电商平台活跃用户数计算方法

❶ 用户分类以及活跃用户的衡量方法

一个APP最根本的便是用户，那么当然用户也分许多种类，比如活跃用户、留存用户、流失用户等等，那么一般情况下又是怎么来分析活跃用户的呢？首先，我们来看一下用户的具体分类。

不同类型的用户

用户包含各种类型，反应了不同群体的特征和想法。在使用整个产品的周期中，我们应定义更全面的指标：

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，为了悉斗和流失区分开来，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。

活跃用户

很多人对于什么是活跃用户的概念还很模糊，大多数运营数据分析平台上都直接给出了一个活跃用户的数字，那么什么是活跃用户呢？用户每天既会不断新增，也会不断流失，如果单独只看每日活跃用户数或陆耐，是衫春很难发现问题的本质的，所以通常会结合活跃率和整个APP的生命周期来看。

活跃率是指活跃用户/总用户，通过这个比值可以了解你的用户的整体活跃度，但随着时间周期的加长，用户活跃率总是在逐渐下降的，所以经过一个长生命周期（3个月或半年）的沉淀，用户的活跃率还能稳定保持到5%-10%，则是一个非常好的用户活跃的表现，当然也不能完全套用，得视产品特点来看。

概括来说，增长黑客在衡量“活跃度”时，会通过访问次数、访问时长、收藏指数和相关影响因素几个维度来判断用户的活跃情况，并按连续活跃天数和阶段内任意活跃天数2个时间维度对用户活跃度进行整体分析。

如何进行用户活跃度分析？

1.通过日访问次数评估用户活跃度

访问次数代表用户每日使用产品的频次，我们将计算所有访问次数大于1次的用户，来计算这些用户的平均访问次数，或者设定一个固定值，例如某位用户连续7平均访问产品的次数为3-5次，那么我们就可以把4设定成固定值。

在基于访问次数计算出平均值或设定了固定值（A）之后，我们要统计每日访问次数大于1次并且小于A*50%的用户，以及每日访问次数大于A*50%并小于A的用户，以及日访问次数大于A的用户分别的数量。统计的目的在于通过访问次数将用户进行分层，高于A值的用户是我们产品的绝对活跃用户，对于没有达到A值的用户可以通过运营活动重点提升日访问次数。

2.通过日访问时长评估用户活跃度

与通过访问次数计算用户活跃度的方式相同，找出用户使用时长的衡量值B，通过B对用户进行筛选分组。

3.通过“收藏指数”评估用户活跃度

一般来说，用户产生收藏行为代表着对产品内容的认可，如某篇文章，某件商品。

在实际统计中，“收藏指数”因产品所在行业的不同而不同，需要针对产品所在行业进行个性化定义，例如社区类产品要统计有过发帖、回帖行为的用户，资讯类产品要统计日浏览文章大于5篇（举例）的用户，电商类产品要统计日浏览商品大于5件（举例）的用户等。

同样，通过对“收藏指数”的定义，计算出相关用户行为的衡量标准，我们称其为C值，C值为活跃用户必须满足的条件，继而可以筛选出高出C值50%、100%甚至更多的用户数量。

4.找出用户活跃度的影响因素

在影响因素这项分析上，需要统计不同特征用户的活跃度人数。例如领取红包后1-3天的活跃用户变化情况，与非领取红包用户的活跃度进行对比，再比如连续打卡3天、5天的用户在活跃度上的变现差异。

