DAU数据异常的分析思路

DAU：Daily Active Users是日活跃用户数。该指标为运营指标，用于互联网产品，用来评估产品的用户规模，用户粘性，用户增长或者留存如何。

计算规则因产品不同而不同，因分析目的不同而略有差异，表现在登录实体、登录次数或者登录时长的区别。这里，登录实体表现为设备、帐号还是cookie。

DAU的分析价值所在：

核心用户规模：DAU指标直接反应了核心用户规模。可以结合其他指标一同分析。

生命周期分析的价值：产品不同阶段，DAU的数据表现不一样。DAU趋势下滑，那么很可能是老用户流失，产品开始走下坡路。是否要投入运营预算，是否要产品重新战略部署等。

产品黏性：DAU指标结合留存指标来分析产品的用户粘性。

渠道价值分析：DAU可以间接判断各大渠道对产品的贡献价值。在产品初期投放各大渠道之后，DAU数据会逐步减少，后期可以有选择的保留用户基数大的渠道运营。

用户流失分析：运营活动结束之后，DAU数据有大幅减少，则要进行用户流失分析。

某天，发现DAU数据异常，如何分析？

每项指标都有其设计的目的。各项指标、维度，需要综合评估。DAU分析的一大意义就是发现异常值，从宏观层面了解目前的产品问题。可以从如下三个角度进行。

数据是否准确。一般来说，ETL过程，调度过程，服务器等是否有问题导致数据不准确。该问题的几率比较小，但是也不排除。

DAU的多个维度分析，趋势、同步、环比、定基比等。

结合其他指标一起看数据。新增用户、MAU、ACU、ARPU值、在线时长、付费转化率等多个指标进行多维分析。

结合小数据，最后，定位问题。

一，DAU的多维度分析。

趋势：通过判断DAU指标在某一时间段的变化来预测未来的数据表现，一般用趋势图表示。例如，未来一个月的收益表现，可以参考三个月的DAU，去年同期的数据表现，可以综合评估分析。

同比：是将本周期内的数据与历史相同时间点的数据进行比对。例如，今年N月与去年N月相比。

环比：是将本期数据与前期数据进行对比，体现了数据连续性变化的趋势。例如，今年九月同八月、七月的数据进行比对。

定基比：数据进行比对才有意义。该分析需要以某个时期为基数，其他各期数据都可以与之对比。基准线是产品发展的里程碑水平，可以反映产品的发展运营情况如何。

二，结合其他指标一起定位问题。

DAU分析可以及时发现异常值，及时从数据层面发现业务问题。但是，需要结合其他一起分析，如：MAU、ACU、ARPU值、在线时长、付费转化率等多个指标进行多维分析。

最后，可以列一个常见问题清单，挨个过滤，来定位问题。一般表现为：数据异常时间点的不同（如节假日，高考等），产品体验，近期是否发版，近期的运营活动，渠道投放，广告推广，产品相关的新闻事件，以及市场竞品的影响（如有新竞品进入市场，竞品最近搞运营活动）等。

三，总结分析DAU的几点：

数据要去重，select语句要有distint。

看趋势、看拐点，看占比、同比、环比等。

多维度分析DAU，如渠道维度。

DAU指标的定义要清楚。计算对象是设备、帐号还是cookie，怎样算是活跃，登录多次还是登录时长要超过一定时间。

DAU一般要根据产品阶段来看数据趋势。

结合其他指标、结合小数据进行分析并定位问题。

说明：文中的小数据定义：大数据之外的对事物的观察所得到信息，例如线下的问卷调查，新闻事件等。个人杜撰。

题外话：说好的每天一篇呢？陪伴小朋友、游泳、朋友聊天，还是手机“刷刷党”，时间不知不觉过去了……捂脸