用户数据之存量DAUMAU.docxVIP

用户数据之存量——DAU/MAU 随着设计师对产品设计在业务上的接触越来越深入，数据分析成为设计师了解用户行为的一个重要手段。而业务上的数据指标如此之多，如何系统的了解不同指标的核心含义是每个体验设计师学习的目标之一。 一、用户数据之存量——DAU/MAU DAU/MAU（Daily/Monthly Active User）。 1. DAU/MAU比值是什么 DAU（日活）：单日(24h)活跃用户量（去重），反应产品短期用户活跃度； MAU（月活）：单月(30day)活跃用户量（DAU去重），反应产品长期用户活跃度； DAU/MAU*30 = 用户月平均登录天数 2. DAU/MAU说明了什么 DAU/MAU的大小表明了这款产品对用户的黏性大小，换句话说，就是用户打开产品的频率。 DAU和MAU的比值高，代表一个月有使用产品的用户中，每天都使用产品的用户比例高，即使用频率高，用户对产品的依赖性强，同时也说明用户粘度较强。另一方面，也代表了用户的流失率低，留存率高。 DAU和MAU的比值低，所有结论相反，用户使用频率低，依赖性弱，粘度较弱，用户流失率高，留存率低。 3. DAU/MAU的数据价值是什么 DAU/MAU数据的优点这个比例对于了解产品对用户的价值特别有用。它提供用户保留期的快照。对于公司来说，这是评估牵引力和潜在收入的有用指标。 DAU/MAU数据的缺点DAU/MAU 比率的一个缺点是，您无法看到哪些用户被保留，哪些用户正在流失。这就是同期群保留分析有用的地方。同期群可以是您定义的任何类似用户组 – 通常按月分类。 4. DAU/MAU的动态化分 1）DAU/MAU提升↑，DAU增加显著↑ 说明产品的改动或者啥大新闻让部分沉默用户苏醒，但是这个改动和大新闻大多触及到产品已有老用户，这种情况下我们应该加大对产品新功能的推广和宣传，引导更多的新用户成为我们的活跃用户。 2）DAU/MAU提升↑，MAU减少显著↓ 说明非忠实用户的流失变得严重，对于一部分刚需的用户我们可以保留下来，但是对于不是刚需的用户我们无法挽留，这种情况下我们应该在保证核心功能的基础上进行功能多元化的探索，满足更多非刚需非忠实用户的需求。 3）DAU/MAU降低↓，DAU减少显著↓ 说明我们的核心功能出现了问题或者外界的影响造成了用户对产品本身的恐慌，像什么某某某P2P跑路了等等，导致原本使用产品的用户跳到竞品或者不再使用，这种情况下我们应该分析竞品的动向，确保我们的核心功能各方面使用体验达到最优，才能挽留用户。 4）DAU/MAU降低↓，MAU增加显著↑ 说明产品的改动或者外界的推广让短期用户活跃度提升，但是这个改动和影响不具备可持续性，可能是用户玩一下就腻了的快死型功能，比如脸萌，足迹这种功能，这种情况下我们要思考如何增加用户的粘度，减少用户流失。 二、Active活跃度是什么 1. Active分为两种 第三方数据统计系统的判定数据； 基于业务对用户执行事件的统计数据。 1）第三方数据统计系统的判定数据预制报表的统计系统（友盟、百度统计、GA等）都是基于事件上报进行统计，其统计逻辑是： 今天上报过事件注 → 用户进行了主动操作 → 这个用户是活跃的 注： 上报事件指的是例如：进入到登陆页面，进入到首页，点击某个按钮等，例如进行登录页成功，会上报一个page view事件；按钮被点击，会上报一个onclick事件等。 （哪些事件需要上报，不同平台规则略有不同，可以去平台查看，同时了需要结合自己本身的公司业务，例如如果您的app本身就不需要登陆，那么进行登陆页进行上报事件，就显然是不合理的）。 但这里有一个坑：注意是用户主动操作的行为产生的上报时间，如果不是用户主动操作的，例如用户接收到一个push(系统内推送)，这种就不属于上报事件。 2）基于业务对用户执行事件的统计数据 基于公司内部平台，相较与第三方的原理类似。公司关心的点整理出一个日活事件列表，列表中可根据具体业务插入或者删除相应事件：例如进入登录页，首页，加至购物车。当用户有了这些关键事件后，上报后自己的后台进行统计。 其统计逻辑是： 用户执行事件(执行事件为公司罗列的日活事件) → 这个用户是活跃的这种类型，有利有弊，利在于更加灵活，可以根据业务需求快捷更改；弊端在于维护成本高一点。 三、User用户是什么 提及User会产生两个概念，例如：Alen通过手机、平板、电脑分别登陆了APP；那么此时应该记录为几个用户？ User用户的区分分为两种方式：账号(人)，设备。 1. 基于人识别User 用户数User = 访问过服务的ID数这个ID是指UID 注，只一个注册用户，每个注册用户都有唯一的UID。这种方式适用于强制登录的产品。 注：UID（User Identification）：UI