在當今數(shù)字化時代，提升APP的日活躍用戶數(shù)（DAU）是眾多互聯(lián)網(wǎng)企業(yè)和產(chǎn)品經(jīng)理的核心目標之一。本文將深入探討如何結(jié)構(gòu)化地拆解和分析DAU，從明確問題的口徑、拆解問題的本質(zhì)，到找到解決問題的主要條件，再到具體的行動方案。

提出問題：就提升某款APP的DAU（日活數(shù)）這個問題，我們可以怎樣來拆解分析呢？

一、明確問題：一級指標 DAU

1.1 對齊DAU的口徑：

（口徑不對齊，后續(xù)各方人員理解會存在較大偏差）

假設是每自然日內(nèi)啟動APP的用戶數(shù)，含游客；

1.2 拆解DAU：

提升DAU的本質(zhì)是什么？

本質(zhì)是“增”用戶規(guī)模（數(shù)量），“長”用戶質(zhì)量（價值），即增長；

這個本質(zhì)對不對呢？

我們說，一個真正的本質(zhì)，除了能解釋“歷史和現(xiàn)狀“以外，也必須能夠未來（即行動），否則就是偽本質(zhì)，聽起來都對，用起來…用不起來。

比如，文學的，主觀的，唯心的東西，一般不能指導行動?；蛟S只能知道不該做什么，但大概率不能知道該做什么，更不能知道該怎么做。而數(shù)學的，客觀的，唯物的東西，是能讓你知道該做什么，以及應該怎么做的。

比如大模型，它理解不了文學的（連續(xù)性的東西）東西，需要將連續(xù)性的轉(zhuǎn)化為離散的數(shù)據(jù)（數(shù)組向量），它才能理解，才能進一步分析，然后給出答案。

比如，戰(zhàn)爭的本質(zhì)是什么？你說是為了不戰(zhàn)爭，是利益的爭奪……聽起來好像沒毛病，但它怎么指導行動？而如果說戰(zhàn)爭的本質(zhì)是“保存自己，消耗敵人”，這個是可以指導你的每一場戰(zhàn)役和戰(zhàn)斗的策略制定的，也就是說每一場戰(zhàn)役或戰(zhàn)斗都必須圍繞“保存自己，消耗敵人”來展開，它將決定著每場戰(zhàn)役或戰(zhàn)斗是防御，還是進攻，是游擊戰(zhàn)，還是運動戰(zhàn)，是外線作戰(zhàn)還是內(nèi)線作戰(zhàn)等等。

我們再回到DAU的本質(zhì)來看，“增”用戶規(guī)模（數(shù)量），“長”用戶質(zhì)量（價值），這個本質(zhì)能否指導我們的每一次行動呢？

是可以的。

首先，用戶規(guī)?；蛴脩糍|(zhì)量，都是客觀的，甚至是可量化的；其次，每一個方案的提出，都將圍繞方案本身是否能服務于“用戶數(shù)的提升，或用戶質(zhì)量的提升“來展開的。比如說只是一個很小的功能體驗上的優(yōu)化，短期來看，它也是服務于“用戶質(zhì)量”的，用戶體驗的提升，會帶來用戶信任的提升，從而用戶粘性也會提升，長期來看，用戶數(shù)量也自然會提升。

當然，這里不能片面的，短期的，極端的看問題，這是一個全局的，長期的，統(tǒng)計性的問題，本質(zhì)又是一個概率或數(shù)學期望問題。所以，要不要做這個很小的功能體驗上的優(yōu)化這個事，首先需要判斷它是否歸屬于“增用戶規(guī)模，或長用戶質(zhì)量”，如果是，則在進一步做綜合分析，比如大致估下這個事的ROI。如果不是，那也不用再繼續(xù)分析了。比如在某些場景插一些廣告這個需求，要不要做？

一般來講，廣告是反人類的，如果基于你的業(yè)務目標DAU來講，它是不服務于DAU的用戶規(guī)?；蛸|(zhì)量的，所以不做。當然如果從更高級以及的業(yè)務目標來看，它可能又變成需要做的了，但此時問題已經(jīng)發(fā)生了變化（已經(jīng)不是剛才那個DAU問題了）。

