编辑导语：DAU也就是产物的日活，每个业务模式的DAU都是纷歧样的，要按照产物自身的调性确定DAU值；DAU值也会因为许多因素受到影响，假如发明DAU低落，要从内部和外部举办阐明；本文作者对DAU下降举办了一些摸索和扩展，我们一起来看一下。

某年某月某天早上，你打开数据看板一看，这数据曲线不太妙啊，DAU低落了许多啊，怎么办怎么办，开始方了。

不要方，数据下跌不行怕，可骇的是数据下跌了还不知道，甚至是知道下跌了都基础找不到原因。

本文想用一个数据下降的Case来接头下阐明思路。

文章主要分为两部门，一部门是针对DAU下降原因的一些摸索，一部门是针对这种问题的拓展。

一、DAU下降了，怎么办？

在我们接头这个问题之前，需要先明晰一下DAU的界说：有的公司的DAU大概是启动UV，有的公司大概是登录UV，有的公司大概是产生了特定行为的UV。

在接头一个数据指标之前，需要先理清楚界说可能详细的计较法则、统计口径，制止接头了好久，最后发明各人对这个指标的界说是纷歧样的排场。

为了简朴阐明，这里用的界说是启动UV，阐明思路是从外部原因和内部原因两个方面入手。

1. 外部原因

首先需要明晰的是数据是否精确，这大概是一个庞大无比的坑。

假如数据是依赖于客户端埋点上报的，在发新版本，可能某些成果改版的时候，很大概会呈现问题。

常见的问题好比埋点缺失、上报的数据存储丢失、接口改换等；这种现象一般较量明明，对应在数据上根基上是腰斩级此外异常。

假如数据是从BI的某些报表中取的，字段的增删、数据表的改换，都大概带来数据异常，但这些异常一般较量明明。

其次是明晰数据是否是周期性颠簸。

一些业务模式会有明明的周期效应，好比有的业务模式是周一——周五是数据低谷，周末是岑岭；有的业务模式是周一-周五是数据的岑岭，周末是低谷。

在当前周期往前多比拟几个月的数据，根基能判定出来是通例颠簸照旧异常颠簸，有的大概需要比拟一下去年同期的数据。

好比有的业务模式会受到季候的影响，在某些都市，一旦到雨季，共享单车这种出行类的App就会受影响，对应的打车类的App也会受影响。

别的就是最近是否有什么节日，有些节日对业务的影响是正向的，有些节日对业务的影响是负向的。

最后是运营和市场最近有没有做什么勾当，数据看起来下降大概并不是真的下降，也大概只是回归正常，只是之前的数据是高于正常程度的，所以看起来像是下降了。

有的时候到此为止就可以界说到主要的原因了，有的时候上面这些大概都是正常的，那就需要继承解析了。

2. 内部原因

有时候我们接头的是某个成果的DAU，甚至整个业务就是某个App中的一个成果模块，这个时候，首先需要看的就是上级的进口流量可能整个App的DAU是否有变革。

我们可以通过某个公式，可能某个流程，找到所有相关联的因子，然后再层层细分，直到找到原因。

一般来说，DAU=新增用户DAU+老用户DAU+回流用户DAU

有些时候，大概没有把回流用户单独拆分出来，不重要，那就只看前两项就好。

把这几个因子都往下拆分一个可能多个层级，就获得下面这样一个基本公式。

接下来我们需要对每个因子举办排查，确定异常因子之后，再往更下面的层级举办深挖。

假定是新用户DAU异常的话，接下来就需要再往更深一层看是数量异常，照旧留存率异常。

数量异常的话，可以凭据渠道再往下一层拆解，看是单一渠道异常，照旧多渠道异常：单渠道异常的话，是不是某个渠道的投放出问题了；多渠道异常的话，是不是削减投放预算了。

留存率异常的话，也是凭据渠道再往下一层拆解，看是单一渠道异常，照旧多渠道异常：单渠道异常的话，是某个渠道存在刷量的嫌疑，照旧渠道投放的人群不匹配；多渠道异常的话，是不是改换了投放计策、投放素材、投放的落地页等。

假定是老用户DAU异常的话，接下来也是再往更深一层看是数量异常，照旧留存率异常。

假定命量异常的话，往下再拆一层，看是安卓照旧iOS异常，照旧整体都异常，然后可以再凭据版本举办拆分，看是不是最近哪个版本里窜改什么对象了。