DAu异常的原因
- 对数据异常原因做出假设，利用数据验证。
考虑的方向有：业务逻辑更改/指标计算更改；底层系统故障：数据传输，存储；政策影响：互联网金融监管等；假期效应：开学季，暑假，节日；热带事件和突发事件；轰动影响如双11等；
-
确认数据真实性。将时间轴拉长(3个月)，做同比和环比，看近期异常还是历史异常；查看与该指标关联的其他指标是否异常；找数据流相关产品和研发确实数据真实性。
-
常见拆分维度：地区，登录渠道，用户群体，平台，版本等。拆分后每项数据与历史数据做对比，计算影响系数。影响数据=今日数据-昨日数据/今日总量-昨日总量，影响系数越大，说明这个地方是有问题的。
4.外部原因分析。政治因素（政策）/经济因素（竞品app分析）/社会因素
5.内部原因：运营上有策略，拉新渠道，投放推广，活动等，产品有功能调整，策略调整，样式更改；技术问题：接口不稳定，app异常，系统故障；
回答思路总结：
先结合以往数据异常进行假设，设计数据采集和数据提取。
如果DAU上升或者下降，且非日常波动，需先确认指标逻辑计算和数据提取是否存在问题；
数据提取无误后，如果DAU是骤降，则需向相关技术同学确认数据采集、传输、存储过程是否问题，是否有丢数据或者正在更新数据的情况。
进行周期性排查，比如节假日，淡季旺季，如果DAU波动范围较小，延长时间线查看是否存在数据周期性波动（如是否周末/寒暑假/淡旺季）。
在一个假设得到验证之后了，从不同维度进行拆解，确定异常范围 —— 从产品、运营、技术侧逐一排查，最终找到原因。
运营我们会考虑产品是否发布了新版，考虑是否有新开启的运营活动，用户对活动的喜恶程度也影响着DAU。技术bug也是导致DAU下降的重要原因，具体可分析用户加载成功率是否有所降低以及流失用户是否存在丢档问题等。
用户维度分析的话，影响新用户数量的主要因素是投放策略的变动。如果新用户数量变动较大，可以分渠道、分区域查看投放量，一般会是投放量增加/减少导致的新用户数量变化。如果投放量并没有什么变动，可分析各渠道转化率是否变化，并和投放同学确认投放人群、策略以及渠道平台是否有变化。如果老用户DAU下降，首先可以考虑流失用户是否受新版本活动、功能、bug的影响，结合产品调整和用户活跃度下降数据进行进一步确认分析。分析流失用户特征及产品用户平均生命周期，查看用户是否已属于“衰退期”。
外部原因主要从竞品分析，调研市场上是否有强有力的竞品出现，是否也在同渠道进行投放，从而抢占了用户资源等；竞品是否有新功能、新活动上线，吸引了用户。还有行业经济，调研行业现状，是否遇到风口。还要关注舆论风向，是否受社会舆论影响，可查看各社交平台，微博、贴吧、博客、知乎等是否存在较好/坏评论，造成影响，影响用户量。政策方面，是否有鼓励/限制政策出台，影响了产品和用户。
A/B测试
A/B测试 是为 web 或 app 界面或流程制作两个（A/B）或多个版本，在同一时间维度，分别让组成成分相同（相似）的访客群组（目标人群）随机的访问这些版本，收集各群组的用户体验数据和业务数据，最后分析、评估出最好版本，正式采用。
两个重点：一是如何将实验分组（分桶）；二是如何科学地对比评估。
要保证每个用户只在一组里出现，也就是说进入某组的用户不会进入其他组； 确认各组的用户在各个维度上均匀分布，也就是说防止一组里只是一类人，比如：开头的案例中点橙色按钮的用户都是女性，那就是有偏差的； 如果有多组实验同时进行，要能够进行并行能力，一般采用分层分流的方式，保证流量在不同层中是正交的，也就是说一个用户在每一层中应该分到哪个桶里，是独立不相关的。
App冷启动问题
字节：一个新APP, DAU规定做到1000以上，应该怎么做？（b站评论）
