专业的短链接生成工具
链接域名
短网址有效期
产品经理，你知道用户活跃度情况怎么分析吗？
更新时间：2025-5-11 22:50:49 作者：爱短链
产品一般与用户活动分析是分不开的，但我们应该如何把握这个程度呢？这是一系列简单的数据或数字吗？我们应该如何拆卸它？
因为用户相关的话题很多，为了方便大家阅读，这里对各种话题进行分类如下图所示，让我们看得更清楚。
今天，让我们系统地分享：用户活跃这个话题。
01 常见的用户活动问题 1. 什么是活跃？口径不统一 用户注册和付费是一个非常明确的行动，一般不承认错误，但活跃到底是什么，有不同的意见，如： 即使登录成功活跃？ 点击几次登录活跃？ 登录完成特殊动作？ 当然，可以对不同的目标和业务有不同的定义。
但使用这些定义的前提是口径统一，各部门必须达成共识:有XXX即使行为活跃。
最常见的问题是，它不仅没有统一的口径，而且还不断发明新的术语，使历史数据不匹配。
最后，来和鸭子开会。
2. 陷入细节，纠结每天的波动 看过活动率和活动人数指标的同学都知道，这个东西日常波动太大，几乎大事小事都会影响活动率。
有时间分析活动率下降的报告还没交，雅雅自己就涨回来了。
结果每天都纠结于为什么高/低1%！累死自己，还没找到病根。
3. 孤立看问题，砸钱活跃 虽然为什么活动率下降不一定清楚，但如何做活动率，常规太清楚了。
登录7天登录福利，30天连续登录福利，登录最高抽奖888，种树20天送一袋猕猴桃…… 因此，往往没有找到原因，短期拉指标的措施已经上升。
结果按葫芦浮起瓢。
活动率提高，转化率下降，转化率提高，成本烧干…… 注册、活跃、付费等指标永远不能分开看，就像我们评论员的身材一样，三围一起报告。
否则，你想要一个36D女朋友，推荐推荐一个36-48-52的身材吗？不仅要，还要幸福。
02 用户积极分析核心问题 陈先生总是举个例子，不了解业务的数据会导致各种问题。
但在用户的积极分析中，正是业务不了解数据，导致了上述混乱。
操作没有深入思考活跃指标的含义，也没有分析活跃指标与注册、付费和转换的关系。
只是因为这是我的KPI，就产生了:KPI指标下降综合征：不等分析清楚就急不可耐，最后总是治标不治本，还折腾人。
要想破局，首先要解决一个核心问题:活跃对我们意味着什么？ 除了类似阴阳师，DOTA除了传奇的肝脏游戏，其他大量的互联网应用程序真的需要用户每天留在这里吗？除了微信这个超级应用程序，还有另一个应用程序是用户不可替代的？（如下图所示） 从本质上讲，互联网应用关注用户活跃，就像传统企业关注顾客到商店一样。
活跃是一切的基础，一定要注意； 不能空活跃不转化，要联合看； 影响因素太多，要抓大放小，聚焦行动 在谈到用户损失分析时，我们说：损失分析的目的不是消除损失率，而是控制损失在可控范围内。
当用户积极分析时，事实是相似的：积极分析不是强迫用户每天戳，而是为付费和介绍提供稳定的支持。
03 用户积极分析基本思路 设定标准:目前业务需要什么样的新增、活跃、付费结构 找规律:常规活跃趋势是什么？ 异常检查：区分常规变化和异常变化 追踪原因踪异常变化，分析 制定计划：根据问题的优先级制定应对方案 当然，最重要的是设定标准。
作为业务方，我们应该有一个心理判断:我需要多少活跃用户，我需要多少活跃率；而且不能分开看一个指标，要注意AARRR整体形态。
1. 设定标准的常用方法 设定标准主要参考三点： 业务特点：不同的业务需要不同数量的活跃用户和活跃率。
发展阶段：一般来说，新推出更倾向于聚集人（扩大DAU），付费转换只能在一定程度上进行。
竞争策略：不同的策略意味着不同的活动和支付要求。
比如最基本的三大策略(如下图所示): 请注意，竞争策略是标准的核心。
例如，传统观点认为金融服务是一项低频业务，可以用于金融APP当时，金融新闻、金融教育、当地饮食策略、电影信息等与消费相关的东西都可以完全完成，一个低频应用可以做成高频应用。
因此，类似来说，类似的业务特征和发展阶段只是参考。
