面对产品日活的异常波动，我们需要多方位进行分析。

背景:APP平时的日活动稳定在79万~89万，一天突然降到78.8万，一天后降到78.5万。这时候产品负责人很着急，让我尽快查明具体原因。(´﹀`)礼貌的微笑。一天活跃在80万元，一两万元的波动其实并不是很大的波动，但还是要调查具体原因。具体步骤如下:确定数据是否准确，系统是否有bug；确认数据是否异常；拆分维度，确认影响因素和定位的一般原因；了解业务的具体行动，最好与产品、技术和运营沟通；根据现有具体情况提供建议；1、确认数据是否准确。无论何时获得数据，都不要急于进行数据分析，首先要判断数据是否准确，尤其是别人发给你的数据，先确认数据的准确性，以后可以少做很多事情。2、在确认数据是否异常并确认数据的准确性后，让我们看看数据是否真的异常，因为有时这只是一个周期性的变化，所以我们不需要担心。我们看不到单个数据的具体情况。我们需要结合以前的数据来发现异常情况。例如，上述数据：根据以前的数据，我们可以发现，不是周期性变化，而是在6月13日突然下降，而是在三天内下降，这可能会持续下降。我们需要警惕，从以上数据中，我们可以知道日常生活确实有问题。我们看不到单个数据的具体情况。我们需要结合以前的数据来发现异常情况。例如，上述数据：根据以前的数据，我们可以发现，不是周期性变化，而是在6月13日突然下降，并且已经下降了三天，这可能会持续下降。我们需要警惕，从以上数据中，我们可以知道日常生活确实有问题。完成上述步骤后，我们将进行数据分析。三、现在拆分维度的问题是:日活动度下降了一两万。因此，我们需要按照新老用户的拆分来拆分日常活动维度；登录平台的拆分，如:IOS、Android；按APP版本拆分；按登录渠道拆分，如APP、小程序；根据国家、省份等区域拆分；首先计算影响系数，然后将每个数据与以前的正常数据进行比较，计算影响系数。公式：(今日量–昨日量)/(今日总量)–昨天总量)系数越大，影响越大。现在我们来看看上面的数据，因为数据在6月13日突然下降，所以我们用6月12日和6月13日的数据来计算影响系数。老用户影响系数=(77.89-78)/(78.8-79.5)=0.16新用户影响系数=(0.98-1.5)/(78.8-79.5)=0.844。了解业务具体动作后，与产品、技术、运营商沟通，进一步确认原因。结合我们之前发现DAU下降的原因是由新用户引起的，所以我们首先与推广人员沟通，在沟通之前，我们应该整理不同推广渠道的数据。通过渠道拆分，我们发现6月13日的渠道3新用户数量严重下降，所以我们最终将问题定位在渠道3上。因此，我们联系渠道3负责人共同定位问题。例如：渠道线索量减少？降低渠道转化率？渠道平台问题？找出具体问题，针对问题制定具体的优化策略。我们需要根据具体的问题提出具体的建议，比如渠道平台的问题。当我们看数据时，我们会发现渠道3的DAU一直处于下降趋势，但在6月13日，它严重下降，提出了问题。先假设我们在渠道3做拉新活动，6月13日结束，导致渠道3日活下降。之后，当我们与渠道3的负责人沟通时，我们可以问是否有相关的业务行动。其实分析最重要的是提供建议。如果分析结果没有建议，别人会说我早就知道你分析的有什么用了。因此，最好先初步确认问题出现在哪里，然后与相关人员沟通，然后根据您所知道的情况进行具体分析。希望这篇文章对大家以后的工作有所帮助，也欢迎大家关注点赞，以后大家也可以一起讨论更多的工作问题。