起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識4個方面解析：用戶活躍度是什么？
做產(chǎn)品尤其是數(shù)據(jù)產(chǎn)品，離不開的是用戶活躍度分析，但是一個簡單數(shù)字后蘊含這什么樣的真相呢？我們該怎么去拆解這個數(shù)字？
一、如何定義用戶活躍度
一般來講，活躍用戶就是跑到你產(chǎn)品來“溜達”的用戶。
日用戶活躍度 = 日“溜達”用戶數(shù)/總產(chǎn)品用戶
例如：今天來過的用戶數(shù)是200個，產(chǎn)品的總用戶數(shù)是1000，那么日用戶活躍度就是20%。依據(jù)此，你也可以推算出月活躍用戶度、季度活躍用戶度……
二、活躍度越高越好嗎？
未必！
為什么這么說？
因為即使是“溜達”也會有各種花式，這就好比方是逛商場，過來溜達的用戶有可能僅僅是夏天太熱進來吹吹空調(diào)的、有可能是一擲千金的金主爸爸。
這個時候，你告訴我商場活躍用戶一天有幾萬人，但是全是進來吹空調(diào)的大媽大嬸…….（想象下我的表情）
所以活躍度的背后，也許隱藏著很多很多的秘密……
三、怎么深入了解活躍度
這群用戶來自哪里？什么時候發(fā)生的第一次訪問行為？他們來以后做了哪些操作？
通過以上的維度逐步的細化下去，你還能夠挖掘出更多的值得研究的東西：這些群體復購率怎么樣？平均客單價是多少？累計GMV是多少？第一次訪問到購買間隔時間需要多久……
在做用戶活躍度分析的時候，我一般會采用二維表格來進行拆解分析。
以下是一段案例分析↓
這是一個商城的用戶數(shù)據(jù)表，橫軸表示用戶第一次訪問的時間，可以看到2016年12月份訪問的用戶數(shù)是23934，2017年1月份是8999。
縱軸表示的是用戶再次訪問的時間，如2016年1月第一次訪問23934個用戶中，在2017年1月再次訪問的用戶有12783，同年2月份是9872，3月份是8762….
于是我們得到了這些用戶的月活躍度：
通過這個二維表格，我們很清楚的了解到了總活躍度下面隱藏的時間維度的用戶行為，當然如果覺得不夠詳盡，我們還能再細分到每周或者每一天的用戶活躍度。
同樣，我們還可以從事件出發(fā)去了解用戶的活躍度情況，先給大家看案例：
當然你還可以將維度換成GMV、客單價、平均訪問次數(shù)、購買次數(shù)、平均訪問時長等等等等……這樣你會對活躍度有更深層次的了解。
四、活躍度對我們有什么用？
通過以上方法分析了用戶活躍度，大致的用戶行為我們已經(jīng)了解，接下來就是通過這些活躍度數(shù)據(jù)怎么解決問題了。
舉例來說：一款產(chǎn)品在雙十一期間增加的訪問用戶，但是在接下來的幾個月中這些用戶的訪問活躍度持續(xù)下降。
我們首先分析下這些用戶都是通過哪些渠道進入的：（前提是要埋點，不懂埋點的同學可以百度了解下）
可以看到“兒童專場優(yōu)惠券”進來的新用戶在接下來幾個月中的活躍度明顯低于其他渠道的新用戶。
原來該產(chǎn)品在雙十一之后的產(chǎn)品上架的兒童產(chǎn)品非常少，所以造成了這個渠道用戶的活躍度很低、用戶逐漸流失。
既然知道了原因，解決問題的方法就很多啦~豐富上架的兒童產(chǎn)品、還可以配合短信推送“喚活”用戶。
#專欄作家#
菜花，公眾號：caihua2021，人人都是產(chǎn)品經(jīng)理專欄作家。關(guān)注互聯(lián)網(wǎng)產(chǎn)品、運營、數(shù)據(jù)，擅長產(chǎn)品經(jīng)理求職和成長指導，通過成就他人來成就自己。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來自Unsplash，基于CC0協(xié)議
只在商城門口吹吹空調(diào)，等涼快了再出去
只是蹭蹭，并不進來。
兄弟，你這解釋是要上天啊