我所期待的，便是 “活躍天數(shù)”的一小步變革。

工具改變一個時代，或者說，時代的變革都離不開工具的變革，這或許是工具類的產(chǎn)品給我們帶來的最大的吸引力。

拍照工具的變革，引起了自拍的時代，而且這個時代將會一直持續(xù)下去，直到被下一個工具再次改變。

時代便是如此被工具所影響，作為產(chǎn)品經(jīng)理而言，我們也將會被工具所影響，包括墨刀，釘釘，藍湖，石墨等等，越來越多新的工具變革在悄悄的改變著這個行業(yè)。

當然，這篇文章的主角：MTA（騰訊移動分析），也會持續(xù)發(fā)生新的變革，發(fā)揮他作為工具的使命價值，為整個移動互聯(lián)網(wǎng)行業(yè)帶來新的數(shù)據(jù)驅(qū)動方式。

數(shù)據(jù)驅(qū)動產(chǎn)品/運營，永遠不會是一個即定的目標，而是一個可持續(xù)的過程，在這個過程中，我們手中用來做數(shù)據(jù)監(jiān)控，分析的工具，將會直接影響我們?nèi)粘５墓ぷ?，影響我們對產(chǎn)品走向的判斷，影響我們的決策。

最終，數(shù)據(jù)工具將會影響我們的產(chǎn)品是成功，或是失敗。

事實上，我對于接下來要展開講述的主題抱有十分的期待，如果能夠進入MTA的迭代排期，我將十分慶幸，能夠是這樣一款產(chǎn)品的受眾用戶。

我所期待的，便是 “活躍天數(shù)”的一小步變革。

1. 活躍天數(shù)概述

活躍天數(shù)是MTA比較早的一個功能了，具體上線時間未知，記憶中2017年，已經(jīng)存在這個模塊了。

簡單來講，活躍天數(shù)是在統(tǒng)計周期內(nèi)記錄用戶的登錄天數(shù)為數(shù)據(jù)對象，我們認為，周期范圍內(nèi)，活躍天數(shù)越多，用戶的粘性越強，活躍天數(shù)越低，用戶的粘性越弱。

在MTA提供的Demo數(shù)據(jù)里，我們發(fā)現(xiàn)在2018-5-25至2018-6-1日 這7天的周期里，5-29日這一天，有兩天登錄行為的用戶占比11%，有5天登錄

行為的用戶占比5%

(由于是Demo數(shù)據(jù)，又或者是因為該模塊的設計問題，導致數(shù)據(jù)難以解讀，以上數(shù)據(jù)僅作為文章觀點闡述，不代表正式數(shù)據(jù)解讀。)

我們可以通過Demo數(shù)據(jù)來做一次簡單的解讀，該產(chǎn)品的用戶粘性并不是十分強，高頻用戶僅占活躍用戶的5%，而一周內(nèi)，僅存在兩天登錄行為的用戶卻占比11%。

換個說法，會更容易闡述我的觀點，低頻用戶是無限接近流失用戶的，案例對象在5月29日的活躍用戶里，存在11%的用戶即將流失。

正常情況下，喜歡的將會更加喜歡，不喜歡的將會更加不喜歡，常態(tài)數(shù)據(jù)從來不是瞬間的變化，他是一個持續(xù)的趨勢，是A點到B點的一個過程。

（活動，服務器崩潰，業(yè)務異常等特殊事件會導致數(shù)據(jù)瞬間的變化，但這種變化并不是常態(tài)的，而是由事件觸發(fā)的。）

這個過程恰恰就是數(shù)據(jù)所反饋給我們的核心價值之一，常態(tài)下，人們不可能突然從喜歡變成不喜歡，一個連續(xù)使用7天的用戶 不可能突然流失，必然會經(jīng)過 活躍7天，活躍5天，活躍2天 這些階段，活躍天數(shù)變化的過程，恰恰是用戶粘性變化的最好體現(xiàn)。

借助活躍天數(shù)，我們可以判斷用戶的粘性，產(chǎn)品的健康度，這更加有利于我們?nèi)ゴ蛟煲豢钌钍苡脩粝矏鄣漠a(chǎn)品。

我曾打造過這樣一款產(chǎn)品，在30天的觀察周期里，超過50%的用戶，活躍天數(shù)在25天以上，超過70%的用戶，活躍天數(shù)在20天以上。

這個數(shù)據(jù)表明，我的用戶對這款產(chǎn)品十分滿意，他們愿意讓這款產(chǎn)品成為日常生活中的一部分，就如同微信一樣，融入到我們的生活當中。且在不發(fā)生突發(fā)事件的情況下，會有較長的安全周期，用戶不會太快的流失。

