常见问题：GMV\日活\转化率\客单价\用户流失率的变化原因分析。分析基本流程：明确问题——定位问题——原因假设——提出建议/数据支撑假设。
基本流程
明确问题——定位问题——原因假设和建议
1.明确问题：确认数据真实性，是相对什么而言的下降
2.定位问题：指标拆解+漏斗分析
3.原因假设，内部（运营、开发）+外部（pest）
4.提出建议：针对不同的原因假设
具体分析
单一类指标——DAU
DAU 下降，如何分析？直接套用上面的基本流程：
1.明确问题
确认数据真实性，计算bug；确认是相对什么而言的下降（横比还是总比？）
- 环比数据：平稳下降还是骤跌？排查突发性事件还是累积性事件。
- 近年同比数据：是否有同级别的下降？排查是否收到周期性、节日、重大赛事的分析
2.定位问题
指标拆解定位问题，越细越好——定位具体群体
常见分析顺序：新 or 老用户，用户来源渠道（质量，定位问题，帮助分析各个渠道投放ROI，从而改变渠道投放比例或者内容），登录入口（手机端和pc段），机型（不同档次的机型，用户质量不同）等等。具体可以计算指标变化率。
- 用户分群
- 基本：新老用户、渠道、机型、登录入口
- 画像：男女、地区、职业等等
- 访问时段
3.原因假设
提出原因假设，为什么会出现问题。
- 内部原因
- 产品：功能变动、推荐策略调整、UI设计改动
- 开发：bug？耗电，加载过慢
- 运营：推送活动，推广效果不佳
- 外部原因：
- 时间因素，比如开学或者假期
- 政府政策、社会事件（舆论）
- 市场价格、竞品
4.提出建议
- 比如某渠道用户转化率/留存低，考虑ROI，减少渠道投放或者修改投放内容。
- 用户体验不佳，更新版本，进行abtest
- 老用户流失，调查问卷进一步优化+挽回
（当然，这是比较模板式的解答，面试官可能会觉得没有亮点~
复合类指标——GMV
GMV 下降，如何拆解分析？
gmv = 访客数 * 转化率 * 订单均价
进行指标拆解，随后按照单一指标分析，拆解为以下三个指标：
-
访客数：分析同单一指标，定位具体用户群体问题
-
转化率：漏斗分析
-
用户从点开APP到最终完成购买的过程中经历了那些步骤，分析每个子环节所产生的用户流失率，从而定位到具体子环节的功能或者界面等问题。
-
比如拆解为：广告点击、商品浏览、放入购物车、交易成功，检查每一步转化率是否有显著变化。
-
-
订单均价：考虑政府政策，市场价格等外部因素
真题思路
- 抖音日活下降20%，如何分析？
（1）20% 过大，暗示需要确定数据的准确性。（2）问题拆解，从用户、产品、运营、内容四个角度进行了分析，然后继续细分各个维度，在用户角度可以拆分处不同入口、不同时间段等指标，对这些指标进行详细的计算和分析，我们便知道是否其影响了日活的变化。外部因素主要从竞品，政策，社会环境三个方面进行了拆分，比如某国下架抖音APP。（3）做出假设+解决，比如①发现新用户下降多，按照渠道划分，如果发现某渠道有问题，分析是流量还是转化率低，从而定制渠道优化策略；②近期有重要产品迭代，abtest的结果表现如何。
- 每年夏天北京的滴滴呼叫量增加，为什么？
（1）明确问题，夏天北京呼叫量增加是针对春天，还是针对上海。（2）进行问题定位（套路）。（3）原因假设，由于是每年夏天都增加，强调周期季节因素，如果分析内部原因或者突发事件显得强行。题目“夏天”暗示明显，可以分析暑期旅游人数增加，或者夏季雨天增加。（4）这里由于是增加，不需要分析改进建议，转而可以给出假设的数据支撑，比如分析原因认为：①“暑期旅游人数增加导致的”——给出用户数变化+政府游客数据；②“夏季雨天增加导致的”——给出夏季雨天数量+雨天和晴天打车人数对比，
- 618后拼多多成交量下降，分析原因并说明需要用哪些数据作支撑、、、