電商平台活躍用戶數計算方法

❶ 用戶分類以及活躍用戶的衡量方法

一個APP最根本的便是用戶，那麼當然用戶也分許多種類，比如活躍用戶、留存用戶、流失用戶等等，那麼一般情況下又是怎麼來分析活躍用戶的呢？首先，我們來看一下用戶的具體分類。

不同類型的用戶

用戶包含各種類型，反應了不同群體的特徵和想法。在使用整個產品的周期中，我們應定義更全面的指標：

流失用戶： 有一段時間沒有再打開產品，那麼我們就視為流失用戶，根據產品的屬性，可以按30天，60天，90天等劃分。

不活躍用戶： 有一段時間沒有打開產品，為了悉斗和流失區分開來，需要選擇無交集的時間范圍。比如流失用戶是60天以上沒打開產品，那麼不活躍則是0～60天沒打開。

迴流用戶： 有一段時間沒用產品，之後突然回來再次使用，則稱為迴流用戶。迴流用戶是活躍用戶，且是由流失用戶或不活躍用戶喚回而來。

活躍用戶： 一段時間內打開過產品。

忠誠用戶： 也可以叫超級活躍用戶，長期持續使用產品，比如連續四周，或者一個月內15天等。

現在我們發現，不論是活躍用戶還是不活躍用戶的維度，都一下子豐富了起來。

活躍用戶

很多人對於什麼是活躍用戶的概念還很模糊，大多數運營數據分析平台上都直接給出了一個活躍用戶的數字，那麼什麼是活躍用戶呢？用戶每天既會不斷新增，也會不斷流失，如果單獨只看每日活躍用戶數或陸耐，是衫春很難發現問題的本質的，所以通常會結合活躍率和整個APP的生命周期來看。

活躍率是指活躍用戶/總用戶，通過這個比值可以了解你的用戶的整體活躍度，但隨著時間周期的加長，用戶活躍率總是在逐漸下降的，所以經過一個長生命周期（3個月或半年）的沉澱，用戶的活躍率還能穩定保持到5%-10%，則是一個非常好的用戶活躍的表現，當然也不能完全套用，得視產品特點來看。

概括來說，增長黑客在衡量「活躍度」時，會通過訪問次數、訪問時長、收藏指數和相關影響因素幾個維度來判斷用戶的活躍情況，並按連續活躍天數和階段內任意活躍天數2個時間維度對用戶活躍度進行整體分析。

如何進行用戶活躍度分析？

1.通過日訪問次數評估用戶活躍度

訪問次數代表用戶每日使用產品的頻次，我們將計算所有訪問次數大於1次的用戶，來計算這些用戶的平均訪問次數，或者設定一個固定值，例如某位用戶連續7平均訪問產品的次數為3-5次，那麼我們就可以把4設定成固定值。

在基於訪問次數計算出平均值或設定了固定值（A）之後，我們要統計每日訪問次數大於1次並且小於A*50%的用戶，以及每日訪問次數大於A*50%並小於A的用戶，以及日訪問次數大於A的用戶分別的數量。統計的目的在於通過訪問次數將用戶進行分層，高於A值的用戶是我們產品的絕對活躍用戶，對於沒有達到A值的用戶可以通過運營活動重點提升日訪問次數。

2.通過日訪問時長評估用戶活躍度

與通過訪問次數計算用戶活躍度的方式相同，找出用戶使用時長的衡量值B，通過B對用戶進行篩選分組。

3.通過「收藏指數」評估用戶活躍度

一般來說，用戶產生收藏行為代表著對產品內容的認可，如某篇文章，某件商品。

在實際統計中，「收藏指數」因產品所在行業的不同而不同，需要針對產品所在行業進行個性化定義，例如社區類產品要統計有過發帖、回帖行為的用戶，資訊類產品要統計日瀏覽文章大於5篇（舉例）的用戶，電商類產品要統計日瀏覽商品大於5件（舉例）的用戶等。

同樣，通過對「收藏指數」的定義，計算出相關用戶行為的衡量標准，我們稱其為C值，C值為活躍用戶必須滿足的條件，繼而可以篩選出高出C值50%、100%甚至更多的用戶數量。

