本文来自转载

在产品运营中，产品指标往往反映了产品状态与用户使用情况，而“日活”就是一个非常重要的产品指标，面对日活的异常波动，我们需要多方位进行分析，并对出现的问题进行及时修正。

背景：

APP的平时的日活跃稳定在了79万~89万，一天突然降到了78.8万，过了一天之后又降到了78.5万，这时产品负责人很着急，让我尽快排查下具体原因。( ´﹀` )礼貌的微笑。

一个日活跃在80万，一两万的波动其实不是一个非常大的波动，但是还是要排查下具体原因的。

具体步骤如下：

确定数据是否准确，是否系统出现了BUG；

确认数据是否是异常情况；

进行维度的拆分，确认影响因数，定位大致的原因；

了解业务的具体动作，最好是可以跟产品、技术和运营都沟通下；

根据现有的具体情况提供你建议；

一、确认数据是否准确

不管什么时候拿到一份数据，一定不要急着进行数据分析，首先要判断数据是否准确，特别是别人发给你的数据，先确认数据的准确性，后面可以少很多事情。

二、确认数据是否存在异常

确认了数据的准确性之后，我们再来看数据是否真的存在异常情况，因为有的时候只是周期性的变化，我们就没有必要着急。单一的数据我们是是看不出具体的情况的，我们需要结合之前的数据来发现异常情况的，比如上面的数据：

我们根据之前的数据可以发现：

不是周期性的变化

是在6月13号突然的下降，并且下降了三天了，可能会持续性的下降，需要警惕

从上面我们的数据我们可以知道日活度确实出现了问题。

完成了上面的步骤之后我们再进行数据分析。

三、进行维度的拆分

现在的问题是：日活跃度下降了一两万。所以我们要进行日活跃维度的拆分：

按照新老用户的拆分；

登入平台的的拆分，比如：IOS、安卓；

按照APP版本进行拆分；

按照登录渠道的拆分，比如APP、小程序；

按照区域的拆分，比如：国家、省份；

先计算影响系数，然后每一项数据在跟以往正常的数据做对比，算出影响系数。

公式：（今日量 – 昨日量）/（今日总量 – 昨日总量）

系数越大，表示影响越大

现在我们再来看下我们上面的数据，因为数据是在6月13号突然下降的，所以我们用6月12号和6月13号的数据来计算影响系数。

老用户影响系数 = (77.89-78)/(78.8-79.5)=0.16

新用户影响系数 = (0.98-1.5)/(78.8-79.5)=0.84

四、了解业务的具体动作

上面初步确定了原因之后，在跟产品、技术、运营人员进行沟通进一步确认原因出现在哪里，主要是沟通最近是否有什么业务上的动作。

结合我们之前发现的导致DAU下降的原因是因为新用户导致的，所以我们先跟投放推广的人员进行沟通，沟通之前我们先要整理下不同推广渠道的数据。

通过渠道拆分发现，我们发现6月13号的渠道3新用户下降严重，所以最后我们把问题定位到了渠道3上面。所以我们联系渠道3的负责人员一起定位问题。比如：渠道线索量降低？渠道转化率降低？渠道平台的问题？找到具体问题针对问题做具体的优化策略。

五、提供具体的建议

具体的建议我们是需要根据具体的问题来提的，比如：渠道平台的问题。我们看数据会发现，渠道3的DAU其实一直都是处在下降的趋势，只是在6月13号那天下降的厉害，把问题提现出来了。

我们就先假设，我们在渠道3有做拉新的活动的，而在6月13号的时候结束了，导致渠道3的日活下降了。之后我们在跟渠道3的负责人沟通的时候就可以问是否有相关业务的动作。

其实分析最重要的就是要提供建议，只有分析的结果没有建议的话，就会被别人说我早就知道，你分析的这个有什么用。所以最好是先初步确认问题出现在哪里，然后跟相关人员沟通，在根据你知道的情况再具体做分析。

数据是在网上找的，但是分析的思路是一样的，还是要特别说明：拿到数据异常一定要确认数据的准确性和数据是否异常，不然你的分析可能都是白费的。

希望这边文章对大家日后的工作有帮助，也欢迎大家关注点赞，后续大家也可以一起讨论更多的工作中的问题。