新媒兔服务平台

dau下降10%分析原因(dau下降了怎么分析)_在哪里可以买到抖音账号

2021-11-18 23:20
825

新媒体兔子Tik Tok卖:DAU是产品的日常工作,而每个商业模式的DAU是不同的。DAU值要根据产品本身的调性来确定;DAU价值也会受到很多因素的影响。如果发现DAU减少,要从里到外分析。本文对DAU的衰落进行了探讨和扩展。让我们一起来看看。

某年某月的某个早晨,你打开数据板,看到这个数据曲线不是很好,DAU跌了很多,怎么做,开始了。

另一方面,数据下降并不可怕。可怕的是,我们不知道数据下降,甚至知道找不到原因。

在本文中,我想用一个数据下降的案例来讨论分析思路。

文章主要分为两个部分,一部分是探讨DAU衰落的原因,另一部分是拓展这个问题。

一、DAU下降了,怎么办?

在讨论这个问题之前,我们需要先把DAU的定义搞清楚:有些公司可能会启动UV,有些公司可能会登录UV,有些公司可能是有特定行为的UV。

在讨论一个数据指标之前,需要明确定义或者具体的计算规则和统计口径,避免长时间的讨论。最后,我们发现这个指标的定义是不同的。

为了简单分析,这里使用的定义是从UV开始,分析思路是从外部原因和内部原因两个方面入手。

1. 外部原因

首先需要明确的是数据是否准确,这可能是一个巨大的坑。

如果数据是客户端的埋点上报的,很可能在发布新版本或者修改一些功能的时候会出现问题。

常见问题如埋点缺失、上报数据存储丢失、接口更换等。这种现象一般比较明显,数据上基本对应腰斩水平的异常。

如果数据取自BI的一些报表,字段的增删和数据表的替换都可能带来数据异常,但这些异常一般都很明显。

其次,数据是否周期性波动是很清楚的。

有些商业模式具有明显的周期性效应。比如有的商业模式是周一——,周五是数据低谷,周末是高峰。一些商业模式是周一至周五是数据的高峰期,周末是低谷期。

通过对比当前周期前几个月的数据,基本可以判断是正常波动还是异常波动,有些可能需要对比去年同期的数据。

比如有些商业模式会受到季节的影响。在一些城市,一旦雨季来临,自行车共享等出行应用会受到影响,相应的出租车应用也会受到影响。

另外,最近有没有节日,有些节日对生意有正面影响,有些节日对生意有负面影响。

最后,不管最近操作和市场有没有做什么,看起来数据下降可能不是真的下降,或者可能只是恢复正常,但是之前的数据高于正常水平,所以看起来是下降了。

有时候主要原因可以定义到目前为止,有时候以上可能是正常的,所以需要继续分解。

2. 内部原因

有时候我们说的是某个功能的DAU,甚至整个业务都是一个App中的一个功能模块。这个时候我们首先要看的是整个App的上级或者DAU的入口流量有没有变化。

我们可以通过某个公式或者某个过程找到所有的相关因素,然后一层一层细分,直到找到原因。

总的来说,DAU=新增用户DAU+老用户DAU+回流用户DAU

有时候,分开返回的用户可能并不重要,所以只看前两项。

把这些因素分成一个或多个层次,你会得到下面的基本公式。

接下来,我们需要调查每个因素,确定异常因素,然后更深入地挖掘更低的层次。

假设新用户的DAU异常,我们需要更深层次的去观察,是数量异常还是留存率异常。

如果数量异常,可以根据渠道拆解到下一级,看看是单通道异常还是多通道异常:如果单通道异常,是不是某个渠道发货有问题?如果多渠道不正常,是否会削减预算?