4.找出用戶活躍度的影響因素

在影響因素這項分析上，需要統計不同特徵用戶的活躍度人數。例如領取紅包後1-3天的活躍用戶變化情況，與非領取紅包用戶的活躍度進行對比，再比如連續打卡3天、5天的用戶在活躍度上的變現差異。

以上是4項用戶活躍度的衡量方式，在統計時，首先需要篩選出滿足條件的用戶數量，然後計算滿足條件用戶在整體用戶中的佔比。

❷ 電商常用的數據分析指標

瀏覽量PV：用戶訪問頁面的總數，用戶每訪問一個網頁就算一個瀏覽量，同一個頁面刷新一次也算一個瀏覽量

訪客數UV：一般以天為單位來統計24小時內的UV總數，一天內重復訪問的只能算一次

實時在線人數：指15分鍾內在線UV數

平均在線時間：指平均每個UV訪問網頁停留的時間長度

日均流量：平均每天的流量

跳失率：指只瀏覽了一個界面的訪問次數除以該界面的總訪問次數

轉神仔穗化率：指進行相關動作的訪問量占總訪問量的比例

注冊轉化率=注冊用戶數/新訪客數

客服轉化游卜率=咨詢客服人員的用戶數/總訪問數

收藏轉化率=將產品添加收藏/該產品的總訪問量

添加轉化率=將商品添加到購物車的用戶數/該產品的總訪問量

成交轉化率=成交用戶數/總訪問數

渠道轉化率=從某渠道來的成交用戶數/該渠道來的總用戶數

活躍會員數：指一定時期內有消費記錄或者登錄戚余行為的會員數，周期一般有30天、60天、90天等等

活躍會員比例=活躍會員數占會員總數

會員復購率：指在某個時期內產生二次消費或者兩次以上消費的會員占會員總數

平均購買次數=訂單總數/購買用戶總數

會員回購率：指上一期末活躍會員在下一期時間內有購買行為的會員比例

會員留存率：某個時間節點的會員在在特定時間周期內登錄過或消費過的會員比例

會員流失率：指一段時間內沒有消費的會員占會員總數的比例

新客成本：獲客總成本/新增客戶數

單人成本=營銷成本/訪客數

單筆訂單成本=營銷成本獲得的訂單數

費銷比=營銷成本/訂單金額

❸ 京東，唯品會等電商所說的日活和月活躍用戶是怎麼判斷的

每日 的時間段 時間點
每月 （每周的活躍度高的那 幾天 ）

❹ 數據指標概念考察

這是一款於 2018 年 1 月 1 日全新發布的電商產品，在發布兩個月後的新增留存數據（Sheet 1）、商品銷售數據（Sheet 2）、商品詳情頁瀏覽數據（Sheet 3）及商品基本信息表（Sheet 4）。
請據此回答下列問題：

思路分析：
次日留存率最高：2月2日
3日留存率最高：2月3日
7日留存率最高：2月3日
30日留存率最高：1月29日
從留存的角度看，2月3日的3日留存，7日留存均為最高，而且次日留存也在平均水平上，目前來看當天新增用戶的質量最高，可以等30日留存數據出來後再加以對比。

思路分析：從表格信息來看，SKU數=商品名稱數，所以共有504個SKU。
2月5日當天，SKU銷售激活率 = 73.81%；銷售激活即當天有產生過銷售。所以用2月5日當天有產生過動銷的SKU數 除以 整體SKU數，即為當天的SKU銷售激活率。

思路分析：
春節期間指：從除夕到年初八，即2月15日 --- 2月23日。

如圖所示，春節期間詳情頁購買轉化率相比平時有4.45%的增長，對比平均購買轉化率也有顯著提升。所以，這款產品在春節期間的售賣情況與平時相比有明顯提升。

思路分析：把三星充電器的每日銷售數據與每日瀏覽數據相差檔除，即可得到每天對應的詳情頁購買轉化率，再篩選出最大值即可。

思路分析：ARPU(ARPU-AverageRevenuePerUser)即每用戶平均收入。要計算 1 月 9 日當天的 ARPU 值，即把1月9日的銷售額除以1月9日卜迅當天活躍用戶數。
步驟：

