背景：
已知懂球帝APP当前的核心指标是日活+新用户留存。
过去1个月内，新用户次日留存稳定在40%上下，7日留存稳定在54%上下，日活用户数在2300W量级。
2019年5月20日上线D站，上线一个月后，发现如下数据变化：
1.D站板块的日活用户稳定达到1200W+量级，但每日总阅读时长起伏不定，近一周内上下超过20%浮动；
2.D站上线后，新用户次日留存下降了3%，7日留存下降了4%；
3.日活用户数增长到了2500W量级。
1.为什么每日总阅读时长起伏不定？
1.1分析方法
多维度拆解、对比分析、分布情况
1.2结论
可能性1：有可能每日总阅读时长同周期性成正比例关联，例如周一至周五，工作时间，集中在上下班高峰期，或者集中于午休，晚间时间，而周末可能全天随机时间分布。不仅是近一周有起伏，其他周都有，因此需要观察近一个月，或近半年长期有效的数据进一步分析。
可能性2：有可能数据呈现断崖式下跌，是服务器故障，但是该事件为偶发性事件，需熟悉实际情况才能给出最终结论。
可能性3：有可能是整体app使用时长的原因，用户大部分只在有比赛期间或结束后时候才使用。
可能性4：有可能是某日的推送质量较差影响了阅读时长，例如应用每日推送文章等都是集中在固定时间段，故对应的时间段后用户数量应该较多。
可能性5：有可能是某类别的内容不符合用户口味从而影响阅读时长。
1.3分析思路
step1:数据起伏变动的问题严重么？
「假设」：如果只是近一周内有超过上下20%的浮动，其他周没有明显数据起伏不变化，则本周为特殊个例情况，则针对性的分析本周的数据变化情况。
「验证」：因为该功能只上线了一个月，首先看周同比数据变化情况，其次看本周内每日数据变化情况；
「结论」：若
● 其他周没有如此大的起伏，则这周的数据确实是存在异常问题，则进行下一步的数据分析；
本周的运营情况分析，是否有投放活动，是否市场有针对性的渠道投量，技术是否有服务器升级或迁移等情况，若有，则进一步定位具体的事件影响因素。
将这一周的阅读时长，按照每天以及每小时小时查看在线用户的分布曲线变化，看是否存在上述情况。
● 其他周都有类似的起伏，则有可能数据的涨跌同周期性相关，则同样应该进一步分析变化原因，找出起伏原因
查看每周数据起伏变化相同的时间点，找出该时间点中D站的内容，用户操作路径，市场，技术或其他影响事件。
● 若要查看周期性规律，则需要对比查看每周的每日总阅读时长，有可能存在平时与周末的起伏。
step2:如果这周数据确实有问题，那先确认是不是服务器或其他技术性的问题。
「假设」：如果是技术问题，应该存在【断崖式下跌】，例如服务器宕机，或服务器迁移，正常情况下在问题修复后数据会回升。
「验证」：验证是否存在技术性升级或故障问题。
「结论」：若
● 存在数据突然下跌，则为服务器故障问题；
● 数据符合正常情况，则排除服务器问题。
step3:如果排除技术问题，那么需要和整体对比，查看是否只是D站板块有起伏。
「假设」：如果只是D站板块有问题，和整体的使用时长对比，波动肯定是不一致的。
「验证」：查看一个月内的用户整体使用时长曲线与D站板块的总阅读时长曲线进行对比，是否波动一致。
「结论」：若
● 波动一致，说明是整体app的原因；
可能是6月份的欧冠决赛以及其他赛事带来的波动，用户只在有赛事的时候使用。
● 波动不一致，则说明是D站板块自身的原因。
step4:如果是板块自身的原因，那么可以查看用户一天内在不同板块，不同内容类别上浏览时长的分布情况。
「假设」：不同时间运营推荐的内容，或者赛事内容影响阅读时长。
「验证」：查看近一周内，每日总阅读时长最低的那天将用户在这一天内的浏览时长按照不同内容类别查看，同时和这周内每日总阅读时长最高的那天进行对比。
「结论」：若
● 每日总阅读时长最低的那天和最高那天同一内容板块（例：糗事段子）的阅读时长差距极大，则说明最低那日的推送内容质量较差。
● 每日总阅读时长的每个板块之间的阅读时长差距较大，说明某类类别不受欢迎，以后可以相应的减少该类的推送，增加较受欢迎的类别推送。
2.为什么D站上线后的新用户次日留存变差了？
2.1分析方法
对比分析、多维度拆解、路径挖掘、精准留存
2.2结论
可能性1：可能是因为上线后处于欧冠决赛期间，有些新用户只关注某几场特定的比赛，看完之后就离开了。
可能性2：可能由于某些渠道来源的质量较差，带来的新用户不是目标用户，因此留存较差。
可能性3：可能因为新用户注册后未能及时引导体验核心流程，同时各新闻内容板块推送内容不太符合目标用户，因此部分新用户只是简单的浏览了页面便离开了。
可能性4：可能是因为D站刚上线，推送内容和类别不符合目标用户，社区氛围塑造不起来，导致粘性较差，次日留存降低。
