互联网大厂日常

主要包括数据异常的排查和融入专项，做专项分析并负责KPI、埋点、指标体系等。

一、数据异常排查

• 数据波动较大，原因：1.数据本身有问题，业务本身有问题
• 数据异常排查的前期准备：（背景，某App的DAU低于1000w）
  • 业务理解
    • DAU代表什么行动的DAU，是进程中的还是打开App，还是必须有主动行为
  • 指标口径
    • 安卓还是所有系统？
  • 当前数据产出过程
    • 这一千万目前是由哪份日志做了哪些清洗计算出来的
• 异常排查步骤：
  • 判断是否异常
    • 亲自去看数据
    • 时间轴拉长去看近期异常（3个月）还是历史异常
    • 看和该指标关联的其他指标或其他核心指标是否也异常
    • 找到关键人物（产品/数据），提前沟通
  • 最大概率法则归类
    • 假期效应：开学季、暑假、四大节、当地节日
    • 热点事件：常规热点（世界杯）、突发热点（爆款IP）
    • 活动影响：双11、618、公司层面的活动
    • 政策影响：互联网金融监管、快递实名
    • 底层系统故障：数据传输、存储、清洗有问题
    • 统计口径：业务逻辑更改、指标计算方式更改
• 闭环
  • 持续跟踪后期数据是否再次异常
  • 记录、沉淀、文档化
  • 邮件化，在确认无误后再发送邮件给相关方，

二、融入专题

专题分析的三个特征：

• 有目标，紧贴KPI
• 有节奏：2~3周时间输出一份完整的报告
• 有闭环：所有报告说人话，做人事

  实例：今日头条App新用户留存专项

  项目背景：

  2015 年今日头条 App 新用户次留、7 留（7 日留存）与竞品相比，留存均低于 5% 绝对值，并且新用户流失速度要高于竞品，因此要在数据分析基础上，产品运营优化，提升用户留存 5% 绝对值。

  新用户留存整体分析

  工作：摸清数据现状，找到切入点，无需太注重细节。在项目前期，大家都较为困惑时，用两周的时间输出一份专题报告，把一些细节的数据体系出来。
  

寻找优化切入点，一般时1~2个

1.关键路径数据发现曝光 PV 到点击 PV 的 CTR 很低。
应细致分析：对于新用户，应该曝光什么，在什么时候、什么位置曝光。

2.某个量大的二级渠道次留明显要低于其他渠道。
应进一步分析： 对于该渠道，用户的留存过低是因为本身渠道质量存在问题？用户已经安装竞品？当前产品设计与渠道用户不太匹配？同时高留存的渠道本身特征是什么？

切入以上两点，就已经能给产品运营不少建议了，再配合 A/B 测试，就能看到数据分析效果。

不断重复前面两个阶段，继续寻找其他切入点

除了寻找本身产品的切入点，需要同时进行竞品分析、营销活动分析、用户流失分析等，整个过程就是在不断地“试错”。每一次分析报告都要有能落地的点，并且真的落地了，这就是闭环，这也是优秀分析师最重要的评判标准。