数据分析体系 — 用户粘性的两个计算指标(DAU/MAU和月人均活跃天数)

很多运营都了解DAU(日活跃用户数)和MAU(月活跃用户数)的重要性,但在某些情况下这两个数值本身并不能反映出太多问题,这个时候就要引用到【DAU/MAU】的概念,即【日活/月活】

用户粘性的两个计算指标:

1、DAU/MAU   (用户粘性通常用DAU/MAU的公式来计算,还有一个公式是每月用户平均活跃天数月平均活跃天数,”二者作用一致“

2、月平均活跃数 (这里其实还想看一个指标,那就是一周内使用1天、2天、3天、3天以上的人数,对比周使用人数去看,相当于周平均活跃人数。)【本文暂没有做过多解释】

 

 

 

对DAU/MAU做公式解释】 

DAU,即:Daily Active User日活跃用户数,MAU,即:Monthly Active User月活跃用户数。

 

DAU/MAU比值越趋近于1表明用户活跃度越高,在比值低于0.2时,应用的传播性和互动性将会很弱。对于常见的App,用户粘性的取值范围就是3%~100%,不同领域的App也会有不同的基准值,例如移动游戏会以20%为基线,而工具类App会以40%为基线。

例子1: 从极限的角度看,如果每天活跃都是同样的用户,例如每天都是1万DAU,那么30天内每天都是这1万用户在活跃,MAU也是1万,于是DAU/MAU就是100%,用户粘性达到上限,微信就是接近100%的例子

例子2: 另一个极端的例子,如果每天活跃用户都不相同,例如每天1万DAU,那么30天内每天的活跃用户都不同,MAU就是30万,于是DAU/MAU就是1/30,用户完全没有粘性。

在日常的项目和产品运营工作中, 单日的DAU/MAU的数值往往受到周期(工作日/周末)、版本更新和活动的影响,用户粘性在短期内的波动较大。所以通常要采用长期的均值作参考,例如一个月、两个大版本之间。eg:以某客户App为例,DAU/MAU的数值在工作日约50%,而在周末和假期的数值则在20%左右。那么谈到用户粘性的时候,通常采用每天DAU/MAU的平均值39.37%。

 

【解读DAU/MAU变化】

1)(DAU/MAU)↑,DAU↑

原因:产品的运营活动或较大变动唤醒了部分沉睡用户,新增用户较少

运营方向:加大产品推广,拉新

2)(DAU/MAU)↑,MAU↓

原因:非忠实用户的流失变多,产品没有满足这部分用户的需求

运营方向:确保核心功能的同时进行多元化的功能延伸,满足非忠诚用户的需求

3)(DAU/MAU)↓,DAU↓

原因:产品的核心功能出现问题,可能存在竞品等外界干扰

运营方向:需要进一步打磨产品,提升用户体验

4)(DAU/MAU)↓,MAU↑

原因:产品的运营活动或推广宣传带来了一批新的用户,但其活跃度缺乏持续性,用户流失较大

运营方向:需要增加用户粘性,给予用户持续性的多变的激励,以减少流失 

 

DAU/MAU算法做进一步探讨】: 

目前主流的算法,是使用昨日DAU和前30天的MAU,例如如果今天是8月31日,那么DAU选取8月30日,MAU选取8月1日至30日。

这种算法的优势是DAU和MAU在同一天算出来,计算方便。

而劣势则是只计算了完整的30天周期内最后一天DAU在MAU中的占比,许多严谨的客户提出为什么不能选其他日期的DAU呢? 

例如采用完整周期内的第一天DAU1作为分子除以MAU,就可以得到另一种粘性的解读:

任意一天的活跃用户在30天内活跃的比重,都可以是一种对用户粘性定义,即DAU1/MAU、DAU2/MAU、DAU3/MAU…。

重新计算上面客户的DAU1/MAU粘性,结果为39.41%,数值与传统的定义差距不大,同样的计算DAU2/MAU、DAU2/MAU……后,这些数值结果差距不大。

再进一步追踪,一个30天周期内的每个DAUn除以MAU的数值,也呈现明显的波动。此处的波动走势,与30个DAU的走势一致(仅仅是除以了相同的数值的差异)。

 

将上述的DAU1/MAU到DAU30/MAU逐一加和,得到的恰巧是另一个常用指标:当月人均活跃天数,这也是评估用户粘性的一个指标。 

那么人均活跃天数和DAU/MAU之间有多大关联?   

既然当月人均活跃天数是30个DAU之和除以1个MAU,

而用户粘性是1个DAU除以MAU,

两者在数量级上自然会差30倍左右。 

对比除以30后的月均活跃天数和用户粘性DAU/MAU,发现两者的走势基本一致。而差异点在于波动幅度和响应时间略有滞后。而从数值上看,30天月均活跃天数是11.93天,除以30后得到结果0.3977,与DAU/MAU的39.37%也非常接近。所以在工作中使用月均活跃天数和DAU/MAU的作用一致

参考:https://www.analysys.cn/article/detail/1001402    ”易观分析公司“ 

posted @ 2020-10-29 12:01  马踏飞燕Beautiful  阅读(9998)  评论(1编辑  收藏  举报