更重要的是，这是业务内心的声音：我们应该做一个XXX与市场上的产品相比，我的目标是XXX”。
这就要求操作需要有自己的业务判断能力，能够清楚地了解自己的方向。
数据分析师只提供业务特征、发展阶段、竞争产品数据等辅助功能作为参考。
这就是为什么陈槽的原因。
活跃的问题是自上而上。
确实有很多公司没有经营的想法，所以他们知道机器已经完成了KPI，只要数据符合标准。
如果数据不符合标准，试着把锅扔给数据分析师，对手刷，我们的成本不够。
这个标准不清楚，更不用说以后的分析了。
2. 寻找常见的规律方法 规则包括三类 政策法。
政策出台后，产生了巨大的反响。
自然规律。
从1月到12月，影响活动的因素很多(如下图所示) 操作规则。
常见的操作事故(缺货、系统停机、宣传误导……）操作措施(抽奖、签到、互动游戏)会导致活跃的数据变化。
这些具体的政策、事件和运营行动是指标变化的根本原因。
因此，在分析之前，我们应该收集大量的内部和外部事件，并考虑事件。
这不是不合逻辑的话，比如因为过去三天，所以今天和因为上周五，所以这周五。
在找到一些明显的规则后，可以用来进行定性预测，并根据未来发生的时间来解释指标的波动。
例如，当指标波动时，如果发生相应的事件 对应波动形态，八成就是规律性变化。
这样做，可以节省大量的分析时间，而不是做一堆分析，还被吐槽为:我早就知道了就是这样。
3. 常用的检查异常的方法 遇到异常，要注意： 幅度:单日波动是否足够大 可持续性：是否有持续增长和下降的趋势？ 规律性:计划中是否有规律和波动？ 相关性：相关注册和支付指标是否波动相同 请注意，并非所有的波动都值得追求，大、可持续、不规则、影响其他指标的优先事项。
偶尔的波动是正常的，但记录时间，观察趋势，当问题恶化时很容易追溯到源头。
这样，数据分析师就更容易找到真正的异常问题，而不必陷入无尽的纠缠。
4. 追逐原因的常用方法 确认是异常波动，有三种常见形式 事件型:一次性大幅下跌 持续:从某个节点开始，持续下跌 系统型:自身波动小，但总是比竞争产品差。
在追逐原因之前，先判断哪种类型的问题。
追逐原因的难度是：事件型系统型的连续性。
一个事件最容易找到来源。
通过竞争产品分析，可以得到系统差异的答案。
相反，连续性问题是最纠结的。
它可能是一个重大事件的余波，也可能是一个深层次的问题。
要注意，我们常说DAU=DNU DOU(日活跃用户=每日新用户 日常活跃的老用户，一般新注册用户直接计入活跃)往往会影响系统问题DNU，用户注册后T 1，T 2…T N时间内没有引导，导致用户不活跃甚至流失。
DOU它通常与事件有关，如季节性促销、无声用户唤醒、新产品上市等。
因此，在跟踪原因时，可以单独观察。
注册新人到第一次付款流程，标记老人，注意老人对活动的响应（如下图所示） 5. 制定计划的常用方法 然而，没有这一部分，这一部分是运营类别，是一个业务行动，不在本文的讨论类别中。
该计划主要取决于运营的业务能力。
作为一种数据分析，支持是： 判断问题的轻重缓急 对于重要的紧急问题，提示问题的来源 提供改善过去问题的方法ROI支持分析结果 等待操作提出想法，做临时支持 总结 最后，我想强调的是，好的方法是设计的，而不是计算的。
通过数据分析，我们只能评估过去方法的质量。
最多，我们可以预测用户XX产品响应率，不能再多了。
真正做好落地，还是要靠操作自己多练内功。
从零开始，我们会发现数据分析并不神秘，更多的是： 大量细致的收集事件 用数据描述、评估和总结事件 用逻辑推导事件的影响，用数据验证假设。
这是一项非常无聊的体力劳动，但它是成就的关键。
脱离这些细节，任何细节 思维方式、底层逻辑、核心规则都无法生效。
只有算命大师才知道摇铜钱。
做数据分析的人和搬砖工没什么区别。
作者:接地气的陈老师，微信微信官方账号:接地气学校。
十年资质的数据分析师，多行业CRM经验。
特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。
