2.1.2 周期性分析

如果系统性分析是对APP的产品运营的一次全面复盘，那么周期性分析则是对核心指标在时间维度上进一步分解后的日常监控。我们同样可以从周期性分析的角度分解核心指标，如图2-4所示。

周期性分析通常有两个明确的目标：算法策略的效果复盘、业务异动的及时监控。

（1）算法策略的效果复盘

对于算法策略的效果复盘，重点看新上的算法策略、迭代模型的目标是否达成，基于推荐算法所在场景的内容转化流程观察优化空间在哪个节点上。比如，新上了一个模型，目标是为了提升新用户的转化率，复盘的时候要基于“曝光→点击→注册→消费”等环节看最终的用户转化有了多大提升，以及哪些环节是转化提升的瓶颈，然后针对性地进一步优化算法。

（2）业务异动的监控

这部分的主要作用是帮助我们及时发现算法的缺陷，及时修复。基于图2-4中提到的核心指标分解，建立监控体系指标时可以尽可能全面，覆盖所有转化路径、所有群体。通常，我们会先做好指标在时间维度上的划分：按天、按周还是按月，其次设置好Benchmark（基准值），对于时间维度上的指标监控，我们一般通过指标自身的环比和同比的方式来监控趋势变化和波动幅度。

1）环比：指本期统计数据与上期比较。环比增长速度=（本期数-上期数）÷上期数×100%，反映本期比上期增长了多少。本期与上期指的是时间统计的粒度，可以是日环比、周环比，也可以是月环比。

2）同比：同比指的是与上一个自然周期里的同期对比。同比增长率=（本期数-同期数）÷同期数×100%。一般情况下，同比通常是与上周同日或者去年同月的对比。同比主要是为了消除季节变动或者工作日周末天然差异的影响。

确定指标的时间维度划分及合理的基准值之后，我们还要基于业务经验给每个指标设置合理的波动范围，比如DAU的正常浮动范围是最近一周的日均±10%。基于合理的波动范围，设置阈值确定指标预警条件。

在业务异动的监控中，我们重点考察的是关键指标在时间维度上的波动和变化，需要思考以下问题。

1）“留存”对DAU的影响是什么？如果留存率上升，但DAU下降了，代表什么？

2）如果人均消费内容量增加了，但人均时长下降了，该怎么办？

3）快滑、时长、点击率这3者的变化和波动是什么样的关系？

4）完播率增长，但人均时长下降，可能会有哪些原因？