1.3 找到解決問題的主要條件

基于問題的本質(zhì)，我們得出解決問題的2個主要條件：

1. 用戶規(guī)模最大化；
2. 用戶價值最大化；

1.3.1、用戶規(guī)模最大化（DAU）：從賺1個用戶的錢，到賺100個用戶的錢

DAU=DNU*LT + RDAU

其中，RDAU可進一步拆分為：留存+回流這兩種用戶群體。

所以二級指標為：DNU（新增用戶規(guī)模=自然新增+付費新增）、LT（新用戶留存，比如次留到30留）、RDAU（留存用戶規(guī)模）、流失回流用戶規(guī)模、流失回流用戶留存。

（本文主要對這部分進行展開分析）

1.3.2、用戶價值最大化（ROI）：利潤保證可持續(xù)

ROI=LT*ARPU / CPA

備注：LT：用戶生命周期；ARPU：每用戶日均收入；CPA：每用戶激活成本；RDAU：留存用戶DAU；DNU：每日新增用戶。

（本文對這部分不做展開分析，若感興趣，可參考之前的一篇文章的最后一部分對用戶價值有一些分析：http://www.theventurebank.com/share/6099923.html）

二、做什么：結(jié)合業(yè)務現(xiàn)狀，先做什么，后做什么

（某唱歌類）產(chǎn)品理解：唱歌工具+社交屬性 （內(nèi)容+用戶+平臺:三者之間的關系）

唱歌：供給側(cè)的歌曲庫+消費測的用戶+提供匹配效率的平臺

社交：用戶基于音樂建立社交關系（篇幅原因，本文暫不對這塊進行分析）

所以，增長從底層向上依次可以是：

1、供給保障：

• 內(nèi)容供給：內(nèi)容供給–歌曲庫；
• 歌曲需要版權，尤其是優(yōu)質(zhì)歌曲本身屬于稀缺資源，業(yè)務的增長，需要保障稀缺資源的供給，才能覆蓋住足夠規(guī)模的用戶需求。
• 流量供給：渠道精準拉新+精準承接 （買量&非買量）；

2、供需匹配（也是用戶路徑的起點）：合適的內(nèi)容或用戶推給合適的用戶；

供需匹配的本質(zhì)：讓用戶路徑更高效。

• 讓用戶更高效的完成點唱；
• 讓用戶更高效的建立社交關系，完成社交成對；

3、用戶路徑：以提升DAU（留存）為目的，滿足平臺大部分用戶的路徑。路徑核心要解決的問題是讓用戶觸發(fā)”關鍵行為“，”關鍵行為“是以提升留存（目標）為目的而確定的。

4、用戶分層：不同用戶群體可能有不同的關鍵行為，不同關鍵行為產(chǎn)生不同用戶路徑。

5、運營手段（激勵體系，成長體系，會員體系，運營活動等等）：運營手段本身沒有用戶價值，但是具有產(chǎn)品價值。

以上，結(jié)合實際業(yè)務現(xiàn)狀，根據(jù)當前業(yè)務所處的外部環(huán)境，內(nèi)部環(huán)境，綜合分析：分析當前業(yè)務面臨的根本矛盾，外部矛盾（比如業(yè)務所處的市場環(huán)境，競爭對手，新技術比如AI等等），內(nèi)部矛盾（比如相關人力資源情況，長期目標與短期目標，本業(yè)務的目標與其他業(yè)務的目標，局部目標與全局目標，穩(wěn)定與創(chuàng)新等等）分別是什么，以此評估先做什么，后做什么。

