活跃用户的标准是什么，解析活跃用户的标准是什么？

一、如何定义用户活跃度

一般来说，活跃用户是来你的产品“逛”的用户。

日用户活跃度 = 日“溜达”用户数/总产品用户

比如今天来的用户数是200，产品的总用户数是1000，那么每天的用户活跃度是20%。在此基础上，你还可以计算月活跃用户度，季度活跃用户度.

二、活跃度越高越好吗？

不一定！

为什么这么说？

因为连“逛”都会有各种花里胡哨，逛街就是个好例子。来逛的用户，可能只是夏天太热的时候进来吹空调，也可能是消费大户。

这时候你告诉我，商城每天有上万的活跃用户，但都是进来吹空调的大妈..................

所以在活动的背后，可能隐藏着很多秘密.

三、怎么深入了解活跃度

这群用户来自哪里？第一次拜访是什么时候？自从他们来到这里，他们做了什么？

通过对以上维度的逐步提炼，可以挖掘出更多值得研究的东西：这些群体的复购率是多少？平均客单价是多少？什么是累积GMV？从第一次拜访到购买需要多长时间.

做用户活动分析的时候，我一般会用二维表格进行反汇编分析。

以下是案例分析

这是一个商场的用户数据表。横轴表示用户第一次访问的时间。可以看到，2016年12月访问的用户数为23934，2017年1月为8999。

纵轴表示用户再次访问的时间。例如，在2016年1月首次访问的23934名用户中，2017年1月有12783名用户再次访问，同年2月有9872名，3月有8762名。

所以我们得到了这些用户的每月活动量：

通过这个二维表格，我们对隐藏在总活跃度下的时间维度中的用户行为有了清晰的认识。当然，如果不够详细，我们可以细分为每周或者每天的用户活跃度。

同样，我们也可以从事件中了解到用户的活跃度。先给大家看看案例：

当然也可以把维度改成GMV、客单价、平均访问次数、购买次数、平均访问时长等.这样你会对活动有更深的理解。

四、活跃度对我们有什么用？

通过以上方法，对用户活跃度进行分析，我们已经知道了大致的用户行为。接下来就是如何通过这些活动数据来解决问题。

比如某产品的访问用户数在双十一期间有所上升，但在随后的几个月中这些用户的访问活跃度持续下降。

首先我们来分析一下这些用户进入的渠道：(前提是埋点，不知道怎么埋点的同学可以去百度了解一下)

可以看出，未来几个月“儿童专用券”进来的新用户活跃度明显低于其他渠道的新用户。

本来双十一之后这个产品上架的儿童产品就很少了，导致这个渠道的用户活跃度不高，用户逐渐流失。

现在你知道原因了，解决问题的方法有很多~丰富货架上的儿童产品，还可以用短信推送“激活”用户。