
一篇文章讀懂活躍數(shù)據(jù)
今天先聊一聊用戶運營中,有關(guān)活躍的基礎(chǔ)話題。
對一家互聯(lián)網(wǎng)公司來說,如果沒有設置單獨的數(shù)據(jù)運營崗,那么用戶運營是和數(shù)據(jù)最貼近,也必須是最了解用戶的。
用戶運營核心的方法論就三個:拉新,促活和留存。拉新可以作為渠道推廣單獨討論,而促活和留存則相輔相成。
非運營崗,或者其他類型的運營,通常只會注重一個活躍數(shù)據(jù)的果,而不會注意活躍數(shù)據(jù)的因。我們在這里就抽絲剝繭,教大家比較快速地了解活躍體系。
互聯(lián)網(wǎng)公司對活躍用戶的定義大同小異,主要以用戶打開APP一次記為一個活躍用戶。
按此基礎(chǔ)可以在時間維度引申出周活躍用戶,月活躍用戶。即在一個自然周內(nèi)打開一次APP,則本周為周活躍用戶。月活躍用戶同理。
我們假設有一款新產(chǎn)品,這是它四個月內(nèi)的活躍數(shù)據(jù)。嗯,看來不錯。
產(chǎn)品專注的市場領(lǐng)域不同,活躍用戶數(shù)天差地別。一款小眾的垂直領(lǐng)域產(chǎn)品和泛社交類產(chǎn)品,單純看活躍用戶數(shù),你很難界定它們好壞。
好的數(shù)據(jù)指標,都應該是比例或比率。
我們設定一個新指標,活躍率:某一時間段內(nèi)活躍用戶在總用戶量的占比。
按照時間維度引申,有日活躍率DAU,周活躍率WAU,月活躍率等MAU。
例:月活躍,本月活躍用戶在截止月末的總注冊用戶中占比。
一般而言:活躍用戶數(shù),看的是產(chǎn)品的市場體量。活躍率,看的是產(chǎn)品的健康度。
實際得承認,不同產(chǎn)品,用戶需求(高頻或低頻)不同,活躍率也有差異。用戶運營更多的職責是監(jiān)控活躍率的變化,并且提升它。
看,我們的活躍用戶數(shù)上升,活躍率下降,這對新產(chǎn)品來說很正常。你不能要求每一個用戶都使用我們產(chǎn)品不是?
別急,我還沒補刀呢。
我們統(tǒng)計了注冊用戶數(shù),那么我們也可以統(tǒng)計出本月新增用戶數(shù),很簡單,兩個月相減。
是不是看出來什么了?
要知道,按照活躍的定義,新注冊的用戶肯定是打開APP的用戶,他也一定是活躍的用戶。
所以,我們拿每月的注冊總用戶數(shù)減去新增用戶數(shù),計算老用戶數(shù)。并且將新老用戶的活躍率獨立出來。
指標拆分后,我們發(fā)現(xiàn)老用戶的活躍率比預期低。
實際在產(chǎn)品早期、渠道投入資源推廣、或一次成功的病毒營銷后,因為新增用戶數(shù)量的暴漲,總是會帶動活躍數(shù)的上升。
A產(chǎn)品打算在五月份做大投入,在APP上進行活動,希望用戶大力參與,同時在B渠道進行推廣。在常規(guī)的統(tǒng)計指標中,發(fā)現(xiàn)活躍數(shù)據(jù)上升。事后分析發(fā)現(xiàn)活躍為新增活躍,老用戶的活躍數(shù)據(jù)沒有顯著上升。配合其他活動數(shù)據(jù),證實活動效果較差。
C產(chǎn)品獲得投資后,通過大規(guī)模的燒錢推廣,獲得一個正向的活躍數(shù)據(jù)反饋。此時活躍有不小可能是由新增用戶撐起的。產(chǎn)品自身的打磨若不好,老用戶活躍率不會提高,這也是我們常說的留存概念。導致錢白白浪費不少。
產(chǎn)品進入穩(wěn)定期后,有了一定用戶規(guī)模,新增活躍一般對活躍數(shù)據(jù)就不會有大的影響了。
那么以新老用戶區(qū)分活躍統(tǒng)計就夠了?我們簡單定義三個場景:
用戶包含各種類型,反應了不同群體的特征和想法。在使用整個產(chǎn)品的周期中,我們應定義更全面的指標:
流失用戶:有一段時間沒有再打開產(chǎn)品,那么我們就視為流失用戶,根據(jù)產(chǎn)品的屬性,可以按30天,60天,90天等劃分。
