編輯導語:在工作中,產品資料異常時有發生,而新增、日活DAU、訂單、收入等這些核心資料,更是我們關注的重點。作為產品經理,遇到資料異常時,該如何做資料分析,找出原因呢?本文作者總結了三步常規做法,希望能給你帶來幫助。
這次聊聊產品經理遇到資料異常,該如何做資料分析,找出原因。
有一次,週一剛上班,領導就問,這週末咱們的 App 日活為啥跌了 30%?
當時我還沒啥經驗,有些手忙腳亂,看看資料,找技術和運營討論,幸好找到原因。
工作中,
產品資料異常時有發生,面試也經常會問到
,尤其核心資料(如新增、日活DAU、訂單、收入等)的變化,更是我們關注的重點。
資料一旦出現異常,產品經理需要去分析資料,排查原因,儘快解決,避免有更大的影響和損失。
遇到這種情況,如果沒有經驗,不懂處理方法,有時折騰很久,也未必能找到原因。
後來我負責資料統計平臺,經常要幫產品經理和運營分析解答各種資料變化的問題。這讓我積累了資料分析方面的經驗。
分析這類資料異常的情況,常規做法總結起來有三步。
一、排查常見問題,確認資料準確性
第一步,是排查常見問題,確保資料是準確的,往下分析才有意義。
這些問題多是由
版本更新
、
統計方式變動
、
服務故障
等引起的。
因此,可先看產品的前後端是否有更新變動。假如有更新,得跟開發、測試同事,核實這些更新,是否會對資料有影響。
其次,搞清楚資料是否準確,有沒有可能資料統計出問題。
現在多數產品會用資料統計平臺,若用自家系統,得跟開發確認最近資料採集、上報或統計邏輯有沒有變動?會不會服務更新或異常,導致資料統計出現問題?
若用第三方統計平臺,要跟對方確認平臺有沒有什麼改動或異常?若是人工統計報表,要找統計的同事核實統計方法、源頭資料有無問題?
由統計方式變動或服務故障導致的,通常多款產品都會受影響,資料變化一致,且在變動或故障時間點開始下跌。比如全部產品資料在8點都下跌,或全部為0。
早期的產品,這一步容易出問題;而成熟的產品,有穩定的統計平臺,出問題機率較小。
二、對比歷史資料,判斷是異常還是波動
有些產品的資料,會有周期性波動,屬於正常現象。
比如,職場辦公類的產品,週末日活下降;面向學生的產品,一開學,日活會下降,一放假,日活又上漲。
因此,要確定資料的變化,是異常,還是正常波動?
那怎麼做呢?
第二步,用折線圖將過去一段時間的資料展現出來,看資料的變化趨勢,對比不同週期的變化幅度。
異常資料,在趨勢折線圖上往往變化幅度較大。對比的週期,視產品的情況而定,可以是「周」或「月」,甚至是「年」。
開頭那個例子,當時我們發現週末的日活下降了,經過第一步的排查,沒發現問題。
於是,把前面幾周的資料拿出來對比,看看每一週的資料變化,是否存在波動規律。
結果發現,確實一到週末資料就下降,但變化幅度頂多 10%,突然跌了 30%,明顯是異常。
可為啥會出現這種異常呢?接著往下分析。
三、拆解資料構成,多維度分析原因
上一步單看一個數據指標,難以分析具體的情況並發現問題。
所以,
第三步,要看異常的資料指標,由哪些資料構成,將其逐層拆解,對比跟往常資料不一樣的地方。
所謂維度,是指看資料的角度。常見的維度有:渠道、版本、地區、使用者型別、性別、年齡等。
上述例子,我們確認了日活資料異常,而使用者有多個渠道來源,日活躍使用者也有老使用者和新使用者。
我們先把幾個渠道資料拿來對比,發現廣點通渠道的資料,在週末大幅度下跌。
這說明,問題很可能出在廣點通這個渠道上。
於是,從渠道的維度,對比了日活使用者的老使用者和新使用者資料,果然廣點通的新增使用者下跌嚴重。
當時,看到這些資料就猜想,是不是這個渠道投放出問題了?
馬上跟運營確認,原來廣點通的費用在週末消耗完了,因此,沒有更多的新增使用者,導致日活減少。
到這裡,
資料異常的原因基本確定,但沒結束,還得繼續觀察,看問題解決後,資料是否會恢復正常。這樣才能驗證分析的結論。
當然,有人可能會說,你一開始問運營不就行啦?
實際上,資料分析和溝通確認都要做。
因為,造成資料異常的原因有很多,且未必是單一的,比如受競品、市場因素的影響。
此外,有些產品涉及部門人員眾多,沒思路地問,效率不高;即使問出疑似的原因,也要透過資料分析去驗證。
最後總結下,遇到產品資料異常,不用慌,不用亂。產品經理必備技能之資料分析查異常 3 步走,練起來:
排查常見問題,確認資料準確性
對比歷史資料,判斷是異常還是波動
拆解資料構成,多維度分析原因
作者:四月,公眾號:四月喃譁,10年產品經理
本文由 @四月 原創釋出於人人都是產品經理,未經許可,禁止轉載
題圖來自 Unsplash,基於 CC0 協議