本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。
如有侵权行为，请联系网站管理员删除，。
今天，让我们系统地分享：用户活跃这个话题。
01 常见的用户活动问题 1. 什么是活跃？口径不统一 用户注册和付费是一个非常明确的行动，一般不承认错误，但活跃到底是什么，有不同的意见，如： 即使登录成功活跃？ 点击几次登录活跃？ 登录完成特殊动作？ 当然，可以对不同的目标和业务有不同的定义。
但使用这些定义的前提是口径统一，各部门必须达成共识:有XXX即使行为活跃。
最常见的问题是，它不仅没有统一的口径，而且还不断发明新的术语，使历史数据不匹配。
最后，来和鸭子开会。
2. 陷入细节，纠结每天的波动 看过活动率和活动人数指标的同学都知道，这个东西日常波动太大，几乎大事小事都会影响活动率。
有时间分析活动率下降的报告还没交，雅雅自己就涨回来了。
结果每天都纠结于为什么高/低1%！累死自己，还没找到病根。
3. 孤立看问题，砸钱活跃 虽然为什么活动率下降不一定清楚，但如何做活动率，常规太清楚了。
登录7天登录福利，30天连续登录福利，登录最高抽奖888，种树20天送一袋猕猴桃…… 因此，往往没有找到原因，短期拉指标的措施已经上升。
结果按葫芦浮起瓢。
活动率提高，转化率下降，转化率提高，成本烧干…… 注册、活跃、付费等指标永远不能分开看，就像我们评论员的身材一样，三围一起报告。
否则，你想要一个36D女朋友，推荐推荐一个36-48-52的身材吗？不仅要，还要幸福。
02 用户积极分析核心问题 陈先生总是举个例子，不了解业务的数据会导致各种问题。
但在用户的积极分析中，正是业务不了解数据，导致了上述混乱。
操作没有深入思考活跃指标的含义，也没有分析活跃指标与注册、付费和转换的关系。
只是因为这是我的KPI，就产生了:KPI指标下降综合征：不等分析清楚就急不可耐，最后总是治标不治本，还折腾人。
要想破局，首先要解决一个核心问题:活跃对我们意味着什么？ 除了类似阴阳师，DOTA除了传奇的肝脏游戏，其他大量的互联网应用程序真的需要用户每天留在这里吗？除了微信这个超级应用程序，还有另一个应用程序是用户不可替代的？（如下图所示） 从本质上讲，互联网应用关注用户活跃，就像传统企业关注顾客到商店一样。
活跃是一切的基础，一定要注意； 不能空活跃不转化，要联合看； 影响因素太多，要抓大放小，聚焦行动 在谈到用户损失分析时，我们说：损失分析的目的不是消除损失率，而是控制损失在可控范围内。
当用户积极分析时，事实是相似的：积极分析不是强迫用户每天戳，而是为付费和介绍提供稳定的支持。
03 用户积极分析基本思路 设定标准:目前业务需要什么样的新增、活跃、付费结构 找规律:常规活跃趋势是什么？ 异常检查：区分常规变化和异常变化 追踪原因踪异常变化，分析 制定计划：根据问题的优先级制定应对方案 当然，最重要的是设定标准。
作为业务方，我们应该有一个心理判断:我需要多少活跃用户，我需要多少活跃率；而且不能分开看一个指标，要注意AARRR整体形态。
1. 设定标准的常用方法 设定标准主要参考三点： 业务特点：不同的业务需要不同数量的活跃用户和活跃率。
发展阶段：一般来说，新推出更倾向于聚集人（扩大DAU），付费转换只能在一定程度上进行。
竞争策略：不同的策略意味着不同的活动和支付要求。
比如最基本的三大策略(如下图所示): 请注意，竞争策略是标准的核心。
例如，传统观点认为金融服务是一项低频业务，可以用于金融APP当时，金融新闻、金融教育、当地饮食策略、电影信息等与消费相关的东西都可以完全完成，一个低频应用可以做成高频应用。
因此，类似来说，类似的业务特征和发展阶段只是参考。
更重要的是，这是业务内心的声音：我们应该做一个XXX与市场上的产品相比，我的目标是XXX”。
这就要求操作需要有自己的业务判断能力，能够清楚地了解自己的方向。
