Hi 欢迎来到易观方舟
有问题就找小舟助手
联系我们 周一至周五 10:00 - 18:00

产品咨询:4006 - 010 - 231 转 1

商务合作:4006 - 010 - 231 转 2

咨询与帮助

什么是用户粘性,易观方舟给你普及一下知识

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,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?易观方舟就给大家分享一下。

 

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130,用户完全没有粘性。

 

对于常见的App,用户粘性的取值范围就是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,许多严谨的客户提出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。

 

其实这仅仅是易观方舟举的一个例子,很多人都在关注着这些问题,只要我们能明白这其中的奥秘,相信对数据分析有进一步的理解。

相关推荐:

体验文中提到的功能

立即免费体验Demo

百闻不如一见

现在来体验方舟如何帮你挖掘商机、增长业绩

体验Demo