数据分析——DAU下降问题（转）

文章转自： DAU异常下降该如何分析

1. 梳理公司的用户增长模式

尽管不同业务形态、以及不同发展阶段的公司，其用户增长模式各有差异，但都可以从拉新策略和促活策略进行分解。

常见的拉新策略有：

流量采购。比如通过厂商预装、应用商店渠道、信息流广告、搜索广告、网盟广告等途径付费采购流量。
基于微信生态的社交裂变。比如归功于微信流量的支持，趣头条会通过“领取金币任务”吸引老用户参与“邀请新用户”的活动；微信读书依靠“组队抽取无限卡”的裂变活动，仅仅半年就暴涨百万用户。

常见的促活策略有：

外部渠道促活。比如：通过push唤起App；头条系的APP矩阵可以互相促活；在广点通第三方媒体投放基于“RTA+个性化商品素材”技术的实时动态出价广告，可以对不活跃的老用户进行促活；朋友圈内打开一篇来自知乎的文章后，点击“App内打开”的底部浮层按钮可以唤起知乎App；通过负一屏的weiget小组件可以唤起App等；双十一短信促活。
社交裂变。例如，拼多多的拼团砍价；趣头条唤醒沉睡老用户可以赚钱金币。
红包补贴。往往补贴力度越高，促活的效果越好。
电商的养成类游戏。比如支付宝的蚂蚁森林、拼多多的多多果园、美团的小美果园等。
用户运营活动。比如签到任务、积分体系等，促活效果取决于虚拟币变现的能力。

2. 判定DAU是否异常

常用的方法是：看日环比绝对值、周同比绝对值、日环比、周同比、以及最近30天的变化趋势。

可以基于经验判断异常变化的Δ，比如日环比、周同比上升或下降超过5%可以判定为异常；或者日环比绝对值、周同比绝对值上升或下降超过 xx 万判定为异常。

异常Δ如何设定：可以观察至少3个月的DAU波动数据，将波动较大的时间点所对应的数据变化幅值作为异常 Δ。

3. 构建DAU拆解的指标体系

拆解的第一层级：

当日新增用户。可以利用当天启动app的设备数来计算。
首次外部唤起app的老用户。可以通过埋点统计字段（启动入口）进行区分，当首次启动入口为非桌面图标启动时计做外部唤起。
首次自然启动app的老用户。首次启动入口为桌面图标启动时计做自然启动。

老用户拆解使用“首次归因”思想，即老用户在当日行为序列中首次进入途径为该老用户的进入途径。

拆解的第二层级：

新增用户。可按照渠道、机型等维度来进一步拆分，以细化异动是哪个拉新渠道的问题。
外部唤起app的老用户。可按照首次唤起app的入口（比如push、RTA广告、微信等）拆分。
自然启动app的老用户。可以按照用户访问app的目的进行拆分。具体是，通过对用户站内核心行为的先后发生顺序进行分析，将DAU的贡献归因于首个核心行为模块。比如，某产品的渗透率较高的核心模块有：A、B、C，那么自然启动app的老用户 = 站内首次进入A模块的老用户 + 站内首次进入B模块的老用户 + 站内首次进入C模块的老用户 + 其他行为模块的老用户。（其他行为模块的用户，指未发生以上前面任何核心行为的用户。）

4. 计算波动贡献度

指标X的波动贡献度 = 指标X的变化幅度 / DAU的变化幅度。通过波动贡献度，定位异常原因。

比如下面的例子，DAU日环比下降70w，尽管RTA广告、微信启动等也有下降，但下降贡献很小，而老用户回流的下降贡献可达93%，所以问题范围就缩小为老用户回流为何减少。

一般，如果发现新增用户或外部唤起老用户的异常波动贡献度较大，可以进一步按维度拆解指标并计算波动贡献度。如果发现老用户回流异常波动贡献度较高，需要排查是否是由于内外部环境变化导致。内部变化：新法版出现bug、运营活动（首次进入活动用户增量 / DAU增量比较较高）、产品功能；外部变化：节假日、市场变化、竞品策略、热点舆论事件等。

5. 汇报异常原因

通过上述的波动贡献度计算和逐层下钻，我们可以找出DAU波动的主要因素，和业务方核实确认后，可以进行汇报：

xx月xx日的DAU为xxxx，周同比下降xx。
主要原因是：xxxx。
建议是：1、xxxx；2、xxx；3、xxx。