产品，尤其是数据产品，离不开对用户活跃度的分析，但一个简单的数字背后隐藏着怎样的真相？我们应该如何拆解这个数字呢？
1.如何定义用户活跃度
一般来说，活跃用户就是来到你的产品“走”的用户。
每日用户活跃度=每日“行走”用户数/产品总用户数
例如：今天来过这里的用户数为200，则该用户的总用户数产品为 1000，则每日用户活跃度为 20%。以此为基础，还可以算出月活跃用户和季度活跃用户……
二、活跃用户越高越好？
不一定！
为什么这么说呢？
因为即使是“走路”也会有各种风格，就像逛商场一样，来逛的用户可能因为夏天太热进来吹冷气，否则他们可能会花很多钱金主父亲。
这时候你跟我说，商城有几万活跃用户，但都是进来吹空调的阿姨阿姨……（想象一下我的表情)
那么活跃度的背后，可能隐藏着很多很多的秘密……
三、如何理解活跃度
从哪里弄来的这群用户来自哪里？访问发生在什么时候？他们来了之后做了什么？
通过逐步提炼以上维度，可以挖掘出更多值得研究的东西：这些人群的复购率如何？平均订单价格是多少？什么是累计GMV？访问和购买之间需要多长时间...
在分析用户活动时，我通常使用二维表进行拆解分析。
下面是案例分析↓
这是一个商城的用户数据表。横轴表示用户访问的时间。可以看到2016年12月访问的用户数为23934，2017年1月为8999。
纵轴表示用户再次访问的时间。比如2016年1月访问过的23934个用户中，2017年1月再次访问的有12783个，同年2月有9872个，3月有9872个，就是8762....
所以我们得到这些用户的月活跃度：
通过这个二维表，我们清楚地了解了隐藏在总活跃度下的时间维度的用户行为，当然如果觉得不够详细，我们可以将其细分为每周或每个用户的活动。
同样，我们也可以从事件入手，了解用户的活跃度。先给大家看个案例：
当然你也可以把维度改成GMV，客单价，平均访问次数，购买次数，平均访问时长等等。这个这样您将对活动有更深入的了解。
四、activity对我们有什么用？
通过以上方法，我们分析了用户的活跃度，我们已经了解了一般的用户行为。接下来就是如何通过这些活动数据来解决问题。
例如：某产品在双十一期间访问量增加，但随后几个月访问量持续下降。
我们先分析一下这些用户进入的渠道：（前提是埋点，不知道埋点的同学可以百度一下）
可以看到“接下来几个月通过“儿童优惠券”进来的新用户的活跃度明显低于其他渠道的新用户。
原来很少双十一后儿童产品上架，所以这个频道的用户活跃度很低，用户逐渐流失。
既然知道了原因，解决问题的方法有很多~有上架的儿童产品很多，还可以发短信“激活”用户。
什么是活跃用户的标准介绍到此结束（分析4个方面用户活动）。
文章来源于网络或者作者投稿，若有侵权请联系删除，作者：三川，如若转载，请注明出处：https://www.laoz.net/23463.html
