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，并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，過了一天之后又降到了78.5萬，這時產品負責人很著急，讓我盡快排查下具體原因。( ′﹀` )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：

1. 確定數據是否準確，是否系統出現了BUG；
2. 確認數據是否是異常情況；
3. 進行維度的拆分，確認影響因數，定位大致的原因；
4. 了解業務的具體動作，最好是可以跟產品、技術和運營都溝通下；
5. 根據現有的具體情況提供你建議；

一、確認數據是否準確

不管什么時候拿到一份數據，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，后面可以少很多事情。

二、確認數據是否存在異常

確認了數據的準確性之后，我們再來看數據是否真的存在異常情況，因為有的時候只是周期性的變化，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：

1. 不是周期性的變化
2. 是在6月13號突然的下降，并且下降了三天了，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后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：

1. 按照新老用戶的拆分；
2. 登入平臺的的拆分，比如：IOS、安卓；
3. 按照APP版本進行拆分；
4. 按照登錄渠道的拆分，比如APP、小程序；
5. 按照區域的拆分，比如：國家、省份；

先計算影響系數，然后每一項數據在跟以往正常的數據做對比，算出影響系數。

公式：（今日量 – 昨日量）/（今日總量 – 昨日總量）

系數越大，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系數。

• 老用戶影響系數 = (77.89-78)/(78.8-79.5)=0.16
• 新用戶影響系數 = (0.98-1.5)/(78.8-79.5)=0.84

四、了解業務的具體動作

上面初步確定了原因之后，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里，主要是溝通最近是否有什么業務上的動作。

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，所以最后我們把問題定位到了渠道3上面。所以我們聯系渠道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。之后我們在跟渠道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，你分析的這個有什么用。所以最好是先初步確認問題出現在哪里，然后跟相關人員溝通，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后的工作有幫助，也歡迎大家關注點贊，后續大家也可以一起討論更多的工作中的問題。

作者：睚一；微信公眾號：睚一筆記