數據異常問題定位在數據分析的工做中很常見。今天我就給你們分享一個商業變現業務中常見的數據異常問題定位案例。框架
問題描述:一個50W日活的信息流內容APP,主要經過接入聯盟廣告和部分直客廣告主進行商業變現。以下圖,5月20日這一天收入突降,這一階段爲年中大促廣告增投的預熱階段,收入本應逐漸上漲,忽然出現降低的趨勢,須要排查收入降低的緣由。該如何着手分析可以快速準肯定位問題,減小收入損失呢?ide
切記,在集思廣益猜想緣由的過程當中,必定要有條理作好總結概括。不一樣的角色對問題會有不一樣的關注點,不要被他們各方向的思路支配。上來就拆解各類數據,看到的都是片面的信息,看不清問題的全貌結果只會事倍功半。學習
數據的波動能夠分爲兩個方面的緣由:3d
一、異常問題致使數據波動,不是真實的數據表現。
二、真實的數據表現變差。第一須要協同產品、技術等各方確認是否有異常問題;第二須要分析同窗拆解數據圈定範圍肯定波動緣由。blog
無維度細分的總體數據用來定位異常指標,通常不能直接定位問題。異常指標在不一樣維度下的數據表現用來圈定異常範圍。根據異常範圍的數據表現做出假設猜測。廣告展現量、廣告點擊量、廣告點擊單價等核心指標的影響因素有:數據分析
一、廣告展現量影響因素產品
用戶行爲是否發生變化,如單日單用戶停留時長變化、詳情頁的PV變化、feed流內容的點擊率變化等。it
二、廣告點擊影響因素class
廣告內容重複率是否發生變化,重複率越高點擊量越少。請求
三、廣告點擊單價因素因素
流量質量是否發生變化。流量質量降低會致使廣告主側效果轉化率降低從而影響廣告點擊單價。
案例分析:
經過不一樣的數據表現診斷出不一樣的異常緣由:
周環比數據以下,B、C聯盟無異常波動;A聯盟cpm、acp波動不大說明變現能力沒有發生變化;A聯盟ctr波動不大說明用戶行爲沒有發生變化;A聯盟展現量絕對值降低了10%,所以廣告曝光量降低致使收入降低。
假設猜測:A聯盟廣告填充率降低致使收入降低
周環比數據以下,A、C聯盟廣告不一樣廣告位指標無異常波動;B聯盟列表頁指標無異常波動;B聯盟詳情頁cpm、acp無異常變現能力不變;B聯盟詳情頁ctr降低44%,點擊量降低47%,所以廣告點擊降低致使收入降低。
假設猜測:B聯盟詳情頁廣告內容重複率較高致使收入降低
周環比數據以下, 各變現渠道廣告展現量波動不大說明廣告曝光無異常;各變現渠道ctr波動不大說明用戶行爲沒有發生變化;各變現渠道acp、cpm均有降低,acp總體降低6%、cpm總體降低5%,故變現能力降低,致使收入降低。
假設猜測:流量質量降低形成收入降低
將數據拆解過程當中分析出的異常假設與異常排查結果對齊,從而定位廣告收入降低問題的緣由。
總結一下,盤點羅列數據異常可能的誘因→總結概括、分配任務→拆解數據與異常排查並行→綜合各方信息、肯定波動緣由。
這一方法適用於大部分數據指標異常波動排查。
一個數據人的自留地是一個助力數據人成長的你們庭,幫助對數據感興趣的夥伴們明確學習方向、精準提高技能。掃碼關注我,帶你探索數據的神奇奧祕