从拉新来说，APP投放前一定会想好自己的目标用户是谁，但这时的目标用户可能很模糊，只是一个概念，需要数据人员用不同数据指标将用户具像化，也就是用数据描绘出用户画像，同时估计用户规模；然后考察各个触达渠道、APP矩阵、公众号矩阵里存量用户有多少比例和自己的用户画像重叠，在重叠比例高的渠道进行信息投放；同时如果用户画像本身是有细分的，那么还需要根据不同用户投放不同信息，真正把用户关心的权益点、这个APP和其他产品的差异点透出出来。所以数据人员在拉新阶段需要回答的问题至少有3个：确定用户是谁、确定从什么渠道接触用户、确定提供哪些信息给用户。
到了留存阶段，随着用户的来访，逐步可以积累用户数据了，可以做的事情变得更多。这时候数据人员需要通过用户分层去完成策略分层，比如可以根据用户的活跃度和使用深度进行分层，高活深度用户是不是意味着需求被充分满足，他们认可我们的产品，愿意帮忙做一些用户裂变？高活浅度用户是不是意味着感兴趣但APP内的承接没做好，找出承接的问题出在供需失衡、使用难度、信息透出上的哪一点！低活深度用户需要进行回访提醒，并通过增加用户奖励、用户资产沉淀提供用户回来的理由！对于低活浅度用户，思考一下是不是APP的使用引导和使用门槛出来问题，对应做一些简化、功能下放、权益前置。
用户增长模型有哪些
AARRR模型：获取用户(Acquisition)，激活用户(Activation)，提高留存(Retention)，增加收入(Revenue)，传播（referral)
获取用户：
1）语言——市场匹配
市场匹配就是如何打动用户的心，一般来说就是8秒内告诉用户你的产品对他有什么用，比如：2001年ipod问世时，用一句“将1000首歌放在你的口袋里”表现便携式播放器的魅力。
（2）渠道——产品匹配
产品匹配是说产品投放在什么渠道才能直达用户的视线范围，渠道分为三种：
口碑渠道，适合病毒营销；有机渠道，适合搜索引擎优化、内容营销；付费渠道，比如电视广告、赞助。产品投放到那种渠道的时候，得清楚我们的目标用户是谁，目标用户在哪。
激活用户：
（1）啊哈时刻
很多手机应用，注册的用户不少但是打开率不高，想要唤醒休眠用户，需要摸清楚产品的“啊哈时刻”，什么是“啊哈时刻”：就是让客户感受到产品的亮点情不自禁的发出赞叹的时刻，就是打动客户的产品亮点。
（2）激活用户需要关注的指标
日活跃用户数（简称日活）：一天之内，登录或使用某个产品的用户数。类似的还有周活跃用户数，月活跃用户数
活跃率（活跃用户占比）：某一时间段内活跃用户在总用户的占比。根据时间可分为日活跃率（DAU）、周活跃率（WAU）、月活跃率（MAU）等
留存用户：
留存的核心目的是让用户养成使用习惯，如何让用户变成回头客。
留存用户需要关注的指标：
次日留存率：（当天新增的用户中，在第二天使用过产品的用户数）/第一天新增的总用户数第3日留存率：(第一天新增的用户中，在第3天使用过产品的用户数)/第一天新增的总用户数第7留存率：（第一天新增的用户中，在第7天使用过产品的用户数）/第一天新增的总用户数第30天留存率：（第一天新增的用户中，在第30天使用过产品的用户数）/第一天新增的总用户数
Facebook著名的40-20-10法则：新用户次日的留存率为40%，7日之后的留存率20%，30天后留存率10%，这个表现的产品属于数据较好的产品。
增加收入：
（1）如何从用户身上获得真正的收益，比如让用户续订、创造更多的广告位等，虽然商业模式不同
需要关注：客单价：每位用户平均购买商品的金额，客单价=销售总额/顾客总数。PUR：（pay user rate） 付费用户占比
复购率：一定时间内，消费两次以上的用户/总购买用户数，如果10个客户购买了商品，5个用户产生了重复购买，则复购率为50%。
传播：
关注的指标：
转发率：转发的用户数/看到该功能的用户数
转化率：比如淘宝转化率=某段时间产生购买行为的用户数/所有到达店铺的访客人数，比如双十一，看到店铺某个产品的客户有100个，最后下单的人数有10个，则转化率为10%。
K因子：用来衡量推荐的效果。K因子=（每个用户向他的朋友发出请求的数量）*接收到邀请的人转化为新用户的转化率
K>1 用户像滚雪球一样的增大；K<1 用户群到某个规模时就会停止通过自传播的增长。
