本文将介绍一种基于Excel的简单模型，帮助读者通过分析历史数据和趋势来预测未来的DAU。这种预测方法不仅能提供业务决策的数据支持，还能增强对市场动态的理解和应对能力。

在规划月度、季度和年度的关键性指标时，我们常常会面临一系列疑问。

例如「DAU」能做到多少？新增、活跃用户留存能做到多少？以及「ARPU」的稳定性等问题。

那很多同学在遇到这些未来不确定性的问题就懵了。

似乎对这些关键性指标无从下手。

这期内容开始之前呢，我想先问大家几个问题：

• “假设每月新增100万用户，一 年后 你能把DAU的量级做到多少？”
• “给你1千万的资金，产品规模能拓展到何种程度？”
• “要维持每日100万DAU的目标，每天至少需要多少新增用户？”
• “如果当前的新增用户数量保持不变，留存率需要提升多少才能达到这一目标？”

Ok，不过我要说的是，其实答案并不重要。

这些问题都涉及到预测产品的未来，依据目前水平，预估未来产品趋势，且涉及的数据指标受多种因素影响，例如市场规模、产品特性、营销策略、用户生命周期、竞品、技术限制等非常多的不确定性因素。

所以并没有标准答案。

其实大家在遇到这些问题的时候，可以换个思路去思考这些问题。

这几个问题实际上是在问：

我能做到多少？「寻求确定的目标」

获客的节奏怎么安排？「确定做事的方法」

我还有多少时间？「确定时间成本」

事实上归根结底还是对这件事没信心，没把握，甚至无从下手。

为了更好地应对这些挑战，这期内容跟大家分享一个预测DAU的模型，简单实用，基于Excel工具，通过数据分析和趋势就可以预测。

关于时间成本，作为创业者，如果你不愿意浪费几年的生命创造一个没有人想用的东西，你必须决定接下来几年的生命献给谁。

名词解释：

「DAU，日活用户」

「ARPU，每位用户平均收入」

那怎么来预测未来的DAU呢？

回答这个问题之前，我们先要了解DAU的构成。

拿6月3日的DAU举例

6月3日DAU=6月3日当天新增用户+6月2日留存用户+6月1日留存用户+6月2日留存用户+5月31日留存用户+ … +n月n日留存用户

留存率体现的一款产品留住用户的能力，是一个产品最核心的指标。

了解了DAU的构成，就可以来做未来DAU的预估了。

准备一组数据样本，一般取1日留存，2日留存，3日留存，4日留存，5日留存，6日留存，7日留存，14日留存，30日留存，理论上留存数据样本越完整，数据误差越低。

* 数据样本均为随机数，跟实际业务无关。

根据数据样本，绘制散点图，使用散点图设置趋势线时，可以用指数、线性、对数、幂函数等进行曲线拟合，一般使用幂函数的比较多，确认函数的类型后，通过EXCEL得到公式，代入须预估的天数计算留存率，然后勾选显示公式，显示R²，获取计算公式。

R²越接近于1代表曲线拟合效果较好，最终趋势图如下

模型中使用的留存数据：有实际值时使用实际值，没有实际值时使用预估值。

预估未来在一定新增的情况下，预测DAU

克罗尔在《精益数据分析》中强调过，日活跃是个虚荣的指标，因为日活跃中包含了新增和留存，这是个迷惑人的杂糅指标，需要建立同期群的用户分析，最好不要把DAU当做公司级战略指标。