数据分析师只提供业务特征、发展阶段、竞争产品数据等辅助功能作为参考。
这就是为什么陈槽的原因。
活跃的问题是自上而上。
确实有很多公司没有经营的想法，所以他们知道机器已经完成了KPI，只要数据符合标准。
如果数据不符合标准，试着把锅扔给数据分析师，对手刷，我们的成本不够。
这个标准不清楚，更不用说以后的分析了。
2. 寻找常见的规律方法 规则包括三类 政策法。
政策出台后，产生了巨大的反响。
自然规律。
从1月到12月，影响活动的因素很多(如下图所示) 操作规则。
常见的操作事故(缺货、系统停机、宣传误导……）操作措施(抽奖、签到、互动游戏)会导致活跃的数据变化。
这些具体的政策、事件和运营行动是指标变化的根本原因。
因此，在分析之前，我们应该收集大量的内部和外部事件，并考虑事件。
这不是不合逻辑的话，比如因为过去三天，所以今天和因为上周五，所以这周五。
在找到一些明显的规则后，可以用来进行定性预测，并根据未来发生的时间来解释指标的波动。
例如，当指标波动时，如果发生相应的事件 对应波动形态，八成就是规律性变化。
这样做，可以节省大量的分析时间，而不是做一堆分析，还被吐槽为:我早就知道了就是这样。
3. 常用的检查异常的方法 遇到异常，要注意： 幅度:单日波动是否足够大 可持续性：是否有持续增长和下降的趋势？ 规律性:计划中是否有规律和波动？ 相关性：相关注册和支付指标是否波动相同 请注意，并非所有的波动都值得追求，大、可持续、不规则、影响其他指标的优先事项。
偶尔的波动是正常的，但记录时间，观察趋势，当问题恶化时很容易追溯到源头。
这样，数据分析师就更容易找到真正的异常问题，而不必陷入无尽的纠缠。
4. 追逐原因的常用方法 确认是异常波动，有三种常见形式 事件型:一次性大幅下跌 持续:从某个节点开始，持续下跌 系统型:自身波动小，但总是比竞争产品差。
在追逐原因之前，先判断哪种类型的问题。
追逐原因的难度是：事件型系统型的连续性。
一个事件最容易找到来源。
通过竞争产品分析，可以得到系统差异的答案。
相反，连续性问题是最纠结的。
它可能是一个重大事件的余波，也可能是一个深层次的问题。
要注意，我们常说DAU=DNU DOU(日活跃用户=每日新用户 日常活跃的老用户，一般新注册用户直接计入活跃)往往会影响系统问题DNU，用户注册后T 1，T 2…T N时间内没有引导，导致用户不活跃甚至流失。
DOU它通常与事件有关，如季节性促销、无声用户唤醒、新产品上市等。
因此，在跟踪原因时，可以单独观察。
注册新人到第一次付款流程，标记老人，注意老人对活动的响应（如下图所示） 5. 制定计划的常用方法 然而，没有这一部分，这一部分是运营类别，是一个业务行动，不在本文的讨论类别中。
该计划主要取决于运营的业务能力。
作为一种数据分析，支持是： 判断问题的轻重缓急 对于重要的紧急问题，提示问题的来源 提供改善过去问题的方法ROI支持分析结果 等待操作提出想法，做临时支持 总结 最后，我想强调的是，好的方法是设计的，而不是计算的。
通过数据分析，我们只能评估过去方法的质量。
最多，我们可以预测用户XX产品响应率，不能再多了。
真正做好落地，还是要靠操作自己多练内功。
从零开始，我们会发现数据分析并不神秘，更多的是： 大量细致的收集事件 用数据描述、评估和总结事件 用逻辑推导事件的影响，用数据验证假设。
这是一项非常无聊的体力劳动，但它是成就的关键。
脱离这些细节，任何细节 思维方式、底层逻辑、核心规则都无法生效。
只有算命大师才知道摇铜钱。
做数据分析的人和搬砖工没什么区别。
作者:接地气的陈老师，微信微信官方账号:接地气学校。
十年资质的数据分析师，多行业CRM经验。
特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。
本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。
如有侵权行为，请联系网站管理员删除，。
