活跃用户分析

对活跃用户提供用户”活跃“变化的洞察

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

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

查看活跃用户的构成和趋势,以及变为不活跃的变化

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

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