工作中，產品數據異常時有發生，面試也經常會問到，尤其核心數據（如新增、日活DAU、訂單、收入等）的變化，更是我們關注的重點。
你好，我是 10 年產品經理四月。這是第 54 篇原創，聊聊產品經理遇到數據異常，該如何做數據分析，找出原因。有一次，周一剛上班，領導就問，這周末咱們的 App 日活為啥跌了 30%？當時我還沒啥經驗，有些手忙腳亂，看看數據，找技術和運營討論，幸好找到原因。工作中，產品數據異常時有發生，面試也經常會問到，尤其核心數據（如新增、日活DAU、訂單、收入等）的變化，更是我們關注的重點。數據一旦出現異常，產品經理需要去分析數據，排查原因，盡快解決，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。后來我負責數據統計平臺，經常要幫產品經理和運營分析解答各種數據變化的問題。這讓我積累了數據分析方面的經驗。分析這類數據異常的情況，常規做法總結起來有 3 步。第一步，是排查常見問題，確保數據是準確的，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，可先看產品的前后端是否有更新變動。假如有更新，得跟開發、測試同事，核實這些更新，是否會對數據有影響。其次，搞清楚數據是否準確，有沒有可能數據統計出問題。現在多數產品會用數據統計平臺，若用自家系統，得跟開發確認最近數據采集、上報或統計邏輯有沒有變動？會不會服務更新或異常，導致數據統計出現問題？若用第三方統計平臺，要跟對方確認平臺有沒有什么改動或異常？若是人工統計報表，要找統計的同事核實統計方法、源頭數據有無問題？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，數據變化一致，且在變動或故障時間點開始下跌。比如全部產品數據在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，出問題概率較小。
有些產品的數據，會有周期性波動，屬于正?，F象。比如，職場辦公類的產品，周末日活下降；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，要確定數據的變化，是異常，還是正常波動？那怎么做呢？第二步，用折線圖將過去一段時間的數據展現出來，看數據的變化趨勢，對比不同周期的變化幅度。異常數據，在趨勢折線圖上往往變化幅度較大。對比的周期，視產品的情況而定，可以是「周」或「月」，甚至是「年」。開頭那個例子，當時我們發現周末的日活下降了，經過第一步的排查，沒發現問題。于是，把前面幾周的數據拿出來對比，看看每一周的數據變化，是否存在波動規律。結果發現，確實一到周末數據就下降，但變化幅度頂多 10%，突然跌了 30%，明顯是異常。
上一步單看一個數據指標，難以分析具體的情況并發現問題。所以，第三步，要看異常的數據指標，由哪些數據構成，將其逐層拆解，對比跟往常數據不一樣的地方。所謂維度，是指看數據的角度。常見的維度有：渠道、版本、地區、用戶類型、性別、年齡等。上述例子，我們確認了日活數據異常，而用戶有多個渠道來源，日活躍用戶也有老用戶和新用戶。我們先把幾個渠道數據拿來對比，發現廣點通渠道的數據，在周末大幅度下跌。
這說明，問題很可能出在廣點通這個渠道上。于是，從渠道的維度，對比了日活用戶的老用戶和新用戶數據，果然廣點通的新增用戶下跌嚴重。當時，看到這些數據就猜想，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周末消耗完了，因此，沒有更多的新增用戶，導致日活減少。到這里，數據異常的原因基本確定，但沒結束，還得繼續觀察，看問題解決后，數據是否會恢復正常。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，數據分析和溝通確認都要做。因為，造成數據異常的原因有很多，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，也要通過數據分析去驗證。最后總結下，遇到產品數據異常，不用慌，不用亂。產品經理必備技能之數據分析查異常 3 步走，練起來：文章來源：作者：四月同學，10 年產品經理，上市公司產品部負責人，三節課合作講師，高校教材作者。公眾號：四月喃嘩。
圖片來源：部分圖片來源網絡，版權歸原作者所有，不為商業用途，如有侵犯，敬請作者與我們聯系。文章為作者獨立觀點，不代表135編輯器立場。
文章申明：本文章轉載自互聯網公開渠道，如有侵權請聯系我們刪除