d)1月9日ARPU值=3,059,149/36,797=83.14元/人

A. ARPPU B. 消費人數佔比 C. 人均下單次數 D. 周留存

思路分析：
人均下單次數：
人均下單次數 計算公式為，總單數/總活躍用戶數
總單數：3,245,756
總用戶數：505,727
所以，人均下單次數為6.42次。
ARPPU：
ARPPU 平均型慶此每付費用戶收入，計算公式為：總收入/付費用戶數。需要統計付費用戶數，即有過下單記錄的用戶數。
消費人數佔比：
消費人數佔比，計算公式為：付費用戶數/總用戶數。需要統計付費用戶數，即有過下單記錄的用戶數。
周留存：
周留存=（指定周活躍用戶數 / 第1周活躍用戶數）*100%。
<假設計算第二周周留存>

❺ 電商產品經理（基於人、貨、場、內容的產品設計攻略）-讀書摘要

產品需求的生命周期：

1、聊場景價值

2、制定敏捷的產品方案

3、數據化運營

4、復盤

判斷需求是否靠譜：

1、完全的創新性需求場景

2、未被滿足的需求場景

3、已有市場的優化需求場景

復盤：

1、你主動做了哪些事情？花了多少預算？在什麼渠道花的預算？

2、取得了什麼效果？收益率是多少？是否達到了預期？如果沒有達到預期，那麼原因是什麼？

3、有哪些好的地方可以復用？踩了哪些坑？為什麼采坑？下次是否可以規避這些坑？

4、以文檔的形式保留項目經驗。

電商6大重要指標：

1、GMV：（商品銷售總額）螞滾孫電商行業最重要的指標之一，計算公式為 GMV=客單價*轉化率*UV。

2、轉化率：電商業務的核心指標。

3、DAU/MAU：日活躍用戶數量/月活躍用戶數量，是電商產品的基礎指標。

4、用戶留存率：產品的用戶粘性指標，主要考核次日留存率、7日留存率和月度留存率。

5、拉新：無論產品發展到什麼階段都需要獲取新用戶，持續開拓新的流量入口。

6、復購：通過相應手段讓新課變成老客，讓他們在平台備檔產生下單行為。

用戶需求模板：5W+1H+1V

Who、When、Where、What、Why、How、Value（誰在什麼時候悶鏈什麼場景下產生什麼需求？為什麼產生這樣的需求？怎麼滿足這個需求？需求是否有價值？）