可能性5：整体每日新增用户数增加，用户基数增加，次日留存相比下会下降。
2.3分析思路
step1：是否因为D站上线而对新用户留存产生影响。
「假设」：选择查看同比去年以及上月的数据，如果是因为D站上线，那么两个数据差距应该较大。
「验证」：查看19年5月20日-6月20日同比18年5月20日-6月20日的新用户次日留存率。以及查看19年4月20日0-5月19日期间的数据同19年5月20日-6月20日数据进行对比
「结论」：若
● 两者差距不大，说明不是因为D站上线的影响。
可能是因为上线后处于欧冠决赛期间，有些用户只关注某几场比赛，还需要后续验证（step3）。
● 两者差距较大，则说明可能是D站上线带来的影响。
step2：若是D站上线带来的影响，则对新用户的来源进行分析。
「假设」：是否因为新板块上线，做了大量的拉新活动，但不同的渠道质量不同，导致后续的留存较差。
「验证」：将D站上线后的新用户按照渠道来源查看次日留存情况。
「结论」：若
● 不同的渠道留存情况确实不同，则说明有些渠道不适合继续做推广，可能目标用户不一样，之后可以优先推广留存较好的渠道。
● 不同的渠道留存情况差距不大，则说明不是新用户来源的质量问题。
需要进一步做路径挖掘，查看用户是如何离开的。
step3：查看新用户注册后次日流失的那部分用户，从注册开始到次日离开的路径流向。
「假设」：新用户注册后简单的浏览了部分页面，未能体验核心流程。
「验证」：新用户注册后到离开的路径挖掘，看数据流向。
「结论」：若
● 新用户注册后最多的路径流向是“足球”、“比赛-直播”、“数据”，“D站”只占一小部分，说明用户目的明确，只是为了看自己关注的几场球赛，其他信息并不关注。
可能原因是正处于欧冠决赛，同时5、6月份为考试月（用户大部分以20-29岁为主，学生居多，数据来源百度指数），娱乐时间紧张，因此留存数据较之前差些。
● 新用户注册后大部分的路径都流向“D站”或其他新闻板块，但最后流失，说明内容质量较差，或者不符合目标用户的口味，需要调整推送内容，同时说明未能成功的引导用户体验核心流程。
step4：为了确认D站板块的粘性，还需要查看用户精准留存。
「假设」：D站刚上线，推送内容和类别不符合目标用户，社区氛围塑造不起来，导致粘性较差。
「验证」：筛选浏览过D站的新用户和在D站进行过操作（分享、评论、点赞、加入圈子等）的新用户划分一类，未浏览过D站的新用户划分为另一类，观察他们之间的次日留存区别。
「结论」：若
● 浏览过D站和进行过操作的新用户次日留存高于未浏览过的新用户，则说明D站的社区粘性较好，对产品有价值。
● 未浏览过D站的新用户次日留存高于浏览过D站和进行过操作的新用户，说明D站的社区粘性较差，可以多制造一些互动，帮助用户缔结更多有效的关系，而且若是这种情况，说明D站对于产品的价值不高。
3.基于上述信息，对于D站这个板块的价值评估，你可能会有哪些进一步的假设？
之前假设提到：
借助精准留存对比，D站上线后，可能对产品价值提升有一定的作用。
进一步假设：
假设1：D站上线后，带来登录/注册转化的上升。
分析思路：
除了受赛事等外界因素影响外，主要验证功能是否对指标有提升作用，也就是上线后增长的用户有多少是因为D站板块而增加的。
按末次归因分析，查看上线后一个月内的用户（包括新用户和老用户，存在老用户被召回的情况）在登录/注册前的转化路径，看最后一步是否为D站里的功能。
如果是，说明D站上线对登录/注册转化有提升作用。
（*注：用户可以以游客的身份浏览内容，如果需要评论等操作会触发登录/注册）
假设2：D站上线后，带来产品长期潜力的价值提升。
分析思路：
①从对使用情况的促进作用来观察：
观察上线后一个月内的用户每天的使用频次，和上线前一个月的用户每天的使用频次。
若上线后的使用频次曲线高于上线前，则说明D站对产品的使用频次有提升作用，反之亦然。
②从占据用户一日时间段的角度来观察：
查看上线前、后一个月内的用户每日使用时间分布，以及使用时长，进行对比。
若上线后用户的每日使用时间分布出现了上线前没有的时间段，或者上线后的使用时长增加，则说明D站板块的内容对用户来讲是具有吸引力的，用户不仅仅只看足球比赛相关的信息了，同样的沙雕新闻、糗事段子等也是用户其余时间的娱乐内容，也就是说，D站可以给产品带来潜在的价值。
假设3：D站上线后，带来用户的留存率增加，增加转化率
分析思路：
①D站属于社区类功能模块，社区类偏运营属性，即产生大量与足球，各体育项目，以及其他模块的内容，则会加强用户的交流互动，增加用户粘性，进一步提高用户的留存率
②用户留存率提高，可以进一步加强转化率，例如加入电商或者其他模块，可以更好的从社区进行倒流和转量，更好的搭建良好的应用生态