不活躍用戶:有一段時間沒有打開產(chǎn)品,為了和流失區(qū)分開來,需要選擇無交集的時間范圍。比如流失用戶是60天以上沒打開產(chǎn)品,那么不活躍則是0~60天沒打開。
回流用戶:有一段時間沒用產(chǎn)品,之后突然回來再次使用,則稱為回流用戶。回流用戶是活躍用戶,且是由流失用戶或不活躍用戶喚回而來。
活躍用戶:一段時間內(nèi)打開過產(chǎn)品。
忠誠用戶:也可以叫超級活躍用戶,長期持續(xù)使用產(chǎn)品,比如連續(xù)四周,或者一個月內(nèi)15天等。
現(xiàn)在我們發(fā)現(xiàn),不論是活躍用戶還是不活躍用戶的維度,都一下子豐富了起來。
通俗的理解一下用戶活躍的變化
上文ABC的三位用戶活躍路徑為:
A:新增—活躍—忠誠
B:新增-不活躍-回流-活躍-忠誠
C:新增-不活躍-流失
回到一開始那款產(chǎn)品的數(shù)據(jù),我們將分解后的新指標統(tǒng)計出來。(定義忠誠用戶一個月內(nèi)有15天活躍;流失用戶為兩個月沒打開過)
(以上數(shù)據(jù)以月末當天的統(tǒng)計為準)
你看,指標開始變得復雜了。產(chǎn)品有長期使用的忠實用戶,也有流失用戶。有用戶回來繼續(xù)使用,也有用戶不怎么愛用產(chǎn)品。
數(shù)據(jù)是為了方便講解隨手編的。實際的情況可能會更復雜,可以根據(jù)情況靈活應對。
用戶活躍可以簡化為一個最簡單的公式:新增用戶的數(shù)量要大于流失用戶的增加量??梢韵氤梢粋€水池,運營會一直往里灌水,但是水池也會漏水,如果漏水速度太大,那么水池就干了。一款產(chǎn)品可能因為市場競爭、拉新乏力導致新增用戶數(shù)下降,也可能因為產(chǎn)品改動,運營策略失誤造成后續(xù)流失用戶變多。
將數(shù)據(jù)制作圖表:
(活躍用戶和不活躍用戶可以拆分出來,周活躍同理)
用戶運營們可以按照日、周、月維度維護三張報表,監(jiān)控活躍數(shù)據(jù)的變化(建議花更多精力在周報表上)。
如果是一個好的用戶運營,他會繼續(xù)思考:每天有多少活躍用戶變得不活躍?有多少忠誠用戶變得不活躍?又有多少流失用戶被我們喚回來等,并且分別是什么原因引起的。
怎么樣更詳細的監(jiān)控活躍數(shù)據(jù)的變化呢?我們引入桑基(Sankey)圖的概念。
這時,活躍數(shù)據(jù)比單純的表格清晰多了,而且我們也能夠顯著觀察到不同活躍層的變化。萬千變化,存乎一圖。
以上種種,皆是用戶運營需要考慮,也是要和各部門協(xié)同解決,貫徹整個產(chǎn)品一生的運營方向。
活躍類指標有一個顯著特點需要明白,它們都是后見性的指標,也就是事情發(fā)生后我們才能觀察到。比如我們發(fā)現(xiàn)某一段時間流失數(shù)據(jù)(假定兩個月沒打開APP為流失)上升,往前倒推兩個月,發(fā)現(xiàn)當時剛好展開一次活動,那么我們有理由相信活動造成了一批用戶卸載,可惜運營此時已經(jīng)無能無力。先見性預防比后見性觀察對運營更重要。
根據(jù)不同的用戶活躍狀態(tài),依據(jù)產(chǎn)品的特性能采取很多運營手段。這是精準化運營的第一步。接下來則是劃分用戶層次等,進行更精準的運營,不過那是另外的話題了。
用戶運營路漫漫修遠兮,用我偶然得之的一句話做結(jié)尾吧。
別低頭,活躍會掉,別流淚,報表會笑。
Tips:
1.以上主要針對移動產(chǎn)品,對網(wǎng)站,或者網(wǎng)站手機端混合,乃至微信端??赡芤捎昧硗庖惶捉y(tǒng)計邏輯,這里不展開了。
2.市面有許多第三方應用或SDK能達到類似的數(shù)據(jù)統(tǒng)計。不過我建議,若只能統(tǒng)計,不能拿到數(shù)據(jù),為了后續(xù)運營還是辛苦點做一套活躍統(tǒng)計系統(tǒng)寫入數(shù)據(jù)庫吧。
3.下一期,我們可以引申出用戶運營的其他框架,或者怎么用有趣的?;鶊D,做更性感的分析。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10