如果留存率异常,还会根据通道拆解到下一级,看是单通道异常还是多通道异常:如果是单通道异常,怀疑是某个通道有刷量,或者放入通道的人不匹配;如果多渠道不正常,是否改变了投放策略、投放材料、登陆页面等。

假设老用户的DAU异常,那么下一步就是深入查看,看号码是否异常,或者留存率是否异常。

如果数量假设不正常,那就多拆一层看看是安卓还是iOS不正常,还是整体不正常,然后按照版本拆分,看看最近哪个版本是不是有变化。

如果滞留不正常,也是一样的。根据终端(安卓、iOS)、版本、手机类型进一步拆分,对比最新版本,看看有没有可能影响的变化。

假设退货用户的DAU异常,那么下一步就是深入查看,看是数量异常还是留存率异常。

如果假设数量异常,那就看看召回短信、推送短信的数量、命中率、点击率有没有变化。

如果留存异常,看推送策略,推送的内容是否有变化,传入的登陆页面是否有变化。

这种逐层拆解之后,一般可以发现一些异常点,然后需要做的就是不断的对这些异常点进行拆分和细分;最后,我们找到一些我们认为可能有影响的点,得出一些猜测,然后进行调整、测试和迭代。

二、问题回顾,拓展

让我们回顾一下我们在上面的问题中做了什么,当我们遇到这个一般问题时,我们可以做什么。

对于上面的DAU跌落问题,我们已经经历了这些步骤:

DAU下降——具体是谁下降——为什么会下降——要怎么办。

这与一般问题相对应:

发现问题——收敛问题——得出猜想——验证猜想。

在发现问题的层面,没什么好说的。每天看数据,看异常趋势变化,看同比变化。

收敛问题就是缩小问题的范围,直到发现问题为止。一般是先外后内,先整体后局部,再不断细分拆解。

外部原因是先寻找会影响当前问题的外部系统要素。有时候系统本身可能没什么问题,但是外部环境变了。

一般来说,对于一个内部异常的数据调查,我们可以先找到一个包含所有相关因素的公式,然后我们可以看到哪个因素是异常的,并结合不同的维度进行更详细的拆分。

比如上面提到的DAU=新用户DAU,老用户DAU返回用户DAU,或者说素材投放的激活数=曝光量*点击率*下载完成率*安装完成率*开机率*激活率。

常用的细分尺寸如下:

渠道;

新用户;

用户的关键行为数量;

性别、年龄和地区;

版本;

终端等。

猜想一般是在某些数据或函数没有很好执行的情况下发起的,如以下猜想:

推广的渠道、方式、材料有问题吗?用户来了之后,发现不符合预期;

功能入口太弱看不到吗?

是不是宣传出来的东西并没有让用户觉得对自己有价值?

是不是功能太复杂,路径太长,用户还没感受到就失去了价值?

功能是否有价值,但与用户预期不符;

解决方案本身有问题,不能满足需求吗?

需求是否根本不存在。

这些都是基于过去的经验或对业务和用户的理解而做出的猜测。

猜想终究只是猜想,需要证实或证伪。接下来,基于这些猜测,给出了相应的解决方案。

因为只是猜测,最好用最小的代价去验证,也就是我们所说的MVP。

如何验证MVP?

猜测验证可以根据影响范围、影响结果的大小、影响的可能性、实现成本等根据性价比进行,最好进行单因素验证,因为因素太多不容易归属。

最后,基于这些推测和数据变化,进行连续优化迭代。

简要总结全文:

发现问题:看趋势,同比和环比;

收敛问题:外部和内部,整个公式被细分为不同的维度;

猜想:基于经验,对业务和用户的理解;

验证猜想:MVP,性价比,单因素验证。

以上是本文的主要内容。欢迎指正,指出并拍砖。

#专栏作家#

微信官方账号王:产品经理从0到1。每个人都是产品经理的专栏作家。他们喜欢网球和自行车产品。目前,他们在产品的道路上奔跑,他们在和你相互鼓励。

这篇文章最初发表在《人人都是产品经理》上。未经允许禁止转载。

图片来自unsplash,基于CC0协议。

奖励作者,鼓励TA抓紧创作!欣赏