活跃用户数据解析 挖掘更深层的用户行为

对一家互联网公司来说，如果没有设置单独的数据运营岗，那么用户运营是和数据贴近，也必须是了解用户的。

　　用户运营核心的方法论就三个：拉新，促活和留存。拉新可以作为渠道推广单独讨论，而促活和留存则相辅相成。

　　非运营岗，或者其他类型的运营，通常只会注重一个活跃数据的果，而不会注意活跃数据的因。我们在这里就抽丝剥茧，教大家比较快速地了解活跃体系。

　　互联网公司对活跃用户的定义大同小异，主要以用户打开APP一次记为一个活跃用户。

　　按此基础可以在时间维度引申出周活跃用户，月活跃用户。即在一个自然周内打开一次APP，则本周为周活跃用户。月活跃用户同理。

　　产品专注的市场领域不同，活跃用户数天差地别。一款小众的垂直领域产品和泛社交类产品，单纯看活跃用户数，你很难界定它们好坏。
　　好的数据指标，都应该是比例或比率。

　　我们设定一个新指标，活跃率：某一时间段内活跃用户在总用户量的占比。

　　按照时间维度引申，有日活跃率DAU，周活跃率WAU，月活跃率等MAU。

　　例：月活跃，本月活跃用户在截止月末的总注册用户中占比。

　　一般而言：活跃用户数，看的是产品的市场体量。活跃率，看的是产品的健康度。

　　实际得承认，不同产品，用户需求（高频或低频）不同，活跃率也有差异。用户运营更多的职责是监控活跃率的变化，并且提升它。

　　产品进入稳定期后，有了一定用户规模，新增活跃一般对活跃数据就不会有大的影响了。那么以新老用户区分活跃统计就够了？我们简单定义三个场景：

　　用户A下载产品后，把玩了一段时间，发现这是他想要的功能，爱不释手，成为发烧用户；

　　用户B下载产品后，看了几眼就不再使用。产品2。0发布后，觉得有个新特性不错，于是回来继续使用，逐渐成为活跃份子；

　　用户C从网上看到随便下载的，用了产品觉得一般，吐槽几句并且卸载，不再使用；

　　用户包含各种类型，反应了不同群体的特征和想法。在使用整个产品的周期中，我们应定义更全面的指标：

　　流失用户：有一段时间没有再打开产品，那么我们就视为流失用户，根据产品的属性，可以按30天，60天，90天等划分。

　　不活跃用户：有一段时间没有打开产品，为了和流失区分开来，需要选择无交集的时间范围。比如流失用户是60天以上没打开产品，那么不活跃则是0～60天没打开。

　　回流用户：有一段时间没用产品，之后突然回来再次使用，则称为回流用户。回流用户是活跃用户，且是由流失用户或不活跃用户唤回而来。

　　活跃用户：一段时间内打开过产品。

　　忠诚用户：也可以叫超级活跃用户，长期持续使用产品，比如连续四周，或者一个月内15天等。

　　现在我们发现，不论是活跃用户还是不活跃用户的维度，都一下子丰富了起来。

　　用户活跃可以简化为一个简单的公式：新增用户的数量要大于流失用户的增加量。可以想成一个水池，运营会一直往里灌水，但是水池也会漏水，如果漏水速度太大，那么水池就干了。一款产品可能因为市场竞争、拉新乏力导致新增用户数下降，也可能因为产品改动，运营策略失误造成后续流失用户变多。

　　用户运营们可以按照日、周、月维度维护三张报表，监控活跃数据的变化（建议花更多精力在周报表上）。

　　如果是一个好的用户运营，他会继续思考：每天有多少活跃用户变得不活跃？有多少忠诚用户变得不活跃？又有多少流失用户被我们唤回来等，并且分别是什么原因引起的。

　　活跃类指标有一个显著特点需要明白，它们都是后见性的指标，也就是事情发生后我们才能观察到。比如我们发现某一段时间流失数据（假定两个月没打开APP为流失）上升，往前倒推两个月，发现当时刚好展开一次活动，那么我们有理由相信活动造成了一批用户卸载，可惜运营此时已经无能无力。所以零度网络提醒先见性预防比后见性观察对运营更重要。