指标异动归因你有什么方法论？

我的四步法：一验真——先排除埋点变更、口径调整、技术故障导致的假跌；二定位——按维度拆解找贡献最大的切片，渠道、版本、地区、新老用户；三归因——内部变更（版本发布、活动结束）与外部因素（节假日、竞品、舆情）对照时间线；四行动——给出建议并设监控防复发。

我处理过的案例：周日 DAU 环比跌 12%。验真：埋点正常。拆解：安卓端跌 20% iOS 正常；再拆版本：某新版本覆盖 40% 安卓用户且该 cohort 跌 30%。归因：该版本启动页改版导致启动超时率上升。行动：热修回滚启动逻辑，DAU 次日恢复。整个链路两小时，靠的是版本维度先切——所以维度选择要有层次感，先端再版本再人群。

归因我强调三点方法论：贡献度分解用加法指标做差、乘法指标做对数分解，别只看单切片涨跌；相关到因果的证据——时间先后、剂量效应（覆盖越高的群体跌得越多）、反事实对照（未发布版本的区域）；预警前置——关键指标设同环比与波动区间告警，异常发现越早归因窗口越完整。归因的产出是可行动的结论加验证机制。

追问『多个因素同时影响怎么拆』：控制变量逐层剥离，或回归定量各因素系数，给出区间估计而非唯一答案；『活动结束必然下跌算异常吗』：基线要用活动期前的可比基线，预期内回落要和异常回落分开；『查不出原因怎么办』：如实报告排查范围与未决假设，加密观察，不留『大概没事』的结论。