起點(diǎn)課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識DAU下降了，怎么辦？
編輯導(dǎo)語：DAU也就是產(chǎn)品的日活，每個(gè)業(yè)務(wù)模式的DAU都是不一樣的，要根據(jù)產(chǎn)品自身的調(diào)性確定DAU值；DAU值也會因?yàn)楹芏嘁蛩厥艿接绊?，如果發(fā)現(xiàn)DAU降低，要從內(nèi)部和外部進(jìn)行分析；本文作者對DAU下降進(jìn)行了一些探索和擴(kuò)展，我們一起來看一下。
某年某月某天早上，你打開數(shù)據(jù)看板一看，這數(shù)據(jù)曲線不太妙啊，DAU降低了很多啊，怎么辦怎么辦，開始方了。
不要方，數(shù)據(jù)下跌不可怕，可怕的是數(shù)據(jù)下跌了還不知道，甚至是知道下跌了都根本找不到原因。
本文想用一個(gè)數(shù)據(jù)下降的Case來討論下分析思路。
文章主要分為兩部分，一部分是針對DAU下降原因的一些探索，一部分是針對這種問題的拓展。
一、DAU下降了，怎么辦？
在我們討論這個(gè)問題之前，需要先明確一下DAU的定義：有的公司的DAU可能是啟動(dòng)UV，有的公司可能是登錄UV，有的公司可能是發(fā)生了特定行為的UV。
在討論一個(gè)數(shù)據(jù)指標(biāo)之前，需要先理清楚定義或者具體的計(jì)算規(guī)則、統(tǒng)計(jì)口徑，避免討論了很久，最后發(fā)現(xiàn)大家對這個(gè)指標(biāo)的定義是不一樣的局面。
為了簡單分析，這里用的定義是啟動(dòng)UV，分析思路是從外部原因和內(nèi)部原因兩個(gè)方面入手。
1. 外部原因
首先需要明確的是數(shù)據(jù)是否準(zhǔn)確，這可能是一個(gè)巨大無比的坑。
如果數(shù)據(jù)是依賴于客戶端埋點(diǎn)上報(bào)的，在發(fā)新版本，或者某些功能改版的時(shí)候，很可能會出現(xiàn)問題。
常見的問題比如埋點(diǎn)缺失、上報(bào)的數(shù)據(jù)存儲丟失、接口更換等；這種現(xiàn)象一般比較明顯，對應(yīng)在數(shù)據(jù)上基本上是腰斬級別的異常。
如果數(shù)據(jù)是從BI的某些報(bào)表中取的，字段的增刪、數(shù)據(jù)表的更換，都可能帶來數(shù)據(jù)異常，但這些異常一般比較明顯。
其次是明確數(shù)據(jù)是否是周期性波動(dòng)。
一些業(yè)務(wù)模式會有明顯的周期效應(yīng)，比如有的業(yè)務(wù)模式是周一——周五是數(shù)據(jù)低谷，周末是高峰；有的業(yè)務(wù)模式是周一-周五是數(shù)據(jù)的高峰，周末是低谷。
在當(dāng)前周期往前多對比幾個(gè)月的數(shù)據(jù)，基本能判斷出來是常規(guī)波動(dòng)還是異常波動(dòng)，有的可能需要對比一下去年同期的數(shù)據(jù)。
比如有的業(yè)務(wù)模式會受到季節(jié)的影響，在某些城市，一旦到雨季，共享單車這種出行類的App就會受影響，對應(yīng)的打車類的App也會受影響。
另外就是最近是否有什么節(jié)日，有些節(jié)日對業(yè)務(wù)的影響是正向的，有些節(jié)日對業(yè)務(wù)的影響是負(fù)向的。
最后是運(yùn)營和市場最近有沒有做什么活動(dòng)，數(shù)據(jù)看起來下降可能并不是真的下降，也可能只是回歸正常，只是之前的數(shù)據(jù)是高于正常水平的，所以看起來像是下降了。
有的時(shí)候到此為止就可以定義到主要的原因了，有的時(shí)候上面這些可能都是正常的，那就需要繼續(xù)分解了。
2. 內(nèi)部原因
有時(shí)候我們討論的是某個(gè)功能的DAU，甚至整個(gè)業(yè)務(wù)就是某個(gè)App中的一個(gè)功能模塊，這個(gè)時(shí)候，首先需要看的就是上級的入口流量或者整個(gè)App的DAU是否有變化。
我們可以通過某個(gè)公式，或者某個(gè)流程，找到所有相關(guān)聯(lián)的因子，然后再層層細(xì)分，直到找到原因。
一般來說，DAU=新增用戶DAU+老用戶DAU+回流用戶DAU
有些時(shí)候，可能沒有把回流用戶單獨(dú)拆分出來，不重要，那就只看前兩項(xiàng)就好。
把這幾個(gè)因子都往下拆分一個(gè)或者多個(gè)層級，就得到下面這樣一個(gè)基礎(chǔ)公式。
接下來我們需要對每個(gè)因子進(jìn)行排查，確定異常因子之后，再往更下面的層級進(jìn)行深挖。
假定是新用戶DAU異常的話，接下來就需要再往更深一層看是數(shù)量異常，還是留存率異常。
數(shù)量異常的話，可以按照渠道再往下一層拆解，看是單一渠道異常，還是多渠道異常：單渠道異常的話，是不是某個(gè)渠道的投放出問題了；多渠道異常的話，是不是削減投放預(yù)算了。
留存率異常的話，也是按照渠道再往下一層拆解，看是單一渠道異常，還是多渠道異常：單渠道異常的話，是某個(gè)渠道存在刷量的嫌疑，還是渠道投放的人群不匹配；多渠道異常的話，是不是更換了投放策略、投放素材、投放的落地頁等。
