用户活跃不是“签到抽奖”的表面热闹，而是业务增长的底层支撑。这篇文章从“活跃的本质”出发，系统拆解活跃分析的五步法：定标准、找规律、查异常、追原因、定计划，不仅提供了实操路径，更重塑了数据分析师的业务视角。

上一篇【用户流失分析，这是我见过最好的模板】以后，有同学强烈呼吁写用户活跃。因为用户相关的话题很多，为了便于大家阅读，这里把各种话题做一个归类如下图，这样看着清楚一些。今天我们来系统的分享一下：用户活跃这个话题。

一、用户活跃分析核心问题

陈老师常讲：做数据的懂业务会导致问题。可在用户活跃分析中，往往是业务盲目拉活跃导致问题。登录7天签到送福利、登录就抽奖最高888、种树20天送一袋猕猴桃……结果按下葫芦浮起瓢。活跃率做高了，转化率跌了，费用烧干了，到头来更纠结……

想破局，就得想清楚：到底活跃对我们意味着什么？除了微信/抖音这种超级应用，真的有另一个应用是用户无可替代每天一看的？（如下图所示）

从本质上看，互联网应用讲用户活跃，就像传统企业讲顾客到店一样：

• 活跃是一切的基础，必须关注
• 不能空活跃不转化，得联起来看
• 影响因素太多，必须抓大放小，聚焦行动

在讲用户流失分析的时候，我们说过：流失分析的目的不是消灭流失率，而是把流失控制在可控范围内。在用户活跃分析的时候，道理类似：做活跃分析，不是为了逼用户天天来戳一下，而是为付费、转介绍提供稳定的支持（把这句话背下来）。

二、用户活跃分析基本思路

1、定标准：目前业务需要什么样新增、活跃、付费结构

2、找规律：常规的活跃走势，该是什么样

3、查异常：区分常规变化、异常变化

4、追原因：对异常变化进行追踪，分析

5、定计划：根据问题轻重缓急，制定应对

最重要的当然是定标准。作为业务方，心理要有判断：我需要多少活跃用户，需要多少活跃率。并且不能割裂看一个指标，要关注AARRR的整体形态。

1、定标准的常用办法

定标准主要参考三点：

1. 业务特征：不同业务需要的活跃用户数活跃率不一样。
2. 发展阶段：新上线更倾向于聚集人（做大DAU），到一定程度才做付费转化。
3. 竞争策略：策略不同，意味着对活跃、付费的要求不同。

比如最基础的三大策略（如下图所示）：

请注意，竞争策略才是定标准的核心。比如传统观点认为金融服务是低频业务，可做金融APP时，完全可以把财经新闻、理财教育、本地吃喝攻略、电影信息这些和消费有关的东西做进去，把一个低频应用做成高频应用。

因此，一般同类业务特征和发展阶段只是参考。

更重要的，是业务内心的声音：“我们要做成一款XXX的应用，相比之市场上的产品，我的目标是XXX”。

2、找规律的常用办法

规律包含三类：

1. 政策规律。政策发布以后，产生的巨大反响。
2. 自然规律。全年1-12月，本身就包含了很多影响活跃的因素（如下图所示）
3. 运营规律。常见的运营事故（商品缺货、系统宕机、宣传误导……）运营措施（抽奖、签到、互动游戏）都能引发活跃数据变化。

这些具体的政策、事件、运营动作，才是指标变化的本质原因。因此在分析之前，应该先大量收集内外部事件，拿着事件思考问题。这样做，可以节省大量分析时间，而不是做了一堆分析，还被吐槽为：“我早知道了”“它就是这样的呀”。

3、查异常的常用办法

遭遇异常，要关注：

• 幅度：单日波动是否足够大
• 持续性：是否有持续增大、持续回落的走势
• 规律性：是否是有规律的、计划内的波动
• 关联性：关联的注册、付费指标是否同样波动

注意，不是所有的波动都值得追击，大幅度、持续性、非规律、波及其他指标的优先处理。偶尔地波动一下很正常，但是要记录发生时间，观察走势，当问题出现恶化时容易溯源。这样做，不用让数据分析师陷入无休无止的纠结里，更容易找到真正的异常问题。

4、追原因的常用办法

确认是异常波动，常见的形态有三种：

1. 事件型：一次性的，大幅度下跌
2. 持续型：从某一节点开始，持续下跌
3. 系统型：自身波动小，但始终比竞品差

先判断是哪一型的问题再追原因。追原因的难度是：事件型》系统型》持续型。一次发生的事件最容易查到源头。系统型差异，可以通过竞品分析得到答案。持续性问题反而最纠结，有可能过着过着自己没了，有可能是一次重大事件的余波，也有可能是深层次的问题。

需要注意，我们常说DAU=DNU+DOU（日活跃用户=每日新用户+每日活跃老用户，一般新注册用户都直接计入活跃），往往系统型问题会影响DNU，在用户注册后T+1，T+2…T+N的时间内没有做好引导，导致用户不活跃甚至流失。

DOU往往与事件有关，比如季节性促销，沉默用户唤醒，新品上市等等。因此在追踪原因时，可以分头观察。对新人关注注册到首次付费流程，对老人打标签，关注老人对活动的响应（如下图所示）

5、定计划的常用办法

定计划是一个业务动作，不在本篇的讨论范畴。

定计划主要看运营的业务能力，作为数据分析，可以提供的支持是：提供用户分群分析，找到活跃下降源头分析不同运营举措效果，挑选好的举措支持ABtest，验证促活效果，推广好经验。