# 活跃用户分析

## 1.常见场景

### 定义产品/业务的活跃用户

在产品和业务中，一般对于“活跃用户”的定义，最基本的定义是访问或者登录过产品的用户；进一步也可以将做过产品核心价值功能的用户定义为“活跃用户”；例如以下类型：

#### 内容产品（以 App 为例）的常见定义“活跃用户”的方式

* 打开 App 的用户
* 登录 App 的用户
* 听书超过 3 min 的用户
* 查看核心文章内容大于 1 个的用户

#### 电商产品 （以 App 为例）的常见定义“活跃用户”的方式

* 打开 APP 的用户
* 登录 App 的用户
* 下单的用户
* 完成订单支付的用户
* 支付金额超过 50 元的用户

#### 工具产品（以 App 为例）的常见定义“活跃用户”的方式

* 登录产品的用户
* 使用产品核心功能（以 GrowingIO 为例，是集成 SDK 且查看过任意分析图表）的用户

### 活跃用户分析的价值

产品、运营的核心目标，是保持活跃用户持续增长，故需要对活跃用户有一个较为整体性的了解。GrowingIO 活跃用户分析，主要帮助产品和运营**回答以下问题**：

* 活跃用户的数量是怎么变化的？
* 活跃用户中，多少是持续活跃的？多少是之前不活跃，但又成为活跃的？有多少是新用户？
* 每个周期的活跃用户，到下个周期有多少变的不活跃了？其中区分新、老类型的话，比例是多少？
* 我们每个周期中，如果考虑用户下个周期沉寂的情况，那么活跃用户是不是在正向增长的？
* 不同地区 （O2O场景）的活跃用户情况是怎么样的？
* 回流用户，是从哪些访问来源被召回的？

## 2.功能使用

### 定义"活跃用户"

根据 **用户类型、用户做的事件、频次、事件的属性** 来定义活跃用户的条件

![](https://2804479340-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LGNxeGABUADKiTWTaEM%2F-LeFqloPMUTBF0qe_llO%2F-LeG22_TdqY4PIbQfQN8%2Fimage.png?alt=media\&token=c9b3b6cc-595a-4a98-a8f3-8df51678032e)

例如 GrowingIO 的博客，是一个内容型产品，主要为用户提供数据分析、增长、学习等内容。 (地址：<http://blog.growingio.com>）；针对这个博客，活跃用户的定义，是至少浏览过1 篇博客文章详情页的访问用户。

定义完成后，展示符合活跃定义条件的昨日、过去 7 天、过去 30 天的用户量，并且分别提供相对上周期的比率变化。如果需要查看上周期的具体时间，鼠标移到提示问号（？）处即可。

![以上为测试示例数据](https://2804479340-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LGNxeGABUADKiTWTaEM%2F-LeFqloPMUTBF0qe_llO%2F-LeG5kl-MjnBnyvtxQSK%2Fimage.png?alt=media\&token=74e79632-7959-454d-b734-eeb722dc0edf)

### 查看活跃用户的构成和趋势，以及变为不活跃的变化

![](https://2804479340-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LGNxeGABUADKiTWTaEM%2F-LjxYTffY8ZXoTZmXXyU%2F-LjxcYTt4EaKXHTp098E%2Fimage.png?alt=media\&token=c7689ba1-6657-4fb2-bbd5-c3e787cdc0a4)

这个部分需要几张图一起解读，就可以非常清晰的了解活跃用户数量、构成、占比、以及在下个周期变为不活跃的变化情况和趋势。

例如： 06/10 \~ 06/16 这一周的活跃用户（至少看过一次博客详情页）是2119，其中新用户是1612，回流用户是 337，留存用户是 170。分别占比 15.9%、76.1%、8.02%；到了06/17 \~ 06/23这一周，06/10 \~ 06/16 这一周的活跃用户有 2073个变为了不活跃，其中新用户是 1573个，老用户（即留存+回流用户）是 464个。分别占06/10 \~ 06/16 这一周的活跃用户的  74.2% 和 21.9%。

选择活跃用户的时间和时间颗粒度来查看活跃用户趋势，计算构成。对于部分高频产品来说，关注颗粒度会在日级别；对于工具型，一般在周级别；对于低频型，颗粒度在月级别。

每周期的活跃用户构成包括以下三种类型：

* 回流用户：上周期不满足活跃定义，但本周期活跃的用户；
* 新增用户：本周期满足活跃定义的新用户；
* 留存用户：本周期和上周期都满足活跃定义的用户。

每周期的不活跃用户构成：

* 不活跃新用户：本周期满足活跃条件的新用户，在下周期不满足活跃条件的用户。
* 不活跃老用户：本周期满足活跃条件的老用户，在下周期不满足活跃条件的用户。

通过数据图可以看出，博客产品的较多用户都是新用户，回流用户和留存用户占比在20%多左右。在部分运营推广活动期间，新用户的数量较多。博客产品基本不能使用户每周访问（周流失率在 90%以上），不论是新用户还是老用户，流失占比都很高。

### 了解增长指数

如果用一个数据展示用户增长状态，GrowingIO推荐使用“增长指数”。它展示了，在每个周期（天、周、月）获取的增长用户与这个周期流失的用户的比。比率表示：流失一个活跃用户的同时 （即一个活跃用户不再满足活跃条件），会增加几个活跃用户。

**增长指数 =（当期新增用户数+当期回流用户数）/ 当期活跃但是在下周期不活跃的用户数**

当增长指数 >1 时，表明即使用户量存在流失，净活跃用户量也是在增长的。 当增长指数 <1 时，表明净活跃用户量在降低。 你需要关注增长指数的变化趋势，尤其是 <1 时重点关注。

注：当时间颗粒度是周和月时，会存在最后一个周期没有结束的情况（例如今天是周三，但是一周结束需要到周天，所以上周的活跃用户，只有在本周周天结束的时候，才能知道有多少用户本周不再活跃了），此时数据点和线会显示为虚线。

![以上为测试示例数据](https://2804479340-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LGNxeGABUADKiTWTaEM%2F-LeFqloPMUTBF0qe_llO%2F-LeGBBcwoSqL4VSlAHE1%2Fimage.png?alt=media\&token=fc81fbc7-a246-41cf-9a10-f837cb9d022d)

**净增用户 = (当期新增用户数 + 当期回流用户数) - 当期活跃但在下周期不活跃用户数**

### 拆解不同维度，分析活跃用户中的不同构成

例如，选择回流用户，选择用访问来源拆分，可以知道不活跃用户再次活跃的用户来源。

![以上为测试示例数据](https://2804479340-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-LGNxeGABUADKiTWTaEM%2F-LeFqloPMUTBF0qe_llO%2F-LeGFxi_JwfdalYxhtbR%2Fimage.png?alt=media\&token=7c561f47-2780-483a-ac14-af65146c7abf)