今天先聊一聊用户运营中，有关活跃的基础话题。
对一家互联网公司来说，如果没有设置单独的数据运营岗，那么用户运营是和数据最贴近，也必须是最了解用户的。
用户运营核心的方法论就三个：拉新，促活和留存。拉新可以作为渠道推广单独讨论，而促活和留存则相辅相成。
非运营岗，或者其他类型的运营，通常只会注重一个活跃数据的果，而不会注意活跃数据的因。我们在这里就抽丝剥茧，教大家比较快速地了解活跃体系。
互联网公司对活跃用户的定义大同小异，主要以用户打开APP一次记为一个活跃用户。
按此基础可以在时间维度引申出周活跃用户，月活跃用户。即在一个自然周内打开一次APP，则本周为周活跃用户。月活跃用户同理。
我们假设有一款新产品，这是它四个月内的活跃数据。嗯，看来不错。
产品专注的市场领域不同，活跃用户数天差地别。一款小众的垂直领域产品和泛社交类产品，单纯看活跃用户数，你很难界定它们好坏。
好的数据指标，都应该是比例或比率。
我们设定一个新指标，活跃率：某一时间段内活跃用户在总用户量的占比。
按照时间维度引申，有日活跃率DAU，周活跃率WAU，月活跃率等MAU。
例：月活跃，本月活跃用户在截止月末的总注册用户中占比。
一般而言：活跃用户数，看的是产品的市场体量。活跃率，看的是产品的健康度。
实际得承认，不同产品，用户需求（高频或低频）不同，活跃率也有差异。用户运营更多的职责是监控活跃率的变化，并且提升它。
看，我们的活跃用户数上升，活跃率下降，这对新产品来说很正常。你不能要求每一个用户都使用我们产品不是？
别急，我还没补刀呢。
我们统计了注册用户数，那么我们也可以统计出本月新增用户数，很简单，两个月相减。
是不是看出来什么了？
要知道，按照活跃的定义，新注册的用户肯定是打开APP的用户，他也一定是活跃的用户。
所以，我们拿每月的注册总用户数减去新增用户数，计算老用户数。并且将新老用户的活跃率独立出来。
指标拆分后，我们发现老用户的活跃率比预期低。实际在产品早期、渠道投入资源推广、或一次成功的病毒营销后，因为新增用户数量的暴涨，总是会带动活跃数的上升。
A产品打算在五月份做大投入，在APP上进行活动，希望用户大力参与，同时在B渠道进行推广。在常规的统计指标中，发现活跃数据上升。事后分析发现活跃为新增活跃，老用户的活跃数据没有显著上升。配合其他活动数据，证实活动效果较差。
C产品获得投资后，通过大规模的烧钱推广，获得一个正向的活跃数据反馈。此时活跃有不小可能是由新增用户撑起的。产品自身的打磨若不好，老用户活跃率不会提高，这也是我们常说的留存概念。导致钱白白浪费不少。
产品进入稳定期后，有了一定用户规模，新增活跃一般对活跃数据就不会有大的影响了。那么以新老用户区分活跃统计就够了？我们简单定义三个场景：
用户A下载产品后，把玩了一段时间，发现这是他想要的功能，爱不释手，成为发烧用户；
用户B下载产品后，看了几眼就不再使用。产品2.0发布后，觉得有个新特性不错，于是回来继续使用，逐渐成为活跃份子；
用户C从网上看到随便下载的，用了产品觉得一般，吐槽几句并且卸载，不再使用；
用户包含各种类型，反应了不同体的特征和想法。在使用整个产品的周期中，我们应定义更全面的指标：
怎么做数据分析流失用户：有一段时间没有再打开产品，那么我们就视为流失用户，根据产品的属性，可以按30天，60天，90天等划分。
不活跃用户：有一段时间没有打开产品，为了和流失区分开来，需要选择无交集的时间范围。比如流失用户是60天以上没打开产品，那么不活跃则是0～60天没打开。
回流用户：有一段时间没用产品，之后突然回来再次使用，则称为回流用户。回流用户是活跃用户，且是由流失用户或不活跃用户唤回而来。
活跃用户：一段时间内打开过产品。
忠诚用户：也可以叫超级活跃用户，长期持续使用产品，比如连续四周，或者一个月内15天等。
现在我们发现，不论是活跃用户还是不活跃用户的维度，都一下子丰富了起来。
发布评论