用戶運營法則進行用戶分層：潛在用戶、新用戶、沉默用戶、活躍用戶、忠誠用戶

會員任務類型：

1、引流型任務：長期任務，用戶能夠一直玩，玩的時間越長獎勵越高。

2、激勵型任務：短期的一次性任務和獎勵。

3、分享型任務：用於引導用戶自傳播的分享形式，傳播者和新用戶獲得不同的獎勵。

電商用戶畫像：

1、電商行為數據：搜索、訪問時長、加購、活躍度等行為數據。

2、電商交易數據：客單價、流失率、支付、客服等交易數據。

3、用戶基本數據：性別、年齡、職業和職業地域等基本數據。

4、電商用戶畫像的關鍵標簽：購物性別、購買力、促銷敏感度

基於心理學的產品類型：

1、免費型產品：例淘寶免費開店政策（積攢用戶、買的是消費者的注意力和未來將產生的需求）。

2、炫耀型產品：例支付寶賬單和網易雲音樂賬單（專屬感）。

3、病毒型產品：例米未傳媒推出的瓜子產品（深入人腦、快速復制、快速傳播）。

4、賭博型產品：例1元奪寶（僥幸心理）。

5、激勵型產品：例簽到有禮、評價有禮、購買有禮（激勵用戶完成任務）。

心理學應用場景：

1、免費才是最貴的：企業付出成本換取消費者的注意力和未來將產生的需求

        先免費後收費，例京東PLUS會員試用；

        廣告，第三方付費；   

        產品功能收費，基礎功能免費高級功能收費。

2、產品相對論，一切都是相對的

        排名，攀比心理；

        尊享會員，追求獨特、榮耀的身份；

        品牌logo，彰顯個性。

3、價格鉚釘：尋找參照物，價值對比。

4、歸屬感和所有權：用戶對自己投入勞動、情感創造的物品價值，會產生高估的價值判斷偏差現象

        7天無理由退換貨一般都沒退，免費試用的商品最後都買了。

        讓用戶產生歸屬感最重要的手段是讓其全程參與，例米其林輪胎>米其林餐廳。

5、沉沒成本：沉沒成本是已經付出了卻又無法彌補或回收的成本，可能是時間、金錢或精力等。

        定金膨脹，付出時間差；

        電商會員，不買就是虧的心理。

用戶增長產品：

1、AILP理論：認識>興趣>購買>忠誠                                                                                                                           

2、AARRR模型：拉新-促活-留存-轉化-傳播

拉新的產品設計思路

1、新人權益，例京東新人大禮包

2、推薦有禮，例滴滴的推薦有禮

3、分享紅包，例餓了么分享紅包

促活的產品設計思路

1、權益激勵，例簽到領錢

2、營銷活動，例雙11大促，分發權益

關於留存的產品設計思路

CLV（Customer Lifetime Value，用戶生命價值）模型：引入期-成長期-成熟期-休眠期-流失期

電商用戶留存行為數據指標：

1、次日回訪率：新登錄用戶在首次登錄後的次日再次登錄頁面的比值

2、7日回訪率：新登錄用戶在首次登錄後的7日內再次登錄頁面的比值

3、新用戶回訪率：近30天內注冊的用戶訪問產品的次數與總訪問次數的比值

4、老用戶回訪率：30天以前注冊的用戶訪問產品的次數與總訪問次數的比值

5、轉化率：下單數量/訪問次數 

減少用戶流失的產品策略

1、通過價格影響用戶，營銷策略讓用戶感覺到優惠

2、通過質量影響用戶，商品質量及整體購物體驗

3、通過觸達能力強提醒用戶，域內提醒：消息中心、資源位等；域外提醒：消息推送、簡訊、廣告等

4、善用心理學，讓用戶「自覺」留下來：心理學中有兩個隊里的詞「痛」和「爽」，痛是源頭，爽是結果，要找到用戶「痛」在哪，怎樣能「爽」。

❻ 月活躍用戶數怎麼計算

方法一、

MAU，即為MonthActiveUser，指的是在一個月中至少玩過一次該游戲的獨散滾立用戶數量，所以不是某個數的加總，而是某些數的去重後的數量。

方法四、

1.首先點擊打開「月活躍用戶數」表格。2.然後輸入公式「=」號。3.接著用「實際用戶數」減去「統計時間周期內未核笑登錄用戶數"。4.再點擊「√"圖標,計算得出」月活躍用戶數"。

❼ 月活躍用戶MAU如何計算

用數的去重後來計算即可。

(7)電商平台活躍用戶數計算方法擴展閱讀

月活躍用戶的實義：

活躍用戶用於衡量網站的運營現狀，而流失用戶則用於分析網站是否存在被淘汰的風險，以及網站是否有能力留住新春羨用戶。

我們經常看到某些數據分析報告中說：某某網站的注冊用戶數已經超過幾百萬，其實這些數據並沒有太大的意義，因為可能這幾百萬裡面很多用戶都已經不再登錄該網站（流失用戶）。

真正最近登錄過或有過操作行為的用戶纖森坦（活躍用戶）其實就寥寥幾萬。

所以對於一個網站而言，真正有意義的是活躍用戶數而非總毀桐用戶數，因為只有這些用戶在為網站創造著價值。

事實上，很多公司對活躍用戶定義有不同的標准。他們為了吸引眼球，為自己的運營方案服務，往往有意拉長統計時間段。一般來說，應以15日和30日流失率為依據。

❽ 年活躍用戶數怎麼計算

經常聽到不少社群運營者說：想統計用戶發言想知道活躍用戶需要知道KOL想知道哪些潛水、不說話有特殊要求，需要每個用戶發圖片（語音）的數量.……談裂

微信群運營，與網頁、APP測量點擊打開不同，社群用戶活躍度的衡量方向主要是發言，即測量「互動」，它是群場景不同於APP、公眾號的一種互動方式，多對多交互在群組交流表現的淋漓盡致。

