如果日活下降是竞品原因，怎么证明？｜字节跳动数据分析面经解析

60 秒回答模板

我会按因果证据链来证明。第一，确认 DAU 下降真实存在，并排除埋点、版本、渠道投放、登录、崩溃、性能、内容供给和节假日等内部原因。第二，收集竞品事件强度，例如竞品新功能、补贴、独播内容、广告投放、榜单排名、搜索指数、社媒热度和下载量变化。第三，做时间对齐，观察竞品事件发生后，本产品 DAU、打开频次、使用时长、核心功能访问和召回回访是否在合理滞后窗口内下降。第四，找迁移证据：流失用户是否集中在竞品覆盖的人群、地区、渠道、内容偏好或设备端；用户调研和卸载原因是否提到竞品；外部面板或应用商店数据是否显示对方增长与我方下降同步。第五，用差分方法比较竞品强影响组和弱影响组，如果强影响组在竞品事件后显著多跌，而内部指标没有对应异常，才可以说竞品原因可信。

考点 先排除内因

难度 真实面经高频题

回答目标 讲清机制、边界和追问

深入解析

先证明不是内部事故

竞品解释很容易被滥用，所以第一步必须排除自身问题。检查埋点口径、登录成功率、启动崩溃率、接口错误率、冷启动耗时、版本发布、内容供给、渠道投放、推送触达和节假日周期。如果内部链路同一时间出现明显异常，竞品只能是次要假设。

定义竞品冲击强度

竞品原因不能只靠主观感知，需要把外部事件量化。可使用竞品上线时间、补贴力度、广告投放、关键词热度、应用商店排名、下载增长、社媒讨论、内容独占和价格变化等信号。冲击强度越清晰，越容易和本产品指标做时间和人群匹配。

看受影响人群是否匹配

如果竞品主打年轻用户、某个城市、某类内容或某个端，那么本产品下降也应集中在相同或相邻人群。若全站均匀下降，反而更像系统、渠道或大盘问题。通过地区、渠道、新老用户、兴趣标签、设备端和使用场景拆解，可以检验竞品解释是否有分组一致性。

寻找迁移和替代证据

竞品导致 DAU 下降，本质是用户时间和需求被替代。可以看流失用户的卸载原因、问卷、客服反馈、社区评论、搜索行为、外部面板的交叉使用、应用商店评价和召回失败原因。若用户明确提到转向竞品，或对方增长集中吸走同类需求，证据强度会更高。

用对照组强化因果

最有力的做法是差分比较：把竞品影响强的人群或地区作为处理组，把影响弱但历史走势相似的人群作为对照组。若竞品事件后处理组 DAU 明显多跌，而对照组稳定，且内部质量指标正常，就比简单时间相关更接近因果证明。

易错点

看到竞品增长和自身 DAU 下降同时发生，就直接下因果结论。
没有排查自身版本、崩溃、登录、渠道和埋点问题。
只看全站 DAU，不拆竞品目标用户和非目标用户的差异。
缺少迁移证据和对照组，只用舆论热度解释业务下降。

面试官追问

如果拿不到竞品真实 DAU 怎么办？

可以使用代理指标，例如应用商店排名、下载估计、搜索指数、社媒声量、投放素材曝光、榜单变化和用户调研。代理指标不能直接等同 DAU，但能衡量竞品冲击强度，并辅助分组和时间分析。

竞品上线当天我方 DAU 下降就能说明因果吗？

不能。时间重合只是必要线索，还要看内部链路是否正常、下降人群是否与竞品目标匹配、是否存在用户迁移证据，以及竞品强影响组是否比弱影响组多跌。

如何做竞品影响的差分分析？

选择历史趋势相似的两组用户或地区，一组受到竞品活动强影响，另一组影响弱。比较事件前后的 DAU 变化差异，并控制节假日、版本、投放和渠道结构，观察处理组是否出现额外下降。

用户调研在这个问题里有什么价值？

调研能补充机制证据，告诉我们用户为什么减少使用或转向哪里。它不能单独证明规模影响，但能解释数据现象，帮助判断是功能替代、价格补贴、内容吸引还是品牌传播导致迁移。