如果超過50%的活躍天數(shù)在5天以下，我可能就會很焦慮了，因為我即將面臨一半用戶以上的流失。

2. “活性”概念闡述及應用場景

我將通過活躍天數(shù)來判斷用戶粘性的數(shù)據(jù)指標稱之為“用戶活性”，以活躍天數(shù)為基礎，輔助以加權分，得到用戶活性分，再對活性分進行等級劃分，得到用戶活性等級。

活性是一個可量化的詞，我們可以說某款產(chǎn)品的用戶活性高，這將會是一款非常不錯的產(chǎn)品，我們也可以說某款產(chǎn)品的用戶活性低，那這款產(chǎn)品就要注意了，他的用戶隨時都有可能流失。

對用戶活性進行數(shù)據(jù)量化，其價值遠超活躍數(shù)據(jù)，流失數(shù)據(jù)，留存數(shù)據(jù)，后者反饋的是一個即定的結果，而活性反饋的則是一個變化中的過程。

我相信，作為產(chǎn)品經(jīng)理的我們，必然經(jīng)歷過或者正在經(jīng)歷一些數(shù)據(jù)迷宮， 他的表現(xiàn)形式是這樣的：

第一天，新增10000用戶， 日活20000用戶

第二天，新增10000用戶， 日活20000用戶

第三天，新增10000用戶， 日活20000用戶

第四天，新增10000用戶， 日活20000用戶

四天總共新增了40000用戶，但日活卻未曾發(fā)生過變化，我們當然可以對數(shù)據(jù)進行解讀（任何數(shù)據(jù)都是可被解讀的，盡管有時候我們難以接受）。

解讀一：來了多少用戶，流失多少用戶，產(chǎn)品留存有問題（新用流失：需要關聯(lián)留存率深入分析）；

解讀二：新用戶的增量，和老用戶的流失持平。（老用戶流失：若用戶生命周期有限，非可持續(xù)化的產(chǎn)品，必然出現(xiàn)的場景，需要關聯(lián)用戶生命周期深入分析）

可是，真實的情況卻比以上兩種解讀要復雜的多，第一天活躍的20000用戶，和第二天的相比，并不是同一批用戶，我們并不能因為日活未發(fā)生變化，就判斷用戶流失，我們也不清楚第一天活躍的20000用戶里有多少是第二天流失了的，有多少是持續(xù)留下來的。

未能解開的謎題還有很多，我們需要一些新的數(shù)據(jù)維度，來幫我們解開這個謎題，活性不是唯一解開謎題的數(shù)據(jù)，但卻是可以解開一部分謎題的數(shù)據(jù)維度。

2.1 用戶活性等級是對活躍的精細化數(shù)據(jù)分析

我們不妨補充一些假設性質(zhì)的數(shù)據(jù)，來看看會發(fā)現(xiàn)什么奇妙的變化，以每一天活躍用戶數(shù)為樣本，將數(shù)據(jù)進行精細化處理。

• 第一天，50%高活性等級，30%中活性等級，20%低活性等級
• 第二天，40%高活性等級，40%中活性等級，20%低活性等級
• 第三天，30%高活性等級，40%中活性等級，30%低活性等級
• 第四天，30%高活性等級，30%中活性等級，40%低活性等級

日活不變的情況下，我們可以發(fā)現(xiàn)用戶的活性等級越來越低了，這表示產(chǎn)品對用戶的粘性逐漸降低了，我們會震驚于到了第四天有接近40%的用戶即將流失，因為用戶活性等級正在持續(xù)的降低，當降低為0時，也就流失了。

2.2 活性等級變化趨勢代表了用戶粘性的變化趨勢

固定周期內(nèi)，活性等級的占比變化趨勢，也能夠為我們預測活躍數(shù)據(jù)走向提供了正面的參考價值，這源于我在前文所提到的觀點“喜歡的會更喜歡，不喜歡的會更不喜歡” 。

人們對某件事物的情感變化是一個線性的過程，而非點性的變化，這一點將會給我們做產(chǎn)品的方法帶來本質(zhì)的改變，或許，我們可以嘗試回答下列幾個問題：

• 產(chǎn)品/運營在什么時候去做提升活躍的功能？
• 產(chǎn)品/運營在什么時候去做拉新的功能?
• 產(chǎn)品/運營在什么時候去做提升留存率的功能?

