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:
常见的促活策略有:
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:
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:
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。
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: