活躍用戶數據解析挖掘更深層的用戶行為

網站建設 2023-09-10 次 wordpress翻譯插件

　　對一家互聯網公司來說，如果沒有設置單獨的數據運營崗，那么用戶運營是和數據貼近，也必須是了解用戶的。

　　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據的果，而不會注意活躍數據的因。我們在這里就抽絲剝繭，教大家比較快速地了解活躍體系。

　　互聯網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。即在一個自然周內打開一次APP，則本周為周活躍用戶。月活躍用戶同理。

　　產品專注的市場領域不同，活躍用戶數天差地別。一款小眾的垂直領域產品和泛社交類產品，單純看活躍用戶數，你很難界定它們好壞。

　　好的數據指標，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，看的是產品的市場體量。活躍率，看的是產品的健康度。

　　實際得承認，不同產品，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控活躍率的變化，并且提升它。

　　產品進入穩定期后，有了一定用戶規模，新增活躍一般對活躍數據就不會有大的影響了。那么以新老用戶區分活躍統計就夠了？我們簡單定義三個場景：

　　用戶A下載產品后，把玩了一段時間，發現這是他想要的功能，愛不釋手，成為發燒用戶；

　　用戶B下載產品后，看了幾眼就不再使用。產品2。0發布后，覺得有個新特性不錯，于是回來繼續使用，逐漸成為活躍份子；

　　用戶C從網上看到隨便下載的，用了產品覺得一般，吐槽幾句并且卸載，不再使用；

　　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品，那么我們就視為流失用戶，根據產品的屬性，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品，為了和流失區分開來，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：一段時間內打開過產品。

　　忠誠用戶：也可以叫超級活躍用戶，長期持續使用產品，比如連續四周，或者一個月內15天等。

　　現在我們發現，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。

　　用戶活躍可以簡化為一個簡單的公式：新增用戶的數量要大于流失用戶的增加量。可以想成一個水池，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。一款產品可能因為市場競爭、拉新乏力導致新增用戶數下降，也可能因為產品改動，運營策略失誤造成后續流失用戶變多。

　　用戶運營們可以按照日、周、月維度維護三張報表，監控活躍數據的變化（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。

　　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，也就是事情發生后我們才能觀察到。比如我們發現某一段時間流失數據（假定兩個月沒打開APP為流失）上升，往前倒推兩個月，發現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，可惜運營此時已經無能無力。所以無雙提醒先見性預防比后見性觀察對運營更重要。

上一篇:數據解析之用戶流失詳細分析方法

返回列表網站建設