目前，我能想象到的答案有兩個：

• A：活躍降低的時候提活，新增降低的時候拉新，流失大的時候做留存；
• B：任何時候都需要持續(xù)的做提活，拉新，提升留存。

沒有意外的話，你的答案會屬于兩者之一，在現(xiàn)有工具里，我們僅僅能給出這兩個答案，這和我們的經(jīng)驗，能力，技能無關，僅僅是因為我們?nèi)鄙僖豢罟ぞ?，是因為我們所掌握的?shù)據(jù)稍顯欠缺的原因?qū)е隆?/p>

引入活性數(shù)據(jù)，會給我們第三個答案，基于他的預測特性，不妨一同思考一番。

• 在活性降低，而活躍數(shù)據(jù)尚未改變時，提升活躍度（如同文中的案例）
• 在活性較高時，去做新用戶增長。（如70%的日活用戶都是高活性的用戶）
• 在主要活性等級不高時，去做留存。（如70%的日活用戶只是中活性的用戶）

2.3 活性等級的占比率是基于動態(tài)數(shù)據(jù)分析的結果

活性等級的占比率依賴的是變化的日活，每一天的數(shù)據(jù)樣本都是不同的，這是另一個維度的數(shù)據(jù)分析方式。

傳統(tǒng)的占比率，都是基于固定的或者說是持續(xù)增長的數(shù)據(jù)樣本，比如日活率。

我們知道日活率是必然降低的，提升日活率的唯一方法是“老用戶回歸”，不管我們?nèi)绾握{(diào)動新用戶的活躍度，能夠達到的效果僅僅只能是放慢日活率的降低速度，無法對日活率起到提高的作用。

原因在于：

日活率的計算公式=當日登錄用戶/總用戶數(shù)

流失的用戶將會對日活率產(chǎn)生永久的影響，而新用戶的活躍度極限情況，只能保障日活率不再降低，這幾乎是不可能的，這要求我們的新用戶不再出現(xiàn)流失。新用戶的活躍度僅能讓我們減緩活躍率的降低速度，而不能提高活躍率。

只有老用戶的回歸，在不增加總用戶數(shù)的情況下，增加當日登錄用戶才能達到提升活躍率的目的。

活性等級的占比率，則比活躍率更能準確的表達用戶的活躍狀態(tài)，由于每天的分母樣本不同（日活用戶），導致每天的數(shù)據(jù)占比不同。不會受到累計用戶的影響，能夠更準確的反應當前階段產(chǎn)品真正的健康狀態(tài)。

我們再來看一組案例，仍然是以日活20000來做數(shù)據(jù)推演：

第一天 70%高活性等級 活躍率10%

第二天 50%高活性等級 活躍率7%

第三天 70%高活性等級 活躍率6.5%

我們可以準確的解讀出，第二天日活用戶活躍度降低，第三天用戶活躍度顯著提升，如果用活躍率來判斷，我們能得出的結論僅僅只是第三天阻止了活躍率的降低趨勢。

實際上隨著我們累計用戶的數(shù)量增長，活躍率作為參考指標的辨識度將會越來越低，也許10%高活性等級的占比，在活躍率上體現(xiàn)出來的數(shù)值不到0.0001%。

3. 一小步，活躍天數(shù)變活性

活性的取材樣本來自于 活躍天數(shù)，以目前MTA所提供的活躍天數(shù)模塊，是不足以支撐對用戶活性的觀察的，甚至大部分用戶不知道如何使用活躍天數(shù)，也不知道活躍天數(shù)有何使用場景，存在何種價值。

很遺憾，我也屬于那大部分用戶中的一員……

僅僅需要MTA繼續(xù)向前一小步，就能讓活躍天數(shù)變成用戶活性，而這一小步，卻能改變整個移動互聯(lián)網(wǎng)數(shù)據(jù)分析的方式，能夠影響所有APP開發(fā)者判斷，分析，預測的方式，能讓產(chǎn)品經(jīng)理，在更加合適的時間，做合適的事情。

用戶活性的第一特征是指觀察固定周期內(nèi)的活性，而非持續(xù)累加的數(shù)據(jù)，活性所反應的信息，也是指觀察周期內(nèi)真實的狀況，不受周期外的數(shù)據(jù)影響，其中就包括 已經(jīng)確定流失的用戶。

