工具改变一个时代，或者说，时代的变革都离不开工具的变革，这或许是工具类的产品给我们带来的最大的吸引力。刷下载量

时代便是如此被工具所影响，作为产品经理而言，我们也将会被工具所影响，包括墨刀，钉钉，蓝湖，石墨等等，越来越多新的工具变革在悄悄的改变着这个行业。

当然，这篇文章的主角：MTA（腾讯移动分析），也会持续发生新的变革，发挥他作为工具的使命价值，为整个移动互联网行业带来新的数据驱动方式。

事实上，我对于接下来要展开讲述的主题抱有十分的期待，如果能够进入MTA的迭代排期，我将十分庆幸，能够是这样一款产品的受众用户。小米应用商店下载

我所期待的，便是 “活跃天数”的一小步变革。

活跃天数概述

活跃天数是MTA比较早的一个功能了，具体上线时间未知，记忆中2017年，已经存在这个模块了。

简单来讲，活跃天数是在统计周期内记录用户的登录天数为数据对象，我们认为，周期范围内，活跃天数越多，用户的粘性越强，活跃天数越低，用户的粘性越弱。

我们可以通过demo数据来做一次简单的解读，该产品的用户粘性并不是十分强，高频用户仅占活跃用户的5%，而一周内，仅存在两天登录行为的用户却占比11%。

换个说法，会更容易阐述我的观点，低频用户是无限接近流失用户的，案例对象在5月29日的活跃用户里，存在11%的用户即将流失。360应用市场下载

这个过程恰恰就是数据所反馈给我们的核心价值之一，常态下，人们不可能突然从喜欢变成不喜欢，一个连续使用7天的用户 不可能突然流失，必然会经过 活跃7天，活跃5天，活跃2天 这些阶段，活跃天数变化的过程，恰恰是用户粘性变化的最好体现。

借助活跃天数，我们可以判断用户的粘性，产品的健康度，这更加有利于我们去打造一款深受用户喜爱的产品。 安智市场软件下载

活性概念阐述及应用场景。

我将通过活跃天数来判断用户粘性的数据指标称之为“用户活性”，以活跃天数为基础，辅助以加权分，得到用户活性分，再对活性分进行等级划分，得到用户活性等级。

活性是一个可量化的词，我们可以说某款产品的用户活性高，这将会是一款非常不错的产品，我们也可以说某款产品的用户活性低，那这款产品就要注意了，他的用户随时都有可能流失。微博刷粉

对用户活性进行数据量化，其价值远超活跃数据，流失数据，留存数据，后者反馈的是一个即定的结果，而活性反馈的则是一个变化中的过程。

用户活性等级是对活跃的精细化数据分析

我们不妨补充一些假设性质的数据，来看看会发现什么奇妙的变化，以每一天活跃用户数为样本，将数据进行精细化处理。积分墙

• 第一天，50%高活性等级，30%中活性等级，20%低活性等级
• 第二天，40%高活性等级，40%中活性等级，20%低活性等级
• 第三天，30%高活性等级，40%中活性等级，30%低活性等级
• 第四天，30%高活性等级，30%中活性等级，40%低活性等级

日活不变的情况下，我们可以发现用户的活性等级越来越低了，这表示产品对用户的粘性逐渐降低了，我们会震惊于到了第四天有接近40%的用户即将流失，因为用户活性等级正在持续的降低，当降低为0时，也就流失了。

活性等级变化趋势代表了用户粘性的变化趋势

固定周期内，活性等级的占比变化趋势，也能够为我们预测活跃数据走向提供了正面的参考价值，这源于我在前文所提到的观点“喜欢的会更喜欢，不喜欢的会更不喜欢” 。

人们对某件事物的情感变化是一个线性的过程，而非点性的变化，这一点将会给我们做产品的方法带来本质的改变，或许，我们可以尝试回答下列几个问题。ios积分墙

• 产品/运营在什么时候去做提升活跃的功能？
• 产品/运营在什么时候去做拉新的功能?
• 产品/运营在什么时候去做提升留存率的功能?

目前，我能想象到的答案有两个。

• A：活跃降低的时候提活，新增降低的时候拉新，流失大的时候做留存
• B：任何时候都需要持续的做提活，拉新，提升留存

没有意外的话，你的答案会属于两者之一，在现有工具里，我们仅仅能给出这两个答案，这和我们的经验，能力，技能无关，仅仅是因为我们缺少一款工具，是因为我们所掌握的数据稍显欠缺的原因导致。ios积分墙激活

引入活性数据，会给我们第三个答案，基于他的预测特性，不妨一同思考一番。

• 在活性降低，而活跃数据尚未改变时，提升活跃度（如同文中的案例）
• 在活性较高时，去做新用户增长。（如70%的日活用户都是高活性的用户）
• 在主要活性等级不高时，去做留存。（如70%的日活用户只是中活性的用户）

