gè)資深數(shù)據(jù)分析師都是一個(gè)令人頭疼的問題。所以我們需要在平時(shí)工作中多留意數(shù)據(jù)變化，隨著對(duì)業(yè)務(wù)的熟悉和數(shù)據(jù)敏感度的提升，針對(duì)數(shù)據(jù)異常分析我們也會(huì)越來越熟練，更快找到問題所在。

希望本篇內(nèi)容對(duì)大家有實(shí)際的幫助，后續(xù)想了解更多互聯(lián)網(wǎng)數(shù)據(jù)分析相關(guān)內(nèi)容，歡迎關(guān)注點(diǎn)贊轉(zhuǎn)發(fā)，歡迎一起探討更多話題。

作者：趙小洛，微信公眾號(hào)：趙小洛洛洛，wechat：luoluo963，郵箱：youlu2409@163.com

本文由 @趙小洛 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