5张数据分析表（二）：活跃用户数据分析的4项衡量标准

一、你对活跃用户的定义是什么？

前几天在一个3-5年运营人的群里，突然聊到了活跃用户统计的问题，突然发现很多人对于什么是活跃用户的概念还很模糊，大多数运营数据分析平台上都直接给出了一个活跃用户的数字，那么什么是活跃用户呢？这里我们继续通过虚荣指标和可执行指标这2个指标的差异来区分下对活跃用户的认知。

虚荣指标：阶段时间内凡有访问行为的用户都可以记为活跃用户；

可执行指标：阶段时间内用户产生了代表对产品认可程度的高频行为才算活跃用户，如每日多次访问、收藏、留言、点赞、付费等相关行为代表用户对产品的认可程度。

虚荣指标的定义方式只能看到一个表面繁荣的数字，数字背后并不代表任何用户特征，而通过可执行指标对用户进行筛选，对高访问次数、高访问时长、高留言次数、高购买次数等不同特征的用户进行统计，一方面提升非活跃用户的相关行为，另一方面活跃用户是做裂变活动时的目标种子用户。

概括来说，增长黑客在衡量“活跃度”时，会通过访问次数、访问时长、收藏指数和相关影响因素几个维度来判断用户的活跃情况，并按连续活跃天数和阶段内任意活跃天数2个时间维度对用户活跃度进行整体分析。

基于此，诸葛io做了这张活跃用户统计表格，通过诸葛io数据驱动教练公众号回复002即可获得EXCEL版本的统计表格。

二、这张活跃用户统计表格要怎么用？

这张表格横向分为3个活跃度评价因素，分别是访问次数、访问时长、收藏指数，同时对活跃度的影响因素单独计算，这个表格里列出了领红包、打卡、等级、来源渠道4种影响因素，可以根据用户行为特征具体计算。

1.通过日访问次数评估用户活跃度

访问次数代表用户每日使用产品的频次，我们需要对所有访问次数大于1次的用户做平均访问次数的计算，或者设定一个固定值，例如连续7天每日用户平均访问次数为3-5次，那么4就可以做为固定值，或者运营者认为每日访问次数大于2次就可以计算为活跃用户，那么2就可以做为固定值。

基于访问次数的平均值或固定值（A），我们需要对每日大于1次，小于A*50%的用户，每日访问次数大于A*50%并小于A的用户，以及日访问次数大于A的用户进行统计。

统计的目的在于通过访问次数将用户分层，高于A值的用户是绝对的活跃用户，对于没有达到A指的用户可以通过运营活动重点提升日访问次数。

如何找出这部分用户呢？以诸葛io的用户筛选功能为例，假设A值为4，我们在所有用户中找出做过访问页面行为，且最近1天大于等于4次的用户，就是绝对活跃用户，也可以通过多级筛选找出页面访问行为大于2次，小于等于4次的用户人数（如下图）。

其实，无论是访问次数A值还是下面说到的使用时长B值、收藏指数C值，在增长黑客的数据分析中，都代表着用户下一步关键行为指标，例如可以通过分析付费用户的日访问特征、使用时长，或者下单前浏览过几个页面，来确定这个关键行为指标，并以此做为目标。

当然，这是比较复杂的计算方法，刚接触数据分析的同学可以按照求平均值或设定固定值的方式来确定A值。

2.通过日访问时长评估用户活跃度

与通过访问次数计算用户活跃度的方式相同，找出用户使用时长的衡量值B，通过B对用户进行筛选分组。

3.通过“收藏指数”评估用户活跃度

所谓收藏指数是指真正体现产品价值的用户使用行为，与产品的北极星指标相关。一般来说，用户产生收藏行为代表着对产品内容的认可，如某篇文章，某件商品，所以诸葛io将其定义为“收藏指数”。

在实际统计中，“收藏指数”需要根据产品所在行业进行针对性定义，例如社区类产品要统计有过发帖、回帖行为的用户，资讯类产品要统计日浏览文章大于5篇（举例）的用户，电商类产品要统计日浏览商品大于5件（举例）的用户。

同样，通过对“收藏指数”的定义，计算出相关用户行为的衡量标准，我们称其为C值，在衡量维度上，C值为活跃用户必须满足的条件，继而可以筛选出高出C值50%、100%甚至更多的用户数量。

以诸葛io用户行为分析产品为例，我们将“加入购物车”这个行为定义为收藏指数，C值定义为3次，那么通过筛选最近1天内加入购物车大于3次的用户，就可以找出活跃用户。

4.找出用户活跃度的影响因素

通过活动、打卡等运营行为，会对用户的活跃度有所影响，在影响因素这项分析上，需要统计不同特征用户的活跃度人数，例如领取红包后1-3天的活跃用户变化情况，与非领取红包用户的活跃度进行对比，再比如连续打卡3天、5天的用户在活跃度上的变现差异。

以上是4项用户活跃度的衡量方式，在统计时，首先需要筛选出满足条件的用户数量，然后计算满足条件用户在整体用户中的占比。

除衡量活跃用户外，还需要统计1日、3日、7日、30日活跃用户数据，在按日期的分析上，诸葛io建议通过2种日期统计方式：

一种是连续1日、2日、3日……30日活跃用户占比，连续活跃用户有发展为种子用户的潜力，需要重点维护；

另一种是阶段时间内任意天数的活跃情况，例如7日活跃用户中任意1天、2天、3天活跃的用户占比，用于区分同样阶段时间内的不同活跃度指标。

总结：增长黑客和精细化运营的概念在国内备受推崇，而活跃用户是增长裂变的基础，活跃用户分析的目的在于通过活跃度指标发现优质用户，并对优质用户建立相关用户群组，进行重点维护。

以收藏指数为例，加入购物车商品的数量越多，用户购买转化的可能性就越大，筛选出加入购物车1件、3件、5件等不同数量的用户，针对不同用户设计营销活动，例如加入购物车5件以上商品，在常见的抽奖活动中就可以设计“购物车商品免单”的活动主题，但购物车商品面单对于加入购物车1件商品的用户吸引力并不大。

活跃用户统计一方面是查看用户对产品使用的反馈，评估产品的用户健康度，另一方面通过活跃用户统计实现用户分组的精细化运营，为相关运营策略提供参考依据。