當我們篩選統(tǒng)計周期為7日時，便是表示觀察用戶在7日內(nèi)的活躍天數(shù)。在這個期間里，最大值不會超過7，最小值也不會超過1。

而在視覺的表達里，用戶活性的數(shù)據(jù)分析則包含單日占比，相對上一日的增長幅度，以及7日的趨勢走向三個主體分析維度。

粗略畫了個構思原型，僅供參考：

后續(xù)，我們在觀察產(chǎn)品數(shù)據(jù)時，活性等級相關的數(shù)據(jù)將會僅次于新增和活躍數(shù)據(jù)的觀察力度，某種意義上而言，活性數(shù)據(jù)或許比活躍數(shù)據(jù)的力度更重。

因為活性數(shù)據(jù)，能夠更準確的反應用戶的粘性，且能對活躍數(shù)據(jù)的走勢進行相對準確的預測和監(jiān)控。

我會在文末的附文里，帶上我對用戶活性等級的設計方案，在我所孵化的早期項目里，多是以監(jiān)控活性來做迭代規(guī)劃，由于工具的缺失，我的做法只能是導出用戶的登錄日志，再用excel進行計算分析。

活性數(shù)據(jù)的讀取，計算和呈現(xiàn)對于許多團隊而言，成本都是非常昂貴的，而且可行度是比較低的，除非企業(yè)規(guī)模達到一定量級，能夠組建自己的數(shù)據(jù)中心團隊，用來探索第三方所不能提供的數(shù)據(jù)，對于中小型團隊而言，幾乎無法觸及，無法實現(xiàn)。

如果你擅長excel的使用，或許也可以嘗試像我一樣，導出用戶的登錄日志，并通過excel來計算自己想要的數(shù)據(jù)，可excel的計算承載能力是極其有限的，一旦度過項目初創(chuàng)期，引來數(shù)據(jù)大量增長時，就沒有辦法使用excel來進行計算了。

這是我們需要依賴工具的原因，很少有團隊能夠獨立負擔活性數(shù)據(jù)的挖掘成本。

此時，作為受眾用戶而言，我們其實特別期待諸如MTA（騰訊移動分析）類似的第三方數(shù)據(jù)統(tǒng)計分析系統(tǒng)，能夠為我們帶來這樣一個能力，能夠為APP的開發(fā)團隊，產(chǎn)品團隊追加賦能。

我仍然認為，數(shù)據(jù)驅(qū)動產(chǎn)品，數(shù)據(jù)驅(qū)動運營遠遠未達到終點，我們目前所使用的主流數(shù)據(jù)維度十分薄弱，還需要引入更多的維度，來幫助我們達到數(shù)據(jù)驅(qū)動產(chǎn)品的目的。

由衷的希望能盡早的看到MTA的活躍天數(shù)能夠邁出一小步，讓我們能夠近乎0成本的使用“活性數(shù)據(jù)”來觀察，監(jiān)控產(chǎn)品的健康度，也能更加細致的了解產(chǎn)品用戶的粘性。

根據(jù)我的實踐，活性數(shù)據(jù)的引入會帶來以下變化是可以確定的：

• 預測活躍度的走向趨勢；
• 活躍降低之前，提升活躍，而非降低之后再來提升；
• 活躍較高時，拉動新增，避免“來多少，走多少”；
• 更準確的判斷用戶粘性；
• 更準確的判斷產(chǎn)品健康度。

你希望在你的團隊 引入 活性數(shù)據(jù) 這樣一個新的數(shù)據(jù)分析維度嗎？

你覺得，這會給我們的產(chǎn)品工作帶來什么樣的變化呢？

以下內(nèi)容為 “附文：活性數(shù)據(jù)” 的設計思路：

附文：活性數(shù)據(jù)設計思路

活性數(shù)據(jù)包含五個數(shù)據(jù)項：統(tǒng)計周期，活躍天數(shù)，活性分，活性等級，活性等級占比。

• 統(tǒng)計周期：是指我們的觀察周期。
• 活躍天數(shù)：是指觀察周期內(nèi)，用戶使用的天數(shù)。
• 活性分：活性分是觀察周期內(nèi)不同日期對應的加權項。
• 活性等級：是根據(jù)用戶活性分計算的等級。
• 活性等級占比：是指定活躍等級用戶于當日登錄用戶的比值。

