如何通过拆解日活，找到产品运营增长抓手？

一、日活的构成

新增和活跃用户是大家常见的一种区分日活用户的方式，主要是衡量新增用户和整体日活的数据表现。因为活跃用户里面包含新增用户，所以在日活出现波动时还会为哪部分用户群体出现问题而头疼。

如上流失回流用户的每部分的次日留存率和老客留存相辅相成，影响周人天、月人天等活跃频次，内容运营侧要密切关注数据变化趋势，策略紧跟其上。观察每一次的策略变动用户的活跃留存数据是否变好，还是只是注入了一针强心剂临时起效。

另外用户的回流方式也反映了用户回来的真实意图，是真有需求自主打开了，还是通过个性化Push亦或自动化Push手段回流回来，或者还有其它三方合作外部唤起的，都需要我们区别对待。

日活拆解第三级

第三层回到了产品提供给用户的最核心的用户行为上，日活其实是一个虚荣指标，核心价值相关的指标才是真正能够反馈用户活跃度的，核心行为变好了，日活的增长自然不用愁。重点提高使用核心行为的用户占比，提高核心行为用户参与度，密切关注核心功能高、中、低频用户以及无核心行为用户的变化趋势。

这里注意一点，我们可以将某一个核心功能按照用户的使用频次分为高、中、低、无，这样我们能更好的量化用户核心功能使用的变化，因为一个产品可能不止一个核心功能，用户使用也不可能只用一个核心功能，会出现交叉，交叉后就不能单纯的从数据上将影响波动的具体数值量化出来，所以需要按照用户使用核心行为的频次做出拆分。

综上，日活提升需要在增加新用户、新用户留存提升、老用户促活和流失用户召回四个方面同时发力才能促增长。

二、日活波动异常原因定位

确认数据准确性后，拉长时间范围观察日活波动变化趋势，观察数据是否真的存在异常情况，排除日常周期性波动。脱离日常周期性波动趋势出现陡降或陡升或有持续下降的趋势（这里可以结合异常告警策略同步实施），这些节点都需要密切关注排查具体原因。

此时需要一个量化指标来量化某种因素对日活波动的影响程度，可通过影响系数这个指标进行计算：

影响系数 =（今日量-昨日量）/（今日总量-昨日总量）

结果越大代表该因素对日活波动的影响越大，需要首先关注并优化。

流失回流量持续减少，且在5月17日有一个大幅的降幅，继续往下看~

沉默、活跃、流失用户群体都在下降，但是沉默用户的下降幅度最大，沉默回流用户中是自主打开App的用户量减少了，还是Push、外部唤起呢？不同的回流方式揭示了不同的问题，就像剥洋葱一样，层层剥下去就好了…

三、从长期日活波动趋势中看机会

将上述各层日活波动的数据拉长时间范围去观察趋势变化，看产品是往好的方向还是坏的方向发展了~

限于篇幅的限制，这里就不过多赘述了，后续可能会把点打细，各位敬请期待吧~

作者：北极星，神策数据分析师，知乎专栏：数据分析方法与实践，致力于通过数据分析实现产品优化和精细化运营。

本文作者 @北极星

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！