数据分析体系 - 用户粘性（DAU/MAU 和 月人均活跃天数）
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。
用户粘性的两个计算指标：
1、DAU/MAU 2、月平均活跃人数
这里其实还想看一个指标，那就是一周内使用1天、2天、3天、3天以上的人数，对比周使用人数去看，相当于周平均活跃人数。
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。
DAU/MAU是社交游戏类和在线类应用常用的一项评估指标，用于分析用户粘度。
DAU 和 MAU
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。
例子1： 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： 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。
https://www.analysys.cn/article/detail/1001402
近期越来越多的客户在询问用户粘性的指标问题，而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。
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DAU/MAU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DAU/MAU就是1/30，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。
下面以某客户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%，与基线值40%非常接近。
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DAU1/MAU、DAU2/MAU、DAU3/MAU…。
重新计算上面客户的DAU1/MAU粘性，结果为39.41%，数值与传统的定义差距不大，同样的计算DAU2/MAU、DAU2/MAU……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）。
将上述的DAU1/MAU到DAU30/MAU逐一加和，得到的恰巧是另一个常用指标：当月人均活跃天数，这也是评估用户粘性的一个指标。
那么人均活跃天数和DAU/MAU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DAU/MAU，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DAU/MAU的39.37%也非常接近。所以在工作中使用月均活跃天数和DAU/MAU的作用一致。
数据分析体系 - 用户粘性（DAU/MAU 和 月人均活跃天数）相关推荐
- 数据分析 — 用户粘性的两个计算指标（DAU/MAU和月人均活跃天数）
很多运营都了解DAU(日活跃用户数)和MAU(月活跃用户数)的重要性,但在某些情况下这两个数值本身并不能反映出太多问题,这个时候就要引用到[DAU/MAU]的概念,即[日活/月活]. 用户粘性的两个计 ...
- dau计算公式_数据分析体系 — 用户粘性的两个计算指标（DAU/MAU和月人均活跃天数）...
很多运营都了解DAU(日活跃用户数)和MAU(月活跃用户数)的重要性,但在某些情况下这两个数值本身并不能反映出太多问题,这个时候就要引用到[DAU/MAU]的概念,即[日活/月活] 用户粘性的两个计算 ...
- app数据分析体系 - 用户粘性 DAU，MAU 和 月人均活跃天数
用户粘性指标 DAU MAU 月均活跃天数 DAU 和 MAU 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 MA ...
- ofo用科技引领行业进入4.0时代 用户粘性连续8个月远甩摩拜
现如今,在各城市街头随机一看,就会发现,在共享单车的骑行队伍中,几乎每10辆中有7辆是ofo小黄车.ofo小黄车已深深切入到人们的日常生活中,成为人们"最后一公里"出行的标配.但其 ...
- 数据分析——用户粘性指标 DAU/MAU
( 一 )定义 DAU,即:Daily Active User,指日活跃用户数: MAU,即:Monthly Active User,指月活跃用户数. 日活/月活就是体现用户粘性最频繁使用的指标.日活 ...
- 四大触点，教你从“用户视角”构建数据分析体系
简介: 做增长.做产品其实和谈恋爱的道理是一样的,想要把这件事情做好,需要建立一个好的用户基础,站在用户(女朋友)的角度看待问题.发现需求.建立场景.提出解决方案,这种需求大到可以是产品的改版,小到可 ...
- 新手必须要知道的用户粘性那些事儿
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,那么大家有没有思考过,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?接下来就给大家介绍一下什么 ...
- 【产品经理】日活跃用户「MAU」 和月活跃用户「DAU」
日活跃用户「MAU」 和月活跃用户「DAU」 1.日活的概念 一天之内打开某产品的用户数(去重),也就是说一个人打开 100 次,即计算为 1 个日活. 但是 100 个人,每人只开 1 次,也计算为 ...
- 基于数据分析的“用户群组+推送”，提升用户粘性
背景 受众细分是精细化运营的重要方法之一.由于用户的偏好不同,对产品的需求也不一样,要想更好地培养用户粘性,就需要因人施策,精细化运营.受众细分是根据用户属性和行为数据,将具有相同或类似特征的用户归为 ...
最新文章
- keras 的 example 文件 variational_autoencoder.py 解析
- 编译android系统小结
- git 删除已经 add 的文件 记录
- 关于创建SWAP示例
- 小程序 getphonenumber_小程序入门，看这一篇就够了！
- static,inline,volatile的作用
- PFQ: a Linux kernel module for packet capturing on multi-core architectures
- java httpsession 类型_JavaWeb HttpSession
- 微信小程序实现视频功能（二）：视频列表与下载
- 2021年六级英文作文：China’s achievement in higher education.
- cocos2d-x apk 打包路径太深
- PS 2019 Mac版 自学入门系列（七）—— 调亮深色区域
- [HCTF 2018]admin 1
- Ubuntu16.04编译android6.0.1源码记录
- 免费的聚合数据新闻头条API接口调用
- 台式计算机的安装顺序,台式电脑安装系统步骤图 装系统步骤详解
- http状态码大全201,304,301,405等等.......
- No subdirectories found for mandatory directory location ‘file: /config/*/‘
- 三星三防s8计算机功能在哪里,三星Galaxy S8防水性能怎么样 三星S8防水介绍【图文详解】...
- 用 Python 写个计算器