专业的短链接生成工具
链接域名
短网址有效期
App增长：我们每天关注的“日活”只是一个数字吗？
更新时间：2025-6-1 11:30:20 作者：爱短链
市场营销获客工具【爱短链】全域跳转工具，打通私域引流关键一步：轻松将公域流量，引导至私域，通过链接点击直达，方便快捷，无风险提示跳转，助力企业/商家高速获客。》》点此获取链接
APP增长足以让很多产品经理不去想这个话题。
他们每天都陷入新用户数量、激活率、保留率等数字。
他们有日常生活的目标，但他们不知道如何到达那里。
增长路线图总是藏在黑盒子里。
传统观点认为，APP增长有两个引擎：提高新用户数量和提高保留率的产品手段。
我不反对这一点，但我最近的经验告诉我，产品手段最大的作用点通常不是保留率。
保留率的作用因素很多，渠道质量、产品特性甚至用户习惯都会充分作用于保留率，导致保留率波动很大。
甚至可以举个例子:一般有经验，APP新版本发布后，旧版本的保留率会下降。
因为在APP新版发布后(尤其是在市场上)iOS)只能下载到最新版本APP，这些旧版本的新用户主要来自之前下载但尚未激活的用户。
这部分用户自然低于下载后立即激活的用户，即平均保留率低，从而降低了整体保留率。
经验表明，这部分用户实际上占了相当大的比例。
于是留存率又变成了黑盒，藏在增长的黑盒里，变成了黑盒，嗯，俗称俄罗斯套盒。
有时产品会进行重大更新，但保留率从未提高。
这次更新在产品上没有改进吗？我认为我们需要关注一个容易被忽视和用户活动的地方。
事实上，我认为大多数产品改进都是作用于用户活动的，但我想知道为什么人们总是盯着保留率。
然而，也有现实的困难。
活动不像新用户那么容易测量，保留率也不像第三方数据平台那么容易测量。
这几天在研究厂APP在分析流失数据时，越想越深，衡量活动的方法就越多。
idea，在此与大家分享。
一段时间前，在工厂的数据共享会议上，我提议打开日常生活的数据，并将静态数字分解为过程量和状态量。
事实上，整个过程可以更进一步地被视为动态的。
每天，活跃的用户都会做一个巨大的移动，知道他们是如何锻炼的，不仅可以理解APP增长的关键点也可以找到。
我在这里设计了一个模型。
请把用户想象成水滴，很多水滴聚集成一个池，我们称之为活跃用户池(俗气)。
这个池子应该可以描述为酱紫色: 是针对一天的状态量，每天只有一个池，每天池都不一样 池分为多层(以7层为例)，每层都有许多活跃用户 活跃用户只能存在其中一层 从深到浅，用户池分别是0、1、2、3、4、5、6的最新活跃日期的差异 当天所有活跃用户自动沉入池底(包括当天所有新用户)，即0层 每天，如果用户没有成为当天的活跃用户，沉入池底，自动上浮一层。
除0层外，所有层的用户必须在层间迁移。
如果第二天上层(6层)的用户没有沉入池底，他们会自动从池中蒸发，成为不活跃的用户 不活跃的用户也可以回归(凝结并沉入池底) 有一个阈值(比如30天)，可以认为用户失去了整个系统，成为了失去用户 简单来说，就酱: 每层活跃用户的数量可以计算出来。
鉴于pandas对于DataFrame处理代码43行~~ 大致形状如下图所示(分别是某个)APP在Android和iOS两个平台上的数据): 然而，仅仅看到这样的状态仍然没有太多的灵感，我们需要看到两个相邻日期各级用户的迁移。
(再次省略39行代码) 这样，某APP活跃用户在两个相邻日期的迁移图较粗： 这张照片提供了一个完全不同的视角来观察每天的活跃用户。
活跃用户不仅是一个简单的数字呈现，而且是一个层次，每个层次在日期粒度上都有迁移和流通，形成动态平衡。
