1.数据准确性

首先我们得确定数据的准确性，先排除系统硬件有无异常(网络，服务器等等)，系统数据统计是否出了bug。

2.时间拐点

产品本身的时间拐点：比如何时迭代更新的？何时起始运营活动的？何时增减更替服务硬件的？

环境的时间拐点：比如何时有新的竞品上线？何时有竞品非正常下线？何时产品渠道被删减？何时被恶意打压竞争？何时有热点事件？甚至天气的变换都能是降活的一个节点。

3.用户群体

用户组成一定是纷繁复杂的，通过数据定位是哪一部分用户的下降，这些用户有什么共同特征，比如A地区还是B地区，A渠道还是B渠道。根据定位到的用户群体，进行用户分群，去拆解背后的原因。影响日活跃用户数的可能是技术bug、登录不了；可能是产品某个运营活动的影响。这个时候只要针对具体的用户来分析原因就可以，省掉了分析全量用户的庞大工作量。

若产品存在APP端、PC端、小程序等，需分终端类型定位引起日活下降的主要终端；其次分用户类型，简单而言分新老用户：新用户重点下拆渠道影响，日活下降是否由市场拉新缩减导致；老用户重点不回访，需同步或环比，判断有无周期性规律等

4.对比趋势

与其它时期比较日活(DAU)的下降趋势（骤降/呈趋势下降），比如按照年来比对，是不是每年都会有突然下降。

与其它APP进行对比，可以与其他类似数据指标相对比。

对比下降的时段和没有下降的时段在运营策略上是否有差异，主要在那些方面有差异？