# 产品
# 如何理解 DAU 和 MAU 这两个数据?
2019.02.24
- DAU (Daily Active Users) 日活 单日活跃用户数,反应产品短期用户活跃度
- MAU (Monthly Active Users) 月活 单月活跃用户量,反应产品长期用户活跃度
# DAU 的分析价值所在
核心用户规模:DAU 指标直接反应了核心用户规模。可以结合其他指标一同分析。 生命周期分析的价值:产品不同阶段,DAU 的数据表现不一样。DAU 趋势下滑,那么很可能是老用户流失,产品开始走下坡路。是否要投入运营预算,是否要产品重新战略部署等。 产品黏性:DAU 指标结合留存指标来分析产品的用户粘性。 渠道价值分析:DAU 可以间接判断各大渠道对产品的贡献价值。在产品初期投放各大渠道之后,DAU 数据会逐步减少,后期可以有选择的保留用户基数大的渠道运营。 用户流失分析:运营活动结束之后,DAU 数据有大幅减少,则要进行用户流失分析。
# DAU 的多维度分析
- 趋势:通过判断 DAU 指标在某一时间段的变化来预测未来的数据表现,一般用趋势图表示。例如,未来一个月的收益表现,可以参考三个月的 DAU,去年同期的数据表现,可以综合评估分析。
- 同比:是将本周期内的数据与历史相同时间点的数据进行比对。例如,今年 N 月与去年 N 月相比。
- 环比:是将本期数据与前期数据进行对比,体现了数据连续性变化的趋势。例如,今年九月同八月、七月的数据进行比对。
- 定基比:数据进行比对才有意义。该分析需要以某个时期为基数,其他各期数据都可以与之对比。基准线是产品发展的里程碑水平,可以反映产品的发展运营情况如何
# 异常定位
一般表现为:数据异常时间点的不同(如节假日,高考等),产品体验,近期是否发版,近期的运营活动,渠道投放,广告推广,产品相关的新闻事件,以及市场竞品的影响(如有新竞品进入市场,竞品最近搞运营活动)等。
# 比值
DAU/MAU 代表的是,每天登录的玩家占月活跃的百分比。形象点就是说,你这些活跃玩家,是每天都在登录,还是隔了几天登录。假设,每天都在登录,粘性就高。你隔个四五天登录,粘性就低。一般这个值会在 0.03 到 1 之间。 如果低于 10%,很可能已经处于衰退期;高于 20%的留存还不错。
# 交互
# 席克定律
它描述了根据已知选项做某项决定所花的时间——随着选项数量的增加,投入的时间也会呈对数增加。简单来讲,越少越快。 当用户出现恐慌或困惑时,唯一的选择反而给人一种「山有小口,仿佛若有光」的感觉。 所以,如果「反应时间」很重要,那选项数量一定要控制在最少。这样也可以加快用户抉择的速度。
解决方案:
- 分步选择, 均分总复杂度到每一个步骤
- 限制选项数量, 保留基本的选项
- 控制单个元素的复杂度, 使页面简单好理解