欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

异动分析--滑动配对聊天

程序员文章站 2022-12-04 20:30:28
General的思路1.观察趋势,定位异动时间点,区分是缓降还是突降缓降→ 用户体验等长期问题突降→bug/数据出现问题原则:(1)查问题前先确认是否数据出错。对比dcl数据/后端埋点/前端埋点的数据,确认是否真的出现异动,还是由于当日数据有异常(2)先查突降,突降比较好定位原因2. 拆分维度,看每个维度下是否有个别类别的用户数据出现下降,或者每个维度下每个类别的用户无差异,但每个类别的占比发生变化常用维度:–用户自身属性(1)性别(2)os(3)新老/day_in_app_grou...

General的思路

1.观察趋势,定位异动时间点,区分是缓降还是突降

缓降→ 用户体验等长期问题

突降→bug/数据出现问题

原则:

(1)查问题前先确认是否数据出错。对比dcl数据/后端埋点/前端埋点的数据,确认是否真的出现异动,还是由于当日数据有异常

(2)先查突降,突降比较好定位原因

2. 拆分维度,看每个维度下是否有个别类别的用户数据出现下降,或者每个维度下每个类别的用户无差异,但每个类别的占比发生变化

常用维度:

–用户自身属性

(1)性别

(2)os

(3)新老/day_in_app_group

(4)age_group

(5)国内/海外

(6)城市分级 tier

(7)省

(8)用户活跃度(新增/回流/活跃用户的active_days)

(9)【一般针对新户】归因渠道

(10)【一般针对新户】注册方式

– app改动:

(1)版本

(2)手机操作系统版本

(3)是否在某个实验

(4)push_group/sms_group/message_group

–用户状态

(1)当天/7天后/14天后/30天后用户status(排除spammer影响)

原则:

(1)如果每个维度下各类别用户出现普降(如男女用户都下降,android/ios都下降),那说明该维度可能不是导致该异动发生的原因。

(2)除了查看每个维度下各类别用户的数据趋势,还要查看各类别用户的占比是否发生变化(男女比)

本文地址:https://blog.csdn.net/weixin_41744624/article/details/108979774