以上是4项用户活跃度的衡量方式，在统计时，首先需要筛选出满足条件的用户数量，然后计算满足条件用户在整体用户中的占比。

❷ 电商常用的数据分析指标

浏览量PV：用户访问页面的总数，用户每访问一个网页就算一个浏览量，同一个页面刷新一次也算一个浏览量

访客数UV：一般以天为单位来统计24小时内的UV总数，一天内重复访问的只能算一次

实时在线人数：指15分钟内在线UV数

平均在线时间：指平均每个UV访问网页停留的时间长度

日均流量：平均每天的流量

跳失率：指只浏览了一个界面的访问次数除以该界面的总访问次数

转神仔穗化率：指进行相关动作的访问量占总访问量的比例

注册转化率=注册用户数/新访客数

客服转化游卜率=咨询客服人员的用户数/总访问数

收藏转化率=将产品添加收藏/该产品的总访问量

添加转化率=将商品添加到购物车的用户数/该产品的总访问量

成交转化率=成交用户数/总访问数

渠道转化率=从某渠道来的成交用户数/该渠道来的总用户数

活跃会员数：指一定时期内有消费记录或者登录戚余行为的会员数，周期一般有30天、60天、90天等等

活跃会员比例=活跃会员数占会员总数

会员复购率：指在某个时期内产生二次消费或者两次以上消费的会员占会员总数

平均购买次数=订单总数/购买用户总数

会员回购率：指上一期末活跃会员在下一期时间内有购买行为的会员比例

会员留存率：某个时间节点的会员在在特定时间周期内登录过或消费过的会员比例

会员流失率：指一段时间内没有消费的会员占会员总数的比例

新客成本：获客总成本/新增客户数

单人成本=营销成本/访客数

单笔订单成本=营销成本获得的订单数

费销比=营销成本/订单金额

❸ 京东，唯品会等电商所说的日活和月活跃用户是怎么判断的

每日 的时间段 时间点
每月 （每周的活跃度高的那 几天 ）

❹ 数据指标概念考察

这是一款于 2018 年 1 月 1 日全新发布的电商产品，在发布两个月后的新增留存数据（Sheet 1）、商品销售数据（Sheet 2）、商品详情页浏览数据（Sheet 3）及商品基本信息表（Sheet 4）。
请据此回答下列问题：

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
从留存的角度看，2月3日的3日留存，7日留存均为最高，而且次日留存也在平均水平上，目前来看当天新增用户的质量最高，可以等30日留存数据出来后再加以对比。

思路分析：从表格信息来看，SKU数=商品名称数，所以共有504个SKU。
2月5日当天，SKU销售激活率 = 73.81%；销售激活即当天有产生过销售。所以用2月5日当天有产生过动销的SKU数 除以 整体SKU数，即为当天的SKU销售激活率。

思路分析：
春节期间指：从除夕到年初八，即2月15日 --- 2月23日。

如图所示，春节期间详情页购买转化率相比平时有4.45%的增长，对比平均购买转化率也有显着提升。所以，这款产品在春节期间的售卖情况与平时相比有明显提升。

思路分析：把三星充电器的每日销售数据与每日浏览数据相差档除，即可得到每天对应的详情页购买转化率，再筛选出最大值即可。

思路分析：ARPU(ARPU-AverageRevenuePerUser)即每用户平均收入。要计算 1 月 9 日当天的 ARPU 值，即把1月9日的销售额除以1月9日卜迅当天活跃用户数。
步骤：

d)1月9日ARPU值=3,059,149/36,797=83.14元/人

A. ARPPU B. 消费人数占比 C. 人均下单次数 D. 周留存

思路分析：
人均下单次数：
人均下单次数 计算公式为，总单数/总活跃用户数
总单数：3,245,756
总用户数：505,727
所以，人均下单次数为6.42次。
ARPPU：
ARPPU 平均型庆此每付费用户收入，计算公式为：总收入/付费用户数。需要统计付费用户数，即有过下单记录的用户数。
消费人数占比：
消费人数占比，计算公式为：付费用户数/总用户数。需要统计付费用户数，即有过下单记录的用户数。
周留存：
周留存=（指定周活跃用户数 / 第1周活跃用户数）*100%。
<假设计算第二周周留存>

❺ 电商产品经理（基于人、货、场、内容的产品设计攻略）-读书摘要

产品需求的生命周期：

1、聊场景价值

2、制定敏捷的产品方案

3、数据化运营

4、复盘

判断需求是否靠谱：

1、完全的创新性需求场景

2、未被满足的需求场景

3、已有市场的优化需求场景

复盘：

1、你主动做了哪些事情？花了多少预算？在什么渠道花的预算？

2、取得了什么效果？收益率是多少？是否达到了预期？如果没有达到预期，那么原因是什么？

3、有哪些好的地方可以复用？踩了哪些坑？为什么采坑？下次是否可以规避这些坑？

4、以文档的形式保留项目经验。

电商6大重要指标：

1、GMV：（商品销售总额）蚂滚孙电商行业最重要的指标之一，计算公式为 GMV=客单价*转化率*UV。

2、转化率：电商业务的核心指标。

3、DAU/MAU：日活跃用户数量/月活跃用户数量，是电商产品的基础指标。

4、用户留存率：产品的用户粘性指标，主要考核次日留存率、7日留存率和月度留存率。

5、拉新：无论产品发展到什么阶段都需要获取新用户，持续开拓新的流量入口。

6、复购：通过相应手段让新课变成老客，让他们在平台备档产生下单行为。

用户需求模板：5W+1H+1V

Who、When、Where、What、Why、How、Value（谁在什么时候闷链什么场景下产生什么需求？为什么产生这样的需求？怎么满足这个需求？需求是否有价值？）