三、怎么做

我們以供給保障流量供給中的對新用戶的精準承接為例進行說明。

3.1、新用戶

3.1.1、新用戶期定義

注意區(qū)別新用戶期口徑和新增用戶口徑。

定義新用戶期的目的：提升新用戶留存，需要有一個“過程”，在這個“過程”中，持續(xù)“作用”。

新用戶期口徑：新增用戶前7日定義為新用戶期；

3.1.2、新用戶承接

a、新用戶激活

（關于“激活”的底層邏輯，可以參考之前這篇文章：http://www.theventurebank.com/operate/5778696.html）

2.1.1激活行為：（尋找激活行為的邏輯：首日是否觸發(fā)關鍵行為的1-30日留存差值，和對應關鍵行為的用戶滲透綜合對比）

備選激活行為：進入點唱頁，點唱，點唱完成，發(fā)布點唱，搜索，KTV（語音房），直播

由于KTV和直播不在新用戶首日落地頁，所以先不統(tǒng)計。

結(jié)論：是否發(fā)布點唱的用戶1-30日留存差值最大，但滲透太低（下文“d”小節(jié)有分析）。結(jié)合數(shù)據(jù)+產(chǎn)品定位+經(jīng)驗，激活行為為【完成點唱】。

b、激活期

統(tǒng)計新增用戶首次完成激活行為的天數(shù)分布，看大部分用戶集中在第幾天。

結(jié)論：首日

c、激活數(shù)字

結(jié)論：完成1次【完成點唱】，即完成一次歌曲錄制。

邏輯：在激活行為【完成點唱】的基礎上，按點唱歌曲的錄制時長分布，按點唱歌曲數(shù)量分別統(tǒng)計對應的滲透和留存的關系，找“邊際效益”最大的點。

點唱完成的歌曲錄制時長的用戶數(shù)及其次留分布：

結(jié)論：沒有“邊際效益”最大的點。

點唱完成的歌曲數(shù)量對應的用戶數(shù)及其次留分布：

結(jié)論：沒有“邊際效益”最大的點。

需要說明的是：是否將激活行為“點唱完成率”作為當前的一個關鍵指標，還需要結(jié)合實際業(yè)務情況具體分析，比如若業(yè)務本身比較成熟，點唱完成率的提升空間已不大，則它就是一個重點的觀測指標。相反，若業(yè)務還相對不穩(wěn)定，點唱完成率有提升空間，則它可以作為當前階段的一個關鍵指標重點提升。

d、激活矩陣

（或按人群訴求建立激活行為）

自然新增用戶在首日完成了點唱的用戶（買量新增用戶沒有這個現(xiàn)象，或沒這么明顯），長留被“超”了？基于這個發(fā)現(xiàn)，找原因：

邏輯：首日未完成點唱的用戶來APP后，都干嘛了？

發(fā)現(xiàn)：未完成點唱的用戶，在新增的前12天（除首日外），相對于完成點唱的用戶來看，更多用戶去了直播和KTV，而點唱需求一直占比很低。說明這類用戶更多是沖著“KTV”而非“點唱”來的，為什么呢？

繼續(xù)分析原因：統(tǒng)計用戶在新增首日及后續(xù)一段時間內(nèi)，每天的搜索行為，是否這些用戶更多的在搜索房間。如果是，則說明這批用戶的確是沖著“KTV”來的，而不是沖著“點唱”來的。

結(jié)論：organic新增用戶中，確實有部分用戶對KTV的訴求要強于點唱。所以，”KTV“也可以被選作一種激活行為。

另外：也可以分析長期留下來的用戶，看這部分用戶為什么會留下來，可以看他們在其新用戶時期時“干了什么，怎么干的”，那么，后面再來的新用戶，我們就可以引導其走“長留用戶走過的路”。這里需要注意的是，分析這個問題時需要帶入時間窗口的概念，不能簡單的理解為大部分用戶都大概會使用哪些功能，怎么使用（物理路徑，比如從哪個頁面進入，點擊哪里等等），光知道這些沒用，一款成熟的產(chǎn)品，大概率大家也基本都知道這些。這里帶入時間窗口是指，用戶首次打開APP后，分別在多長時間內(nèi)分別有多少比例的用戶分別使用了哪些功能，可以是當次的，可以一段時間周期內(nèi)的分布情況（比如首日n%的用戶使用了A功能，他們在第x天，第y天等等有超過m%的用戶又干了什么等等總之就是在時間維度上找出用戶共性，即被分析的目標用戶在時間維度上的行為分布特征，實際分析時，根據(jù)具體情況決定要分析的多細致）

