如何提升产品用户粘性?

如何提升产品用户粘性?

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。

1 日活月活趋势图

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)

8月日活月活数据

8月日活数据

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。

用户粘性

 

 

作者:易观国际,授权青瓜传媒发布。

来源:易观国际

扫一扫 微信咨询

联系我们 青瓜传媒 服务项目

商务合作 联系我们

本文经授权 由青瓜传媒发布,转载联系作者并注明出处:https://www.opp2.com/88332.html

《免责声明》如对文章、图片、字体等版权有疑问,请联系我们广告投放 找客户 找服务 蘑菇跨境
企业微信
运营大叔公众号