在產品運營中,產品指標往往反映了產品狀態與用戶使用情況,而“日活”就是一個非常重要的產品指標,面對日活的異常波動,我們需要多方位進行分析,並對出現的問題進行及時修正。
背景:
APP的平時的日活躍穩定在了79萬~89萬,一天突然降到了78.8萬,過了一天之後又降到了78.5萬,這時產品負責人很著急,讓我儘快排查下具體原因。( ´﹀` )禮貌的微笑。
一個日活躍在80萬,一兩萬的波動其實不是一個非常大的波動,但是還是要排查下具體原因的。
具體步驟如下:
- 確定數據是否準確,是否系統出現了BUG;
- 確認數據是否是異常情況;
- 進行維度的拆分,確認影響因數,定位大致的原因;
- 瞭解業務的具體動作,最好是可以跟產品、技術和運營都溝通下;
- 根據現有的具體情況提供你建議;
一、確認數據是否準確
不管什麼時候拿到一份數據,一定不要急著進行數據分析,首先要判斷數據是否準確,特別是別人發給你的數據,先確認數據的準確性,後面可以少很多事情。
二、確認數據是否存在異常
確認了數據的準確性之後,我們再來看數據是否真的存在異常情況,因為有的時候只是週期性的變化,我們就沒有必要著急。單一的數據我們是是看不出具體的情況的,我們需要結合之前的數據來發現異常情況的,比如上面的數據:
我們根據之前的數據可以發現:
- 不是週期性的變化
- 是在6月13號突然的下降,並且下降了三天了,可能會持續性的下降,需要警惕
從上面我們的數據我們可以知道日活度確實出現了問題。
完成了上面的步驟之後我們再進行數據分析。
三、進行維度的拆分
現在的問題是:日活躍度下降了一兩萬。所以我們要進行日活躍維度的拆分:
- 按照新老用戶的拆分;
- 登入平臺的的拆分,比如:IOS、安卓;
- 按照APP版本進行拆分;
- 按照登錄渠道的拆分,比如APP、小程序;
- 按照區域的拆分,比如:國家、省份;
先計算影響係數,然後每一項數據在跟以往正常的數據做對比,算出影響係數。
公式:(今日量 – 昨日量)/(今日總量 – 昨日總量)
係數越大,表示影響越大
現在我們再來看下我們上面的數據,因為數據是在6月13號突然下降的,所以我們用6月12號和6月13號的數據來計算影響係數。
- 老用戶影響係數= (77.89-78)/(78.8-79.5)=0.16
- 新用戶影響係數= (0.98-1.5)/(78.8-79.5)=0.84
四、瞭解業務的具體動作
上面初步確定了原因之後,在跟產品、技術、運營人員進行溝通進一步確認原因出現在哪裡,主要是溝通最近是否有什麼業務上的動作。
結合我們之前發現的導致DAU下降的原因是因為新用戶導致的,所以我們先跟投放推廣的人員進行溝通,溝通之前我們先要整理下不同推廣渠道的數據。
通過渠道拆分發現,我們發現6月13號的渠道3新用戶下降嚴重,所以最後我們把問題定位到了渠道3上面。所以我們聯繫渠道3的負責人員一起定位問題。比如:渠道線索量降低?渠道轉化率降低?渠道平臺的問題?找到具體問題針對問題做具體的優化策略。
五、提供具體的建議
具體的建議我們是需要根據具體的問題來提的,比如:渠道平臺的問題。我們看數據會發現,渠道3的DAU其實一直都是處在下降的趨勢,只是在6月13號那天下降的厲害,把問題提現出來了。
我們就先假設,我們在渠道3有做拉新的活動的,而在6月13號的時候結束了,導致渠道3的日活下降了。之後我們在跟渠道3的負責人溝通的時候就可以問是否有相關業務的動作。
其實分析最重要的就是要提供建議,只有分析的結果沒有建議的話,就會被別人說我早就知道,你分析的這個有什麼用。所以最好是先初步確認問題出現在哪裡,然後跟相關人員溝通,在根據你知道的情況再具體做分析。
數據是在網上找的,但是分析的思路是一樣的,還是要特別說明:拿到數據異常一定要確認數據的準確性和數據是否異常,不然你的分析可能都是白費的。
希望這邊文章對大家日後的工作有幫助,也歡迎大家關注點贊,後續大家也可以一起討論更多的工作中的問題。
題圖來自Unsplash,基於CC0協議
閱讀更多 人人都是產品經理 的文章