异动分析--滑动配对聊天

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