活性等级的占比率是基于动态数据分析的结果

活性等级的占比率依赖的是变化的日活，每一天的数据样本都是不同的，这是另一个维度的数据分析方式。

活性等级的占比率，则比活跃率更能准确的表达用户的活跃状态，由于每天的分母样本不同（日活用户），导致每天的数据占比不同。不会受到累计用户的影响，能够更准确的反应当前阶段产品真正的健康状态。wp8 应用商店

实际上随着我们累计用户的数量增长，活跃率作为参考指标的辨识度将会越来越低，也许10%高活性等级的占比，在活跃率上体现出来的数值不到0.0001%。

一小步，活跃天数变活性

活性的取材样本来自于 活跃天数，以目前MTA所提供的活跃天数模块，是不足以支撑对用户活性的观察的，甚至大部分用户不知道如何使用活跃天数，也不知道活跃天数有何使用场景，存在何种价值。

很遗憾，我也属于那大部分用户中的一员。。。。

仅仅需要MTA继续向前一小步，就能让活跃天数变成用户活性，而这一小步，却能改变整个移动互联网数据分析的方式，能够影响所有APP开发者判断，分析，预测的方式，能让产品经理，在更加合适的时间，做合适的事情。talkingdata 大数据

用户活性的第一特征是指观察固定周期内的活性，而非持续累加的数据，活性所反应的信息，也是指观察周期内真实的状况，不受周期外的数据影响，其中就包括 已经确定流失的用户。

当我们筛选统计周期为7日时，便是表示观察用户在7日内的活跃天数。在这个期间里，最大值不会超过7，最小值也不会超过1.

而在视觉的表达里，用户活性的数据分析则包含单日占比，相对上一日的增长幅度，以及7日的趋势走向三个主体分析维度。

粗略画了个构思原型，仅供参考。

后续，我们在观察产品数据时，活性等级相关的数据将会仅次于新增和活跃数据的观察力度，某种意义上而言，活性数据或许比活跃数据的力度更重。

因为活性数据，能够更准确的反应用户的粘性，且能对活跃数据的走势进行相对准确的预测和监控。

我会在文末的附文里，带上我对用户活性等级的设计方案，在我所孵化的早期项目里，多是以监控活性来做迭代规划，由于工具的缺失，我的做法只能是导出用户的登录日志，再用excel进行计算分析。

活性数据的读取，计算和呈现对于许多团队而言，成本都是非常昂贵的，而且可行度是比较低的，除非企业规模达到一定量级，能够组建自己的数据中心团队，用来探索第三方所不能提供的数据，对于中小型团队而言，几乎无法触及，无法实现。

如果你擅长excel的使用，或许也可以尝试像我一样，导出用户的登录日志，并通过excel来计算自己想要的数据，可excel的计算承载能力是极其有限的，一旦度过项目初创期，引来数据大量增长时，就没有办法使用excel来进行计算了。

这是我们需要依赖工具的原因，很少有团队能够独立负担活性数据的挖掘成本。

此时，作为受众用户而言，我们其实特别期待诸如MTA（腾讯移动分析）类似的第三方数据统计分析系统，能够为我们带来这样一个能力，能够为APP的开发团队，产品团队追加赋能。应用宝 apk

我仍然认为，数据驱动产品，数据驱动运营远远未达到终点，我们目前所使用的主流数据维度十分薄弱，还需要引入更多的维度，来帮助我们达到数据驱动产品的目的。

由衷的希望能尽早的看到MTA的活跃天数能够迈出一小步，让我们能够近乎0成本的使用“活性数据”来观察，监控产品的健康度，也能更加细致的了解产品用户的粘性。

你希望在你的团队 引入 活性数据 这样一个新的数据分析维度吗？ 你觉得，这会给我们的产品工作带来什么样的变化呢？

以下内容为 “附文：活性数据” 的设计思路。

附文：活性数据设计思路

活性数据包含五个数据项：统计周期，活跃天数，活性分，活性等级，活性等级占比。

统计周期：是指我们的观察周期。 活跃天数：是指观察周期内，用户使用的天数。 活性分：活性分是观察周期内不同日期对应的加权项。 活性等级：是根据用户活性分计算的等级。 活性等级占比：是指定活跃等级用户于当日登录用户的比值。

活性分是一个比较特殊的概念，我们通过一个案例来认识活性分。

当我们计算出每个用户的活性分时，为了让我们更好的去对整体情况进行把控，需要对分值进行等级划分，我们知道最低分是0.1分，即第一天有登录行为，也知道最高分是所有日期的分数总和，就可以对总分数进行等级的划分，以此得到活性等级

当然，案例中的分值划分，包括活性分的定义都是随意构造，我们可以让这些活性分变得更加贴近真实场景，只需要我们设计不同日期的活性分值，以及不同等级所覆盖的活性分范围即可。

我们将不同活性等级的用户数与观察日期的总活跃用户数进行对比，就能得到活性等级占比，这个数据相比活跃率具备更高的参考价值。360应用商店 app 提交

也就是我们在正文当中多次提及的70%高活性等级用户。

作者：枯叶

安智宝是专业的微信阅读综合平台：解决微信刷粉、微信QQ公众号刷粉、微信刷投票、微信刷阅读量、微信扫二维码、微信回复粉等微信运营中的难题。