这部分数据可以与活跃用户新鲜度（活跃用户在用户激活日期中的组成）的数据相匹配，非常有趣insight： 以7天内的活跃用户为系统，目前的活跃用户池正在扩大：9421 4936-11771=2586
APP增长足以让很多产品经理不去想这个话题。
他们每天都陷入新用户数量、激活率、保留率等数字。
他们有日常生活的目标，但他们不知道如何到达那里。
增长路线图总是藏在黑盒子里。
传统观点认为，APP增长有两个引擎：提高新用户数量和提高保留率的产品手段。
我不反对这一点，但我最近的经验告诉我，产品手段最大的作用点通常不是保留率。
保留率的作用因素很多，渠道质量、产品特性甚至用户习惯都会充分作用于保留率，导致保留率波动很大。
甚至可以举个例子:一般有经验，APP新版本发布后，旧版本的保留率会下降。
因为在APP新版发布后(尤其是在市场上)iOS)只能下载到最新版本APP，这些旧版本的新用户主要来自之前下载但尚未激活的用户。
这部分用户自然低于下载后立即激活的用户，即平均保留率低，从而降低了整体保留率。
经验表明，这部分用户实际上占了相当大的比例。
于是留存率又变成了黑盒，藏在增长的黑盒里，变成了黑盒，嗯，俗称俄罗斯套盒。
有时产品会进行重大更新，但保留率从未提高。
这次更新在产品上没有改进吗？我认为我们需要关注一个容易被忽视和用户活动的地方。
事实上，我认为大多数产品改进都是作用于用户活动的，但我想知道为什么人们总是盯着保留率。
然而，也有现实的困难。
活动不像新用户那么容易测量，保留率也不像第三方数据平台那么容易测量。
这几天在研究厂APP在分析流失数据时，越想越深，衡量活动的方法就越多。
idea，在此与大家分享。
一段时间前，在工厂的数据共享会议上，我提议打开日常生活的数据，并将静态数字分解为过程量和状态量。
事实上，整个过程可以更进一步地被视为动态的。
每天，活跃的用户都会做一个巨大的移动，知道他们是如何锻炼的，不仅可以理解APP增长的关键点也可以找到。
我在这里设计了一个模型。
请把用户想象成水滴，很多水滴聚集成一个池，我们称之为活跃用户池(俗气)。
这个池子应该可以描述为酱紫色: 是针对一天的状态量，每天只有一个池，每天池都不一样 池分为多层(以7层为例)，每层都有许多活跃用户 活跃用户只能存在其中一层 从深到浅，用户池分别是0、1、2、3、4、5、6的最新活跃日期的差异 当天所有活跃用户自动沉入池底(包括当天所有新用户)，即0层 每天，如果用户没有成为当天的活跃用户，沉入池底，自动上浮一层。
除0层外，所有层的用户必须在层间迁移。
如果第二天上层(6层)的用户没有沉入池底，他们会自动从池中蒸发，成为不活跃的用户 不活跃的用户也可以回归(凝结并沉入池底) 有一个阈值(比如30天)，可以认为用户失去了整个系统，成为了失去用户 简单来说，就酱: 每层活跃用户的数量可以计算出来。
鉴于pandas对于DataFrame处理代码43行~~ 大致形状如下图所示(分别是某个)APP在Android和iOS两个平台上的数据): 然而，仅仅看到这样的状态仍然没有太多的灵感，我们需要看到两个相邻日期各级用户的迁移。
(再次省略39行代码) 这样，某APP活跃用户在两个相邻日期的迁移图较粗： 这张照片提供了一个完全不同的视角来观察每天的活跃用户。
活跃用户不仅是一个简单的数字呈现，而且是一个层次，每个层次在日期粒度上都有迁移和流通，形成动态平衡。
这部分数据可以与活跃用户新鲜度（活跃用户在用户激活日期中的组成）的数据相匹配，非常有趣insight： 以7天内的活跃用户为系统，目前的活跃用户池正在扩大：9421 4936-11771=2586
