APP的DAU波動分析

作為一名互聯網數據分析從業人員，每天被老闆們問的最多的問題，無非就是「DAU為什麼漲了/不漲了/降了」，為此，總結出一個套路，可以快速解答類似的疑問。分享給大家，也希望有同學可以提出新的思路。

下面以一個問題作為事例，比如老闆看完日報，問「為什麼今天的DAU比昨天少了5萬啊」，這樣的問題對我們來說還是比較頭疼的，因為作為一個日活上百萬的APP，5萬是非常小的波動，但老闆的問題還是要回答的，那如何來解決這樣的問題呢？

1、排查是否有數據統計的BUG？

2、查詢異常，數據拆解。「拆」是分析的最重要武器，根據以往經驗，對我們的APP拆解示意圖如下。其中每一項數據都要和昨日做對比，算出影響係數，影響係數=（今日量-昨日量）/今日總量-昨日總量，影響係數越大，說明此處就是主要的下降點

3、定位數據異常後，查詢背後原因。比如查出老用戶迴流變少，就會繼續查詢是否是PUSH效果降低，PUSH效果為什麼降低，是否是PUSH的文案或者推送時間或者推送用戶群有問題等等；這一部分要求你必須要知道最新的業務新聞，比如產品新上了什麼功能，運營做了什麼活動等等

寫起來還蠻簡單的，做起來有點略麻煩，因為要不斷假設和驗證。這個框架應該不斷更新，可能有人就會提出新思路去分析DAU異常，如果合理，就要加入到分析框架里，這樣就有積累了。

其他KPI的分析也都類似思路。

推薦閱讀：