活跃度 4个方面解析：用户活跃度是什么？

要做产品，尤其是数据产品，离不开对用户活动的分析，但是一个简单的数字包含了什么样的道理呢？我们如何分解这个数字？

首先，如何定义用户活动

一般来说，活跃用户就是来你的产品“逛逛”的用户。

每日用户活动=每日“散步”用户数/产品用户总数

比如今天来过的用户数是200，产品的用户总数是1000，那么每天的用户活动就是20%。在此基础上，您还可以计算每月活跃用户和每季度活跃用户...

第二，活动越高越好？

不一定！

为什么这么说？

因为就算是“逛”也会有各种花式，就像逛街一样，来逛的用户可能只是夏天进来吹空或者是花大钱的金爸爸。

这个时候你跟我说商场每天都有上万的活跃用户，但是都是来玩的大妈空...(想象我的表情)

所以在活动的背后，可能隐藏着很多秘密...

第三，如何深入理解活动

这些用户来自哪里？第一次拜访是什么时候？他们来了以后都干了些什么？

通过逐步细化以上维度，可以挖掘出更多值得研究的东西:这些群体的回购率是多少？平均单价是多少？累积GMV是多少？从第一次拜访到购买需要多长时间...

在做用户活动分析的时候，我一般会用二维的表格来进行反汇编分析。

以下是案例研究↓

这是一个商场的用户数据表。横轴表示用户第一次访问的时间。可以看出，2016年12月的访问量为23，934，2017年1月为8，999。

纵轴显示用户再次访问的时间。例如，在2016年1月首次访问的23，934名用户中，2017年1月再次访问的用户有12，783人，同年2月有9，872人，3月有8，762人。

所以我们得到了这些用户的每月活动:

通过这个二维表，我们可以清楚地了解隐藏时间维度在总活动下的用户行为。当然，如果不够详细的话，可以细分为每周或者每天的用户活动。

同样，我们也可以从事件中了解用户的活动，并首先向您展示案例:

当然，你也可以把维度改成GMV，客户单价，平均访问量，购买量，平均访问量等。…这样您就可以对活动有更深入的了解。

4.主动对我们有什么用？

通过上面的方法，我们分析了用户活动，已经知道了一般的用户行为。接下来就是如何通过这些活动数据解决问题。

比如某产品在双十一期间增加了访问用户数量，但这些用户的访问活动在接下来的几个月里持续下降。

我们先分析一下这些用户进入的渠道:(前提是埋点，不懂埋点的同学可以理解百度)

可以看出，未来几个月，来自“儿童优待券”的新用户活动明显低于来自其他渠道的新用户。

本来双十一之后上架的儿童产品很少，导致这个渠道用户活跃度低，用户逐渐流失。

现在知道原因了，解决问题的方法有很多~丰富货架上的儿童产品，用短信推送“呼叫”用户。

本文由@花椰菜原创发表，大家都是产品经理。未经允许，禁止转载

标题图来自Unsplash，基于CC0协议