今天先聊一聊用戶運營中，有關活躍的基礎話題。

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。

我們假設有一款新產品，這是它四個月內的活躍數據。嗯，看來不錯。

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?；钴S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。

看，我們的活躍用戶數上升，活躍率下降，這對新產品來說很正常。你不能要求每一個用戶都使用我們產品不是？

別急，我還沒補刀呢。

我們統計了注冊用戶數，那么我們也可以統計出本月新增用戶數，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減去新增用戶數，計算老用戶數。并且將新老用戶的活躍率獨立出來。

指標拆分后，我們發現老用戶的活躍率比預期低。實際在產品早期、渠道投入資源推廣、或一次成功的病毒營銷后，因為新增用戶數量的暴漲，總是會帶動活躍數的上升。

A產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。在常規的統計指標中，發現活躍數據上升。事后分析發現活躍為新增活躍，老用戶的活躍數據沒有顯著上升。配合其他活動數據，證實活動效果較差。

C產品獲得投資后，通過大規模的燒錢推廣，獲得一個正向的活躍數據反饋。此時活躍有不小可能是由新增用戶撐起的。產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?；亓饔脩羰腔钴S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。

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

回到一開始那款產品的數據，我們將分解后的新指標統計出來。（定義忠誠用戶一個月內有15天活躍；流失用戶為兩個月沒打開過）

（以上數據以月末當天的統計為準）

你看，指標開始變得復雜了。產品有長期使用的忠實用戶，也有流失用戶。有用戶回來繼續使用，也有用戶不怎么愛用產品。

數據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。

將數據制作圖表：

(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。

怎么樣更詳細的監控活躍數據的變化呢？我們引入?；⊿ankey）圖的概念。

這時，活躍數據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。
有了數據和趨勢，我們應該聚焦更多精力到怎么去應用在運營和業務上。

觀察忠誠用戶，發現他們有什么特征，為什么愛用我們產品。同樣的道理，我們也能觀察流失用戶；

忠誠或流失用戶是否在推廣渠道上有顯著差異（配合新增留存數據）。

某一段時間回流用戶增加，是產品更新，市場推廣，還是活動營銷？

本周，變成不活躍的用戶比以前多，要不要做一次用戶訪談看下原因？

活躍的用戶用Push營銷，流失的用戶用短信營銷，這是不是一個好方法？

以上種種，皆是用戶運營需要考慮，也是要和各部門協同解決，貫徹整個產品一生的運營方向。

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。先見性預防比后見性觀察對運營更重要。

根據不同的用戶活躍狀態，依據產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尾吧。

別低頭，活躍會掉，別流淚，報表會笑。

作者：秦路，公眾號:tracykanc

本文由 @秦路 原創發布于人人都是產品經理。未經許可，禁止轉載。