任务知识导入
案例背景：
留存率、用户转化率、用户流失率，前面模型已经单独分析过，本实验项目重点分析用户活跃情况。
常见的用户活跃度统计一段时间内活跃用户的分布情况，如使用了几次、使用了几天、使用了多长时间等。比如一周内用户使用产品的天数分布，使用了 2 天以上的用户占比，连续使用 7 天的用户人数等。
在用户粘性分析的指标中，DAU/MAU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。
日活跃用户（DAU）：每天使用产品或服务的独立用户数量。这个指标可以反映产品的日常使用情况。
周活跃用户（WAU）：每周使用产品或服务的独立用户数量。这个指标可以反映产品的周活跃情况。
月活跃用户（MAU）：每月使用产品或服务的独立用户数量。这个指标可以反映产品的长期使用情况。
用户粘性通常用DAU/MAU的公式来计算，还有一个公式是每月用户平均活跃天数。DAU即日活跃用户数，MAU即月活跃用户数。
比值越趋近于1表明用户活跃度越高，在比值低于0.2时，应用的传播性和互动性将会很弱。
下表为某APP用户的登录日志，假设所有用户共计10名。
下载数据
第一步，日活跃用户分析
日活跃率 = 去重后的日活跃用户数量 / 历史累计去重后的用户数量*100%
日活跃平均时长=登录时长/活跃用户数，计算结果保留小数点后两位
X
√
X
√
X
√
绘制图表
分析结论
提交
第二步，周活跃用户分析
周活跃率 = 去重后的周活跃用户数量 / 历史累计去重后的用户数量*100%
X
√
X
√
分析结论
提交
第三步，月活跃用户分析
X
√
X
√
分析结论
提交
第四步，用户活跃综合分析
用户粘性的比率指标
比率指标1- DAU/MAU
通过用户粘性指标定义为过去一天的比过去30天的
比率指标2 - 月平均活跃天数
分子可理解为过去30天用户的总活跃天数，分母为过去30天活跃用户数 ，分子/分母 即为 过去30天的人均活跃天数
X
√
X
√
分析结论
提交
DAU/MAU比值越趋近于1表明用户活跃度越高，在比值低于0.2时，应用的传播性和互动性将会很弱。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。
例子1： 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DAU/MAU就是100%，用户粘性达到上限，微信就是接近100%的例子。
例子2： 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DAU/MAU就是1/30，用户完全没有粘性。
在日常的项目和产品运营工作中， 单日的DAU/MAU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。eg:以某客户App为例，DAU/MAU的数值在工作日约50%，而在周末和假期的数值则在20%左右。那么谈到用户粘性的时候，通常采用每天DAU/MAU的平均值39.37%。
例子1： 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DAU/MAU就是100%，用户粘性达到上限，微信就是接近100%的例子。
例子2： 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DAU/MAU就是1/30，用户完全没有粘性。
在日常的项目和产品运营工作中， 单日的DAU/MAU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。eg:以某客户App为例，DAU/MAU的数值在工作日约50%，而在周末和假期的数值则在20%左右。那么谈到用户粘性的时候，通常采用每天DAU/MAU的平均值39.37%。