結(jié)論：KTV的滲透較高。說明KTV和用戶留存有強相關性，證明“KTV”可以被選作一種激活行為。

綜上，激活行為矩陣：【完成點唱】+【KTV】

那么，當新增用戶首日首次打開APP后，因為默認落地頁為“xxx”頁面，“xxx”頁面的作用是希望讓用戶完成點唱，所以，可以根據(jù)“xxx”頁面消失后，根據(jù)用戶是否完成點唱來判斷，接下來如何引導用戶下一步行為。

所以，繼續(xù)分析“xxx”頁面消失后，用戶進入唱歌頁面的行為：

買量新增用戶，首日：

買量新增用戶中，有a%會在“xxx”頁面完成點唱。b%在唱歌頁面完成點唱。（a大概是b的1.5倍）

自然新增用戶，首日：自然新增用戶中，有c%會在沉浸式頁面完成點唱。d%在唱歌頁面完成點唱。（c大概是d的2/3）

結(jié)論：新增首日，“xxx”頁面消失后，不論用戶是否已完成點唱，都還有部分用戶有繼續(xù)點唱的訴求（且占比不低），所以此時不適合直接切到KTV，還是保持回到唱歌頁面，但可以在唱歌頁面增加“KTV引導”。這里即找到了一個可能有增長空間的方向。下一步就是估算這個增長點的ROI（投入產(chǎn)出比），若可做，則完成方案-AB驗證。

e、理想的激活行為

完成點唱后，是否發(fā)布點唱歌曲對用戶留存的影響：

結(jié)論：是否發(fā)布歌曲，對留存影響非常大。

但是，從點唱完成，到完成發(fā)布，會卡住很多人（用戶數(shù)的絕對值太?。?，所以，”發(fā)布“這個行為，對用戶來講門檻太高，不適合做激活行為，但后續(xù)我們可以分析用戶完成點唱但不發(fā)布的原因，以此來提升點唱完成的效果，進而來提升發(fā)布率。

猜測，用戶是否發(fā)布可能和錄制時長有正相關性：數(shù)據(jù)表現(xiàn)也確實如此。（注意相關性和因果性的本質(zhì)區(qū)別，相關性需要經(jīng)過驗證后方有可能得出因果性）

那么這里我們可以提出一個假設：假設延長用戶的錄制時長，可以提升發(fā)布率（相關性到因果性的驗證）。

但需要找到用戶錄制時長不長的原因：

猜測可能原因：

1、用戶本身沒有找到想唱的歌

對比搜索的唱歌漏斗和推薦的唱歌漏斗：若搜索的唱歌漏斗表現(xiàn)明顯好于推薦的，則說明推薦的歌曲相對不是用戶想唱的。那么，除了用戶主動搜索外，如何知道用戶想唱什么歌呢？

2、用戶本身唱歌水平差

3、用戶當前所處環(huán)境不適合放聲唱歌（可以按時間段分段統(tǒng)計發(fā)布率，是否”休息“時段發(fā)布率更高，”工作時段“或”通勤“時段發(fā)布率低）

4、用戶在唱歌過程中哪個環(huán)節(jié)流失大。

……

以上，我們怎么做？

即產(chǎn)品方案：

根據(jù)以上結(jié)論，我們可以結(jié)合[正向]新用戶期（時間窗口）的用戶畫像和行為分布和[反向]長期留存用戶在其新用戶期（時間窗口）的用戶畫像和行為分布，設計產(chǎn)品方案。

基于上述分析結(jié)論，假設我們初版方案以驗證“KTV”是否為激活行為為主，那么方案的重點就是在用戶進入唱歌首頁時（在進入唱歌首頁前，完成點唱這個關鍵行為已由上述分析中的“xxx”頁面承接），怎么樣讓更多的用戶進入“KTV”。