用户运营法则进行用户分层：潜在用户、新用户、沉默用户、活跃用户、忠诚用户

会员任务类型：

1、引流型任务：长期任务，用户能够一直玩，玩的时间越长奖励越高。

2、激励型任务：短期的一次性任务和奖励。

3、分享型任务：用于引导用户自传播的分享形式，传播者和新用户获得不同的奖励。

电商用户画像：

1、电商行为数据：搜索、访问时长、加购、活跃度等行为数据。

2、电商交易数据：客单价、流失率、支付、客服等交易数据。

3、用户基本数据：性别、年龄、职业和职业地域等基本数据。

4、电商用户画像的关键标签：购物性别、购买力、促销敏感度

基于心理学的产品类型：

1、免费型产品：例淘宝免费开店政策（积攒用户、买的是消费者的注意力和未来将产生的需求）。

2、炫耀型产品：例支付宝账单和网易云音乐账单（专属感）。

3、病毒型产品：例米未传媒推出的瓜子产品（深入人脑、快速复制、快速传播）。

4、赌博型产品：例1元夺宝（侥幸心理）。

5、激励型产品：例签到有礼、评价有礼、购买有礼（激励用户完成任务）。

心理学应用场景：

1、免费才是最贵的：企业付出成本换取消费者的注意力和未来将产生的需求

        先免费后收费，例京东PLUS会员试用；

        广告，第三方付费；   

        产品功能收费，基础功能免费高级功能收费。

2、产品相对论，一切都是相对的

        排名，攀比心理；

        尊享会员，追求独特、荣耀的身份；

        品牌logo，彰显个性。

3、价格铆钉：寻找参照物，价值对比。

4、归属感和所有权：用户对自己投入劳动、情感创造的物品价值，会产生高估的价值判断偏差现象

        7天无理由退换货一般都没退，免费试用的商品最后都买了。

        让用户产生归属感最重要的手段是让其全程参与，例米其林轮胎>米其林餐厅。

5、沉没成本：沉没成本是已经付出了却又无法弥补或回收的成本，可能是时间、金钱或精力等。

        定金膨胀，付出时间差；

        电商会员，不买就是亏的心理。

用户增长产品：

1、AILP理论：认识>兴趣>购买>忠诚                                                                                                                           

2、AARRR模型：拉新-促活-留存-转化-传播

拉新的产品设计思路

1、新人权益，例京东新人大礼包

2、推荐有礼，例滴滴的推荐有礼

3、分享红包，例饿了么分享红包

促活的产品设计思路

1、权益激励，例签到领钱

2、营销活动，例双11大促，分发权益

关于留存的产品设计思路

CLV（Customer Lifetime Value，用户生命价值）模型：引入期-成长期-成熟期-休眠期-流失期

电商用户留存行为数据指标：

1、次日回访率：新登录用户在首次登录后的次日再次登录页面的比值

2、7日回访率：新登录用户在首次登录后的7日内再次登录页面的比值

3、新用户回访率：近30天内注册的用户访问产品的次数与总访问次数的比值

4、老用户回访率：30天以前注册的用户访问产品的次数与总访问次数的比值

5、转化率：下单数量/访问次数 

减少用户流失的产品策略

1、通过价格影响用户，营销策略让用户感觉到优惠

2、通过质量影响用户，商品质量及整体购物体验

3、通过触达能力强提醒用户，域内提醒：消息中心、资源位等；域外提醒：消息推送、短信、广告等

4、善用心理学，让用户“自觉”留下来：心理学中有两个队里的词“痛”和“爽”，痛是源头，爽是结果，要找到用户“痛”在哪，怎样能“爽”。

❻ 月活跃用户数怎么计算

方法一、

MAU，即为MonthActiveUser，指的是在一个月中至少玩过一次该游戏的独散滚立用户数量，所以不是某个数的加总，而是某些数的去重后的数量。

方法四、

1.首先点击打开“月活跃用户数”表格。2.然后输入公式“=”号。3.接着用“实际用户数”减去“统计时间周期内未核笑登录用户数"。4.再点击“√"图标,计算得出”月活跃用户数"。

❼ 月活跃用户MAU如何计算

用数的去重后来计算即可。

(7)电商平台活跃用户数计算方法扩展阅读

月活跃用户的实义：

活跃用户用于衡量网站的运营现状，而流失用户则用于分析网站是否存在被淘汰的风险，以及网站是否有能力留住新春羡用户。

我们经常看到某些数据分析报告中说：某某网站的注册用户数已经超过几百万，其实这些数据并没有太大的意义，因为可能这几百万里面很多用户都已经不再登录该网站（流失用户）。

