作者：汪浩
公众号：只说人话的小汪
“DAU下降了怎么分析”几乎已经成为了互联网企业面试的必问问题了，不管是专业的数据分析岗位，还是跟业务强相关的产品、运营岗位，在考核业务感觉的时候，这个问题几乎就会随之而来。
很多同学遇到这个问题也不管业务的形态是怎么样的，上来就是
●app漏斗分析大法
●dau=新用户活跃+老用户活跃
●拆分各个渠道数据
导致虽然说了一大堆方案，但是结果上却黯然离场。
那么，当“dau下降了怎么分析”这个问题出现的时候，到底在问什么，我们该如何做出解答呢？
第一步：理清业务，确认方向以dau=每日打开app的用户为例，当dau下降时，可以以这几个思路先理清下降的影响：
●跟谁比，标准是什么？
●下降类型是什么，突然下降，周期性下降，还是持续下降？
● 下降的影响是什么，dau下降是否会影响业绩？
我们讨论下降的时候，一定是有一个标准的。找到「跟谁比」是一个关键。比如是年/月同环比下降，那么我们的目光就需要聚焦在“用户总量”上，去探索用户总量和业务的关系。
如果是更短周期的下降，如「连续x周/日下降」，「对比上周/昨日突然下降」等，就需要进一步探索下降类型。
下降类型
基本应对策略
突然下降
○确认数据本身是否有问题
○确认是否有业务动作，深挖业务动作
○确认是否产品突然出现了bug
○如果答案以上都是否，可以进入常规的维度拆分分析
周期性下降
○确认数据是否在正常的下降周期
○如果答案是否，可以进入常规的维度拆分分析
持续性下降
○确认当前产品阶段
■引入期：关注买量策略、渠道和力度
■非引入期：关注活跃用户结构的变化，根据不同结构的下降比例进行下钻分析
○确认当前产品策略
■从免费向付费转化：dau下降正常，更应该关注gmv的波动
■无调整：关注产品内容厚度是否足够用户体验，寻找用户流失的规律
并且关注问题的背景，「dau下降是否对gmv产生了影响」，如果影响很大，那么就需要急需解决的问题是「dau下降影响了gmv，后续动作是什么」就不要再在归因上浪费时间了，找到如何提升gmv才是重点。
第二步：寻找解决方案当我们理清了业务，并且确认了方向之后，接下来就是分析如何去解决dau下降的问题。寻找解决方案的时候，主要考虑以下几点：
●业务路径是怎样的
●可用的资源有哪些
●如何判断方案是有效的
业务的路径是非常个性化的，针对于这个问题可以更多的询问提问方，通过提问了解业务的核心路径，以及日常的优化办法。
在梳理可用资源的时候，针对不同业务的性质和架构，强势方是不一样的，例如销售驱动的公司，可能是投放和渠道部门资源比较多，运营驱动的公司，是运营部门资源比较多。梳理解决方案的时候，考虑资源的分配，找到「合适现状且符合资源分配」的方案比「头阿腾都是这么干的」会更有说服力，也更容易推行。
如何判断方案是有效的，这一部分，可以更多的关注「AB实验设计」或者「搭建评估体系」这个方向，这两个在网上都有很多资料，大家可以自行查阅。
最后一步：下次再出现，怎么办？
最后一步，也是最为关键的一步，对于大部分管理者而言，需要解决的并不是一个个性的，专题的问题。而是要搭建一个稳固的，可复用性强的体系。很多同学很优秀，天花乱坠说了很多，还输出了自己案例，最后因为没有讲到一步而折戟。
在寻找/完善了解决方案之后，可以参考以下的思路进行扩展：
偏向执行
偏向数据
通用
动作
●沉淀xx方案及数据搭建案例库
●沉淀场景库，并且建立跟案例库的匹配机制，即时处理
●优化xx逻辑，降低xx场景发生的概率
●沉淀分析场景，抽象业务指标，并搭建对应看板
●梳理指标上下游关系，找出联动指标，设立联动指标的规则，探索预测场景发生的可能性
●推动分析报告产品化
●搭建监控体系，进行即时预警
回答这个问题其实没有标准答案，但总体思路可以总结为：提升复用性、降低复发性、加强突发事件的可控性、设立尽量多且有效的预案。
如果在回答“dau下降了怎么分析”这个问题时，或者工作中真正遇到了类似的问题，以这三步为提纲，可以很大的提高对方对自己的印象和解决问题的概率。尽量的避免陷入「一上来就拆」的思维，提升自己的专业度，体现思考深度。