比如，可以在頁面增加KTV的引導，或增加KTV功能模塊入口等。但這里，我們需要跳出前面的分析來看待問題，什么意思？上述的分析中，得出的結(jié)論是基于前置我們提供了哪些行為參與分析的（KTV是其中一個行為），而還有一些可能重要的行為由于埋點缺失等原因，或不重要的長尾行為（長尾行為單獨看不重要，但當成一個整體可能會比較重要）沒有參與分析。

所以，我們在設計唱歌頁面方案時，也可以基于經(jīng)驗將認為重要的一些功能模塊考慮進去，比如頁面以點唱為主，KTV為輔，然后在次基礎上在增加一些認為重要的功能模塊，以覆蓋更多的人群。

結(jié)論：方案上線后使整體新用戶次留提升了3PP+。

后續(xù)，還能做什么？

1、點唱完成后，提升歌曲發(fā)布率（理想激活行為）；

需要定位發(fā)布率低的原因，猜測是因為錄制時長短，為什么短？

2、激活行為前置：

比如其他用戶的點唱行為的視頻（視頻方式：播放 別人的點唱歌曲5-10s + 點唱操作路徑 + 收到他人點贊評論等），讓用戶提前感知到點唱的“用戶價值”，提前被部分激活。

3、結(jié)合AI，優(yōu)化點唱工具，提升點唱完成率等。

4、……

3.2 流失用戶

流失用戶口徑：連續(xù)n天或以上不訪問APP的用戶；

流失回流用戶：當日DAU中，滿足連續(xù)n天或以上沒訪問過APP的用戶；

通過回訪率來確定流失口徑（這里暫不展開說明，感興趣可自行查資料了解），如下：

（可按回訪率降到5%，或?qū)⒒卦L率作一階差分找“拐點“來確定上述的“n”）

流失回流用戶規(guī)模：占DAU的比例，m%左右

流失回流用戶質(zhì)量：留存明顯低于新增用戶的留存

結(jié)論：人群規(guī)模較大，質(zhì)量低，綜合來看，值得做。

至于怎么做，需進一步分析，這里暫不展開描述。

3.3 老用戶（留存用戶）

3.3.1 提留存（活躍）

提活躍的關鍵是解決用戶習慣問題：

如何培養(yǎng)用戶習慣：提供一個思路（更多思路，請參考我個人主業(yè)的另一篇文章：http://www.theventurebank.com/operate/5778427.html）

1、確定產(chǎn)品的理想使用頻次：比如每周使用n次；

2、根據(jù)n，找到產(chǎn)品的習慣用戶，即滿足了理想使用頻次的用戶；

3、分析這些習慣用戶的共性（屬性+行為），找到“習慣行為”和對應的“習慣路徑”；

4、設計/優(yōu)化這些路徑，目的是讓更多用戶走上這些路徑，或設計新的路徑場景；

3.3.2 防流失（流失風險用戶）

防流失主要有兩種方式：

1、流失預警機制：通過在產(chǎn)品的關鍵流失節(jié)點處埋策略實現(xiàn)

2、流失預警模型：通過算法建模+挽留策略實現(xiàn)

這里以流失預警模型進行展開。

說明：拉活和防流失的區(qū)別 （二者都是為提留存服務的）

二者有很強的相似性，直覺上會認為二者是一樣的，甚至一個策略本身就有防流失和拉活的雙重作用，但在用戶屬性和邏輯理解上，二者存在差異：

• 用戶特征角度：防流失針對的是活躍有下降趨勢的用戶；拉活一般主要是針對原本就是低活躍的用戶（這里的“低”是個相對概念，看產(chǎn)品怎么定義）。//這里的活躍不僅僅是指活動頻次活躍時長，也包括產(chǎn)品定義的關鍵行為（你想讓用戶去完成的行為）
• 產(chǎn)品策略角度：防流失重在減少負體驗，增加流失原因的彌補，更像疫苗（長期）；拉活更多是提供更多策略手段，更像營養(yǎng)品（短期）。

