前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >新手必须要知道的用户粘性那些事儿

新手必须要知道的用户粘性那些事儿

原创
作者头像
数据通20847430
修改2020-04-20 12:06:37
1.8K0
修改2020-04-20 12:06:37
举报
文章被收录于专栏:用户6020948的专栏

现在不管什么行业,到最后做数据分析的时候,都会关注一个问题,那就是用户粘性的问题,那么大家有没有思考过,我们为什么要关注这个问题呢?我们在讨论用户粘性的时候,讨论的是什么呢?接下来就给大家介绍一下什么是用户粘性,并对用户粘性的算法做进一步探讨。

什么是用户粘性?

越来越多的客户在询问用户粘性的指标问题,而DAUMAU就是最频繁使用的指标。日活跃用户占月活跃用户的比例越高,表明用户对App的使用粘性越高。

DAU,即:Daily Active User,指日活跃用户数;

MAU,即:Monthly Active User,指月活跃用户数。

从极限的角度看,如果每天活跃的都是同样的用户,例如每天都是1万DAU,那么30天内每天都是这1万用户在活跃,MAU也是1万,于是DAUMAU就是100%,用户粘性达到上限,微信就是接近100%的例子。

再分析另一个极端的例子,如果每天活跃用户都不相同,例如每天1万DAU,那么30天内每天的活跃用户都不同,MAU就是30万,于是DAUMAU就是1/30,用户完全没有粘性。

对于常见的App,用户粘性的取值范围是3%~100%,不同领域的App也会有不同的基准值,例如移动游戏会以20%为基线,而工具类App会以40%为基线。

在日常的项目和产品运营工作中,单日的DAUMAU的数值往往受到周期(工作日/周末)、版本更新和活动的影响,用户粘性在短期内的波动较大。所以通常要采用长期的均值作参考,例如一个月、两个大版本之间。

对用户粘性的算法做进一步探讨

目前主流的算法,是使用昨日DAU和前30天的MAU,例如如果今天是8月31日,那么DAU选取8月30日,MAU选取8月1日至30日。这种算法的优势是DAU和MAU在同一天算出来,计算方便。而劣势则是只计算了完整的30天周期内最后一天DAU在MAU中的占比,许多严谨的客户就会提问,为什么不能选其他日期的DAU呢?

例如采用完整周期内的第一天DAU1作为分子除以MAU,就可以得到另一种粘性的解读:任意一天的活跃用户在30天内活跃的比重,都可以是一种对用户粘性定义,即DAU1MAU、DAU2MAU、DAU3MAU…。

重新计算上面客户的DAU1MAU粘性,结果为39.41%,数值与传统的定义差距不大,同样的计算DAU2MAU、DAU2MAU……后,这些数值结果差距不大。

再进一步追踪,一个30天周期内的每个DAUn除以MAU的数值,也呈现明显的波动。此处的波动走势,与30个DAU的走势一致(仅仅是除以了相同的数值的差异)。

那么人均活跃天数和DAUMAU之间有多大关联?

既然当月人均活跃天数是30个DAU之和除以1个MAU,而用户粘性是1个DAU除以MAU,两者在数量级上自然会差30倍左右。

对比除以30后的月均活跃天数和用户粘性DAUMAU,发现两者的走势基本一致。而差异点在于波动幅度和响应时间略有滞后。而从数值上看,30天月均活跃天数是11.93天,除以30后得到结果0.3977,与DAUMAU的39.37%也非常接近。所以在工作中使用月均活跃天数和DAUMAU的作用一致。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档