解读

面试官问的是“边际贡献”，不是“有没有用”。他想知道：

1. 在现有用户池里，多一个签到入口，到底能多带来多少真实活跃；
2. 你能否用可复现、可量化的方法把这部分增量从自然波动、其他运营活动中剥离出来；
3. 结论能否直接指导资源投入与迭代节奏。
   回答必须体现数据敏感度、实验设计能力、业务落地经验，否则会被判“只会看报表”。

知识点

1. 边际DAU定义：实验组在相同时间窗口内，额外活跃的用户数，需剔除自然活跃、活动干扰、季节因素。
2. 因果推断黄金标准是A/B实验，国内主流App日活千万级以上，分流粒度一般到用户ID哈希，最小样本量用比例检验公式计算，显著性水平α=0.05，power=0.8。
3. 指标层：
   • 核心指标：实验组DAU – 对照组DAU（绝对值）
   • 辅助指标：人均启动次数、停留时长、次留、7留、签到率漏斗
4. 混杂控制：
   • 同期活动用分层实验或CUPED降方差
   • 新用户稀释用新老用户分层
   • 周末效应用7天滚动平滑
5. 长期价值：用LT增量=边际DAU×后续30天人均GMV估算收入贡献，防止“虚假繁荣”。
6. 负面指标：Push权限关闭率、卸载率、客诉率必须同步监控，国内应用商店差评舆情会在24小时内爆发。

答案

我会用“实验-归因-估值”三步法，两周给出可落地的边际贡献结论。

第一步，实验设计

• 选工作日平稳期（避开电商大促、节假日），从日活千万级用户池中**随机抽取10%**做实验组，90%对照组，用户粒度哈希，确保SSOT（单一真实分流）。
• 实验组新增签到入口：首页浮层+个人中心红点，对照组完全无感知。
• 埋点规范：签到曝光、点击、完成、领取奖励四段埋点，服务端落库，防止客户端丢失。

第二步，数据归因

• 跑7天核心指标：实验组DAU均值比对照组高1.8%，p值=0.012，通过显著性检验。
• 用CUPED把历史30天活跃度作为协变量，方差降低22%，边际DAU置信区间收窄到**[1.4%, 2.2%]**，绝对人数约4.2万。
• 下钻发现增量70%来自低频老用户（30日内启动≤3次），新用户无显著差异，说明签到对促活而非拉新。

第三步，业务估值

• 边际DAU 4.2万 × 后续30天人均GMV 18元 = LT增量756万元
• 减去奖励成本（每人0.8元券+0.2元积分），净收益≥600万元，ROI>5
• 负面指标：Push关闭率提升0.05个百分点，在可接受范围

结论：签到功能对DAU的边际贡献为+1.8%（4.2万人），ROI>5，建议全量发布并继续迭代奖励梯度，但需监控卸载率与舆情。

拓展思考

1. 如果老板要求“不开发只分析”，可用双重差分（DiD）：选取历史已上线签到功能的相似App做同期对照，但国内用户结构差异大，结论可信度低于A/B。
2. 当边际收益递减时，可进一步做剂量实验：把连续签到奖励从7天延长到14天，观察边际DAU弹性，找到最优奖励深度。
3. 签到与会员体系耦合后，需用因果森林识别高敏感度人群，做定向签到+会员联合礼包，把边际DAU转化为高净值DAU，实现ARPU二次跃升。