前言：本文内容以游戏产品为基础进行讲解，内容为以下4部分：
1. 如何理解DAU反映了哪些问题？
2. 有哪些因素会影响DAU变动？
3. 如何解读DAU的“箱体图”？
4. 如何使用python绘制“箱体图”？
DAU的定义不是绝对的，通常会使用登录用户数作为DAU计算的基础。
如果希望DAU更反映有效登录用户，则可以使用“登录时长超过1分钟的用户”；如果是角色扮演游戏，还可以使用“账号数”、“角色数”等指标；也可以使用唯一指标表示，比如日活设备数。
1. 如何理解DAU反映了哪些问题？
-
反映核心用户规模：一定程度下，DAU代表核心用户数量，如果该指标下降，可能核心用户数也在减少；
-
反映产品黏性：DAU=DNU（新增用户）+DOU（老用户），如果DAU下降，可能是DOU下降，所以反映产品黏性降低；
-
反映渠道质量：DAU=DNU（新增用户）+DOU（老用户），如果DAU下降，可能是DNU下降，DNU下降又可以拆解到不同的渠道情况，所以可以反映渠道的质量；
-
反映生命周期情况：
，其中m为用户生命周期天数，如果用户生命周期天数变短，那么DOU下降，引起DAU下降，所以可以反映用户生命周期情况。
-
反映用户质量：从构成角度探讨，可以观察DNU/DAU，这个下面会详细探讨；从登陆频率探讨，可以观察DAU用户的活跃天数，如图所示：
2. 有哪些因素会影响DAU变动？
- 关键节点：比如节假日、开学放假等。对其的分析方法为，对可以预测的关键节点，计算其影响指数，以应对未来产生的影响。
- 周期波动：分析数据的拐点和趋势，得到周期变化的时间节点和趋势，为未来的营销计划和推广计划同步规划； 主要关注的方面可分为：收益、用户规模的变化和走势。
- 产品质量：观察版本更新、活动设置对DAU、收入和生命周期的影响情况。可能的影响因素还包括：付费点设计、交互体验调整、核心玩法调整；从设备来说包括：更新是否成功、适配能力；
- 其他外在影响因素：掌握其他因素的影响系数，包括：游戏外挂、竞品影响、版本更新、活动、渠道位置、推广质量；
3. 如何解读DAU的“箱体图”？
DAU的箱线图绘制，需要将每个月的DAU数据作为一个箱体的数据，图像说明如下：
图像描述：
- 离群点
- 中位线在箱体的位置是偏上、中间、还是偏下
- 所有中位线距离整理中位线的位置
案例：各月DAU箱体图
4. 如何使用python绘制“箱体图”？
import seaborn as sns
sns.boxplot(x='Month',y='DAU',data=data
,width=0.5 # 箱体的宽度
,linewidth=2 # 箱子上线的粗细
,whis=3 # 异常值的参考系，四分位距离的倍数
# ,fliersize=2 # 异常值的大小
,saturation=2 # 调整色彩饱和度
# ,notch=True # 变成漏斗形状（很丑，别用）
)
plt.plot([data['DAU'].median()]*6,'r--')
plt.show()
# 从下图可知，该产品5月出现异常值点；
# 2月4月中位数低于整体中位数；1月和6月中位数靠下，说明有所下滑
# 整体较平稳，波动递增。可能是在指定月份有运营调整导致下降。
以上内容为《游戏数据分析的艺术》个人学习笔记，包含书籍内容概括、自己的解读。
文章内容仅供参考，有兴趣可自行购买阅读原文。