現在如果品牌方有群在運營，會發現在社群內出現的用戶聲音如評論評價、客訴建議、情緒表達比官方微博、電商和點評評價還多。

觀察社群第一大載體微信群，如何發現用戶在任何運營周期內的活躍度，如何挖掘KOL，發現靜默用戶呢？

互動，微信群內指群用戶所發的各種類型消息，如文字、圖片、語音、表情、分享鏈接、發紅包、視頻、名片推薦等。在不同時基褲間段、用戶互動的積極性、表現方式通常不同，用戶有自己的生命周期，運營也有其運營周期、特定的節奏頻率。

用戶活躍度衡量維度大體可以從2個角度去發現：綜合互動表現、不同類型表現。

我們根據微信數據運營系統「含鋒閉群繪社群數據平台」呈現的相關指標來詮釋。
1. 用戶活躍度衡量綜合互動量衡量方式：

互動次數：包括所有互動類型的互動次數，無論是長內容文字還是一個表情都傳達了用戶的參與感。
互動天數：在所觀察的時間周期內，用戶來訪互動多少天，該指標表現出跟社群的黏度。
比如2個用戶一周內同樣是10次互動，一位用戶一天說了10句就沉默了，另外一位幾乎每隔2天就來發言了1-2次，這2位用戶對群的長期依賴感是不相同的。
互動內容量：在群繪平台定義為文字消息字元數。文字消息是群內的主力消息類型，平均佔七成以上，也是用戶產生內容(UGC）最多的來源。你覺得互動10次每次發2個字消息，和互動2次每次發100多個字的用戶，誰參與更深入呢？
相對於其他類型消息，文字消息更多的傳遞了用戶的情感、偏好、建議客訴等等，文字消息量越多越需要用戶付出更多的關注度、心智和能量，參與度更深。一些品牌開始對社群用戶交流的內容，進行產品服務偏好和評價分析，這有利於更深入的理解用戶心智，從聆聽用戶聲音到促進產品和服務的改進，比僅僅評估一次短期活動活躍度甚至更具有中長期意義。
群繪社群數據平台，從互動次數、互動天數、互動內容量單項，以及單項合成的綜合指標，定義計算出用戶活躍度排名和相關互動值。根據業務需要，選擇關注的時間周期，分析觀察任意單群、多群用戶不同維度的活躍度。

用戶活躍度（多群）此功能幫助運營者打破不同的群界限，實現多群用戶混編排名，在所選擇的時間范圍內，多個運營群的用戶得出綜合、單項活躍度排名

❾ dau和mau的計算

dau和mau的計算方式如下：dau的意思是日活躍用戶數量。一般用於反映網站、互聯網應用等運營情況。結合MAU(月活躍用戶數量)一起使用，用來衡量服務的用戶粘性以及服務的衰退周期。

日均活躍用戶數量(Daily Active User，DAU)是用於反映網站、互聯網應用或網路游戲的運營情況的統計指標。日活躍用戶數量通常統計一日(統計日)之內，登錄或使橘謹用了某個產品的用戶數(去除重復登錄的用戶)。

受統計方式限制，互聯網行業使用的陸晌日均活躍用戶數指在統計周期(周/月)內，該App的每日活躍用戶數的平均值。通常DAU會結合MAU(月活躍用戶數量)一起使用，這兩個指標一般用來衡量服務的用戶粘性以及服務的衰退周期。

一、使用場景：

日均活躍用戶數用於比較APP端或小程序端活躍用戶規模，多應用於衡量中國移動互聯網垂直行業發展中關注時間段內APP或小程序日均活躍用戶數變化，或觀察電商6.18，雙十一等節假日期間用戶規模變化。

二、場景擴展：

DAU、圓悉基MAU分別從宏觀和微觀的角度對服務的用戶粘性做了權衡，也可以這么說，MAU更像戰略層面的表徵，DAU更像戰術層面的表徵。通過這些宏觀和細微的趨勢變化，可以對營銷及推廣提供一些數據支持或者幫助。

❿ 一個網站的日貨活，周活，月活正常數量是多少

日活在100人以上，周活在700人以上，月活在3000人以上。
日活、周活、月活每個叢侍人只計算一次，當天或當周或當月多次登錄也算一次。所以日塌鄭吵活常用於反映網站、互聯網應用或網路游戲的運營情況。
用戶每天既會不斷新增，也會不斷流失，如果單獨只看每日活躍用戶數，是很難發現問題的團侍本質的。所以通常會結合活躍率和整個網站的生命周期來看。