假定是老用戶DAU異常的話，接下來也是再往更深一層看是數(shù)量異常，還是留存率異常。
假定數(shù)量異常的話，往下再拆一層，看是安卓還是iOS異常，還是整體都異常，然后可以再按照版本進(jìn)行拆分，看是不是最近哪個(gè)版本里改動(dòng)什么東西了。
假定留存異常的話，也是一樣的，按照終端（安卓、iOS）、版本、手機(jī)類型再進(jìn)行進(jìn)一步的拆分，對比最近的版本，看有沒有什么改動(dòng)可能會影響到。
假定是回流用戶DAU異常的話，接下來也是再往更深一層看是數(shù)量異常，還是留存率異常。
假定數(shù)量異常的話，接著看一下發(fā)送的召回的短信、Push的數(shù)量有沒有發(fā)生變化、到達(dá)的觸達(dá)率、點(diǎn)擊率有沒有變化。
假定留存異常的話，看一下推送的策略、推送的內(nèi)容是否有變化，以及進(jìn)來的落地頁承接有沒有變化。
經(jīng)過這樣逐層的拆解，一般情況下是能找到一些異常點(diǎn)，然后需要做的就是針對這些異常點(diǎn)，進(jìn)行不斷的拆分、細(xì)分；最終找到一些我們認(rèn)為可能有影響的點(diǎn)，得出一些猜想，然后再進(jìn)行調(diào)整、測試、迭代。
二、問題回顧，拓展
我們來回顧下上面那個(gè)問題中，我們是怎么做的，以及遇到這種通用問題的時(shí)候，我們可以怎么辦。
上面那個(gè)DAU下降了的問題，我們經(jīng)歷了這幾步：
DAU下降——具體是誰下降——為什么會下降——要怎么辦。
那對應(yīng)在一般的問題上就是：
發(fā)現(xiàn)問題——收斂問題——得出猜想——驗(yàn)證猜想。
在發(fā)現(xiàn)問題的層面上，沒什么好說的，日?？纯磾?shù)據(jù)，看異常的趨勢變化，看同比環(huán)比變化。
收斂問題是把問題的范圍不斷縮小直到找到問題，一般是先外部再內(nèi)部，整體再局部，然后不斷的進(jìn)行細(xì)分拆解。
外部原因就是先找找會影響當(dāng)前問題的外部系統(tǒng)要素，有的時(shí)候可能系統(tǒng)本身沒什么問題，只是外部環(huán)境發(fā)生了變化。
針對內(nèi)部某個(gè)異常的數(shù)據(jù)排查一般可以先找到一個(gè)公式，把關(guān)聯(lián)的因子都包含進(jìn)去，然后再看是哪個(gè)因子異常，結(jié)合著不同的維度進(jìn)行更細(xì)的拆分。
比如上面提到的DAU=新增用戶DAU+老用戶DAU+回流用戶DAU，或者是素材投放的激活數(shù)量=曝光量*點(diǎn)擊率*下載完成率*安裝完成率*啟動(dòng)率*激活率。
常用的細(xì)分維度有以下這些：
- 渠道；
- 新老用戶；
- 用戶關(guān)鍵行為次數(shù)；
- 性別、年齡、地域；
- 版本；
- 終端等。
猜想一般都是在某些數(shù)據(jù)或者功能表現(xiàn)不好的情況下展開的，比如以下這些猜想：
- 是不是推廣的渠道、方式、素材有問題，用戶來了之后發(fā)現(xiàn)和預(yù)期不符；
- 是不是功能入口太弱，看不到；
- 是不是宣傳的東西沒有讓用戶感覺到對自己的價(jià)值；
- 是不是功能太復(fù)雜，路徑太長，用戶還沒感覺到價(jià)值就流失了；
- 是不是功能雖然有價(jià)值，但與用戶預(yù)期不相符；
- 是不是解決方案本身就有問題，不能滿足需求；
- 是不是需求根本不存在。
這些都是基于以往的經(jīng)驗(yàn)，或者是對業(yè)務(wù)、對用戶的理解得出來的猜想。
猜想終歸只是猜想，需要進(jìn)行證實(shí)或者證偽，接下來就是基于這些猜想，給出對應(yīng)的解決方案。
由于只是猜想，所以最好能用最小的成本進(jìn)行驗(yàn)證，也就是我們說的MVP。
如何進(jìn)行MVP驗(yàn)證？
可以按照影響的范圍、影響的結(jié)果大小、影響的可能性、實(shí)現(xiàn)成本來按照性價(jià)比進(jìn)行猜想驗(yàn)證，最好進(jìn)行單因素驗(yàn)證，因素太多的話不好歸因。
最后就是基于這些猜想、數(shù)據(jù)變化來進(jìn)行不斷的優(yōu)化迭代。
簡單總結(jié)下全文：
- 發(fā)現(xiàn)問題：看趨勢、看同比、環(huán)比；
- 收斂問題：外部+內(nèi)部，整體公式+不同維度細(xì)分；
- 得出猜想：基于經(jīng)驗(yàn)，對業(yè)務(wù)、用戶的理解；
- 驗(yàn)證猜想：MVP、性價(jià)比、單因素驗(yàn)證。
以上，就是本文的主要內(nèi)容，歡迎斧正、指點(diǎn)、拍磚。
#專欄作家#
王家郴 ，公眾號：產(chǎn)品經(jīng)理從0到1，人人都是產(chǎn)品經(jīng)理專欄作家，喜歡網(wǎng)球和騎行的產(chǎn)品汪，目前奔走在產(chǎn)品的道路上，漫漫產(chǎn)品路，與君共勉。
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
- 目前還沒評論，等你發(fā)揮！
