题目重点：结构化调查日活下降，先确认口径，再区分技术、产品与外部因素。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- DAU的active action、去重身份、时区与基准要定义，下降10%是相对还是百分点、一天还是持续、全站还是segment。
解题路线
- 先查独立登录/服务/埋点链路，比较事件量与去重用户，排除延迟、采样、SDK版本或身份合并变化。不能把采集故障当真实流失。
- 按新/留存/回流用户贡献分解总DAU，查国家/平台/app版本/网络与获取渠道，再看登录、加载、核心动作漏斗。优先最大贡献异常而非无限切片。
- 内部假设包括故障、发布、通知/排名调整和获取量下降；外部包括季节/假期、竞争与地区网络。为每假设写可证伪数据检查，不只列原因清单。
- 随机实验或发布分批对照用于验证产品影响，非随机对照检查预趋势与可比性。明确相关与因果，异常修复后监测恢复也要排除同时发生变化。
- 与业务/工程确定影响和行动：确认故障可先回滚/修复，数据不支持时继续取证。短期恢复DAU同时看用户质量/留存，不能刷通知制造低价值active。
手动走一遍
DAU相对降10%，仅新版Android且后端请求量稳定，优先查新版事件/身份采集；若后端登录成功也同步降，再查真实登录故障。两个证据路径导向不同修复。
规模与取舍
用户级去重与segment贡献需完整样本或明确采样权重，多重切片可产生随机异常。调查先快速全量聚合再钻最大贡献，避免逐用户无界检查。
易错点与追问
容易失分的边界
- 未确认昨天是否同星期/同节假日，直接将变化归发布。
- 选择某个显著小群体但忽略其对总体降幅贡献。
继续深挖
- 如果多segment都小幅下降，如何排查共同基础设施/宏观因素？
- 无A/B时如何用发布批次和独立数据谨慎建立证据？