活性分是一個比較特殊的概念，我們通過一個案例來認識活性分。

若觀察周期為6月1日至6月7日，總計7天的周期，這里有3位用戶A，B，C，他們的活躍天數(shù)都為一天，即在觀察周期內(nèi)，都有1天的登錄行為，但登錄的日期不同，你認為誰的活性等級高一點呢？

A用戶 在6月1日 登錄

B用戶 在6月3日 登錄

C用戶 在6月7日 登錄

事實上，即使是在一個觀察周期內(nèi)，不同的日期也會導致活性等級偏差，反向解讀會更清晰一點。

A用戶已有6天未登錄

B用戶已有4天未登錄

C用戶已有1天未登錄

如此我們是否能判斷出A,B,C三位用戶的活性等級C>B>A呢。

針對具備相同活躍天數(shù)，但日期不同的情況下，我們需要引入活性分作為加權項目，距離開始時間越近，活性分越低，距離結束時間越近，活性分越高。

我們以0.1至0.7來設計活性分，A用戶的活性分為0.1分，B用戶的活性分為0.3分，C用戶的活性分為0.7分。

若活躍天數(shù)>=2天，只需要將多日的活性分計算加法即可。

如D用戶，在觀察周期內(nèi)，活躍天數(shù)為7天（每日都使用），活性分便是0.1+0.2+0.3+0.4+0.5+0.6+0.7=2.8分。

當我們計算出每個用戶的活性分時，為了讓我們更好的去對整體情況進行把控，需要對分值進行等級劃分，我們知道最低分是0.1分，即第一天有登錄行為，也知道最高分是所有日期的分數(shù)總和，就可以對總分數(shù)進行等級的劃分，以此得到活性等級：

如我們設置三個活性等級分別為高（2分以上），中（1-2分），低（1分以下）
僅以高活性等級為例，只有符合以下條件之一的用戶，才會被我們記錄為高活性等級的用戶。

（以A，B，C，D，E，F(xiàn)，G對應6月1日至6月7日的日期）

*ABCDEF（2.1分）（6天）

*ABCDEFG (2.1分) （7天）

*BCDEFG(2.7分)（6天）

*CDEFG(2.5分)（5）

*DEFG（2.2分）（4）

（……組合有點多，不再贅述）

我們發(fā)現(xiàn)按照2分的標準來判定用戶的高活性等級，需要最少最近4天的連續(xù)登錄行為，若最后一天未登錄，則需要7天內(nèi)有6天的登錄行為，才能判定為高活性等級的用戶。

當然，案例中的分值劃分，包括活性分的定義都是隨意構造，我們可以讓這些活性分變得更加貼近真實場景，只需要我們設計不同日期的活性分值，以及不同等級所覆蓋的活性分范圍即可。

這包括，我們可以使用非連續(xù)的數(shù)值作為活性分，比如 第一天0.1分 第二天0.2分 第三天0.5分，第四天0.7分，第五天0.9分，我們還可以使用相同的數(shù)值作為不同日期的活性分比如第一天和第二天都是0.1分。

這取決于我們?nèi)绾味x觀察周期里，不同日期多代表的價值，但務必遵守活性分定義的核心原則：距離開始日期越近，活性分越低，距離結束日期越近，活性分越高。

除非你有一些特殊的構思。

我們將不同活性等級的用戶數(shù)與觀察日期的總活躍用戶數(shù)進行對比，就能得到活性等級占比，這個數(shù)據(jù)相比活躍率具備更高的參考價值。

也就是我們在正文當中多次提及的70%高活性等級用戶。

嘗試解讀一下文中的數(shù)據(jù)案例：

6月1日 70%高活性等級 日活20000
6月2日 50%高活性等級 日活20000
6月3日 70%高活性等級 日活20000

相關閱讀

騰訊移動分析產(chǎn)品測評大賽報名開啟，豐厚大獎等你來！

騰訊移動分析測評大賽結果公布｜這一次，且聽我娓娓道來

原標題：MTA的一小步，“活躍天數(shù)”變“用戶活性”

作者：枯葉（微信公眾號：枯葉咖啡館），人人都是產(chǎn)品經(jīng)理專欄作家，近6年經(jīng)驗的產(chǎn)品經(jīng)理，擅長社交、社區(qū)、細分群體挖掘。

本文為「人人都是產(chǎn)品經(jīng)理」社區(qū)和騰訊移動分析聯(lián)合主辦的“騰訊移動分析測評大賽”中的三等獎作品，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Pixabay，基于 CC0 協(xié)議