模型的搭建（僅對搭建思路做描述，具體各相關名詞的含義這里不做解釋）

流失預警的目的：通過一套體系化、機制化的方式，對具有流失風險的用戶進行預判和干預及召回；

流失期的定義：連續(xù)30天及以上沒有打開過APP的用戶定義為流失用戶；（30天怎么確定的可參考上述流失回訪率）

用戶流失預警的時間窗口主要包含：「特征選擇期」、「空檔期」、「預測期」，通俗來講就是根據(jù)「用戶過去多久的行為」來預測「用戶未來多久流失的概率」。如下圖：

上圖解釋清楚比較復雜，這里大白話描述下：

• Input特征集：給模型輸入大量的用戶標簽
• 上圖方框里可簡單理解為有一個很復雜的函數(shù)（或者數(shù)學公式），它可以將特征集處理為流失概率-即Output

用極限思維簡化理解，假設這里只有一個用戶標簽，那么公式可看作：y=ax+b（人腦的神經(jīng)元之間的信息傳遞的底層邏輯也是按這個函數(shù)來的，模仿人腦的神經(jīng)網(wǎng)絡自然也是），其中x為輸入的特征集，y為輸出的概率；有些x的輸入對y值沒有影響，這樣的x需要舍棄。要想提升模型預測準確率，方法之一就是不斷找新的標簽進行輸入，看對y值的影響（這一過程，可理解為調(diào)參）

基于輸出的流失概率，結(jié)合用戶特征，可歸納出流失原因（可理解為流失原因被量化了，這里以某閱讀類APP為例，為避免泄密，下圖對業(yè)務做了簡化和適當修改）

流失原因是怎么得到的？

主要通過兩個算法，Shap和Woe；

1. Shap：計算每個流失風險用戶的流失特征占比；
2. Woe：將上述流失特征歸因為可理解的流失原因；

對Shap和Woe算法的解釋：（以下數(shù)據(jù)均為虛構(gòu)）

第一步：Shap尋找每個用戶流失的特征因素：

假設導致3個用戶流失的重要特征如下（拿3個用戶舉例子）：Shap值的計算方式就不展開說明了，這一步由算法工程師進行計算。特征的Shap值越大代表這個特征導致該用戶流失的“權重”越大。

第二步：Woe量化特征的不同取值對流失的影響：

若有必要，還可進一步結(jié)合用戶生命周期進行細化分析，比如：

1、流失用戶中各期的占比

2、生命周期各期用戶分渠道看流失占比分布 （新手期，各渠道流失占比；成長期，各渠道流失占比……）：看流失用戶是否集中在某些渠道

3、生命周期各期中流失用戶的行為 （新手期：閱讀頻次，閱讀方式，閱讀路徑，領取福利情況等，成長期……）：看流失用戶的特征，比如可能流失用戶大部分沒有領取福利的習慣

4、流失用戶流失前最后一次停留的地方

模型應用：

可理解為，模型為每一個用戶都輸出了一個流失分值（歸一化0-1之間，0.7以上為流失風險人群，0.7是通過模型計算得出），相當于于每個用戶都被量化了，那么，也就可以根據(jù)流失分值將用戶劃分到不同的人群中，比如高中低流失風險，暫無風險，完全無風險等等。不同風險的人群根據(jù)其流失特征，設計對應挽留策略。反過來，無風險的人群，可以大膽嘗試付費引導等等。

既然能將用戶按風險進行分群，也就可以將其接入到畫像系統(tǒng)和活動平臺，發(fā)揮更大價值。

應用效果：上線流失挽留方案后（方案很簡單，0.7以上的人群，打開APP后，直接命中限免內(nèi)容，直接限時閱讀，當然里面還結(jié)合了其他人群做了交叉分群，細化了對應的策略規(guī)則等），整體流失人群（0.7以上人群）次留的提升非常顯著，超出預期。