数据异常问题定位在数据分析的工作中很常见。今天我就给大家分享一个商业变现业务中常见的数据异常问题定位案例。
问题描述：一个50W日活的信息流内容APP，主要通过接入联盟广告和部分直客广告主进行商业变现。如下图，5月20日这一天收入突降，这一阶段为年中大促广告增投的预热阶段，收入本应逐渐上涨，突然出现下降的趋势，需要排查收入下降的原因。该如何着手分析能够快速准确定位问题，减少收入损失呢？
第一步：先罗列盘点可能造成收入下降的原因。
切记，在集思广益猜测原因的过程中，一定要有条理做好总结归纳。不同的角色对问题会有不同的关注点，不要被他们各方向的思路支配。上来就拆解各种数据，看到的都是片面的信息，看不清问题的全貌结果只会事倍功半。
数据的波动可以分为两个方面的原因：
1、异常问题导致数据波动，不是真实的数据表现。
2、真实的数据表现变差。第一需要协同产品、技术等各方确认是否有异常问题；第二需要分析同学拆解数据圈定范围确定波动原因。
第二步：总结归纳排查框架，分配任务。
第三步：数据拆解、圈定异常范围、原因假设。
无维度细分的整体数据用来定位异常指标，一般不能直接定位问题。异常指标在不同维度下的数据表现用来圈定异常范围。根据异常范围的数据表现作出假设猜想。广告展示量、广告点击量、广告点击单价等核心指标的影响因素有：
1、广告展示量影响因素
-
用户行为是否发生变化，如单日单用户停留时长变化、详情页的PV变化、feed流内容的点击率变化等。
- 广告填充率，即发出广告请求后广告返回情况是否正常。
2、广告点击影响因素
-
广告内容重复率是否发生变化，重复率越高点击量越少。
- 广告位、广告类型变化的频率是否发生变化，广告位广告类型较为固定时点击率会逐渐下降。
3、广告点击单价因素因素
流量质量是否发生变化。流量质量下降会导致广告主侧效果转化率下降从而影响广告点击单价。
案例分析：
通过不同的数据表现诊断出不同的异常原因：
周环比数据如下，B、C联盟无异常波动；A联盟cpm、acp波动不大说明变现能力没有发生变化；A联盟ctr波动不大说明用户行为没有发生变化；A联盟展示量绝对值下降了10%，因此广告曝光量下降导致收入下降。
假设猜想：A联盟广告填充率下降导致收入下降
周环比数据如下，A、C联盟广告不同广告位指标无异常波动；B联盟列表页指标无异常波动；B联盟详情页cpm、acp无异常变现能力不变；B联盟详情页ctr下降44%，点击量下降47%，因此广告点击下降导致收入下降。
假设猜想：B联盟详情页广告内容重复率较高导致收入下降
周环比数据如下， 各变现渠道广告展示量波动不大说明广告曝光无异常；各变现渠道ctr波动不大说明用户行为没有发生变化；各变现渠道acp、cpm均有下降，acp整体下降6%、cpm整体下降5%，故变现能力下降，导致收入下降。
假设猜想：流量质量下降造成收入下降
第四步：综合各方信息，确定波动原因。
将数据拆解过程中分析出的异常假设与异常排查结果对齐，从而定位广告收入下降问题的原因。
总结一下，盘点罗列数据异常可能的诱因→总结归纳、分配任务→拆解数据与异常排查并行→综合各方信息、确定波动原因。
这一方法适用于大部分数据指标异常波动排查。
一个数据人的自留地是一个助力数据人成长的大家庭，帮助对数据感兴趣的伙伴们明确学习方向、精准提升技能。
扫码关注我，带你探索数据的神奇奥秘