指标异动问题——次日留存率下降怎么分析

转载自小红书-小粗腿在打工-Scarlett

1.明确问题

1.1确定数据的真实性

统计口径、时间范围、数据来源的准确性

1.2确认下降幅度

判断下降幅度是否在业务的正常波动内

1.3确认对比什么时间下滑

通过事件的比较，初步判断下滑是否由于季节、节日、突发性事件、天气等影响

2.分析原因

2.1问题定位

  • 维度拆解：计算各维度的变化贡献占比，优先定位变化最大的维度进行下钻分析
    • 用户维度
      • 用户画像：性别年龄地域（静态特征）
      • 用户类型：新/老用户（老用户进一步用RFM模型拆解）、付费/续费用户、是否VIP（消费能力）
      • 用户兴趣：内容平台关注的笔记类目，电商平台购买偏好类目（动态特征）
      • 用户获取渠道：应用商场/投放渠道（不同渠道用户质量）
    • 手机系统
    • 设备品牌
    • 版本
    • 时间
  • 指标拆解：利用公式进行指标拆解
    • 横向拆池子（不同类型用户）
    • 纵向看漏斗（行为路径）

2.2归因分析

  • 外部原因
    • PEST模型：政治、经济、社会、科技
    • 竞品分析：现有竞争对手的活动、新功能、新产品，新竞争对手出现
  • 内部原因
    • 产品侧：新的推荐算法上线
    • 运营侧：拉新活动，用户质量
    • 技术侧：系统BUG

3.提出建议

3.1提出解决方案

3.2执行解决方案

3.3监控数据变化，及时评估效果，做出下一轮反应