真正最近登录过或有过操作行为的用户纤森坦（活跃用户）其实就寥寥几万。

所以对于一个网站而言，真正有意义的是活跃用户数而非总毁桐用户数，因为只有这些用户在为网站创造着价值。

事实上，很多公司对活跃用户定义有不同的标准。他们为了吸引眼球，为自己的运营方案服务，往往有意拉长统计时间段。一般来说，应以15日和30日流失率为依据。

❽ 年活跃用户数怎么计算

经常听到不少社群运营者说：想统计用户发言想知道活跃用户需要知道KOL想知道哪些潜水、不说话有特殊要求，需要每个用户发图片（语音）的数量.……谈裂

微信群运营，与网页、APP测量点击打开不同，社群用户活跃度的衡量方向主要是发言，即测量“互动”，它是群场景不同于APP、公众号的一种互动方式，多对多交互在群组交流表现的淋漓尽致。

现在如果品牌方有群在运营，会发现在社群内出现的用户声音如评论评价、客诉建议、情绪表达比官方微博、电商和点评评价还多。

观察社群第一大载体微信群，如何发现用户在任何运营周期内的活跃度，如何挖掘KOL，发现静默用户呢？

互动，微信群内指群用户所发的各种类型消息，如文字、图片、语音、表情、分享链接、发红包、视频、名片推荐等。在不同时基裤间段、用户互动的积极性、表现方式通常不同，用户有自己的生命周期，运营也有其运营周期、特定的节奏频率。

用户活跃度衡量维度大体可以从2个角度去发现：综合互动表现、不同类型表现。

我们根据微信数据运营系统“含锋闭群绘社群数据平台”呈现的相关指标来诠释。
1. 用户活跃度衡量综合互动量衡量方式：

互动次数：包括所有互动类型的互动次数，无论是长内容文字还是一个表情都传达了用户的参与感。
互动天数：在所观察的时间周期内，用户来访互动多少天，该指标表现出跟社群的黏度。
比如2个用户一周内同样是10次互动，一位用户一天说了10句就沉默了，另外一位几乎每隔2天就来发言了1-2次，这2位用户对群的长期依赖感是不相同的。
互动内容量：在群绘平台定义为文字消息字符数。文字消息是群内的主力消息类型，平均占七成以上，也是用户产生内容(UGC）最多的来源。你觉得互动10次每次发2个字消息，和互动2次每次发100多个字的用户，谁参与更深入呢？
相对于其他类型消息，文字消息更多的传递了用户的情感、偏好、建议客诉等等，文字消息量越多越需要用户付出更多的关注度、心智和能量，参与度更深。一些品牌开始对社群用户交流的内容，进行产品服务偏好和评价分析，这有利于更深入的理解用户心智，从聆听用户声音到促进产品和服务的改进，比仅仅评估一次短期活动活跃度甚至更具有中长期意义。
群绘社群数据平台，从互动次数、互动天数、互动内容量单项，以及单项合成的综合指标，定义计算出用户活跃度排名和相关互动值。根据业务需要，选择关注的时间周期，分析观察任意单群、多群用户不同维度的活跃度。

用户活跃度（多群）此功能帮助运营者打破不同的群界限，实现多群用户混编排名，在所选择的时间范围内，多个运营群的用户得出综合、单项活跃度排名

❾ dau和mau的计算

dau和mau的计算方式如下：dau的意思是日活跃用户数量。一般用于反映网站、互联网应用等运营情况。结合MAU(月活跃用户数量)一起使用，用来衡量服务的用户粘性以及服务的衰退周期。

日均活跃用户数量(Daily Active User，DAU)是用于反映网站、互联网应用或网络游戏的运营情况的统计指标。日活跃用户数量通常统计一日(统计日)之内，登录或使橘谨用了某个产品的用户数(去除重复登录的用户)。

受统计方式限制，互联网行业使用的陆晌日均活跃用户数指在统计周期(周/月)内，该App的每日活跃用户数的平均值。通常DAU会结合MAU(月活跃用户数量)一起使用，这两个指标一般用来衡量服务的用户粘性以及服务的衰退周期。

一、使用场景：

日均活跃用户数用于比较APP端或小程序端活跃用户规模，多应用于衡量中国移动互联网垂直行业发展中关注时间段内APP或小程序日均活跃用户数变化，或观察电商6.18，双十一等节假日期间用户规模变化。

二、场景扩展：

DAU、圆悉基MAU分别从宏观和微观的角度对服务的用户粘性做了权衡，也可以这么说，MAU更像战略层面的表征，DAU更像战术层面的表征。通过这些宏观和细微的趋势变化，可以对营销及推广提供一些数据支持或者帮助。

❿ 一个网站的日货活，周活，月活正常数量是多少

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、月活每个丛侍人只计算一次，当天或当周或当月多次登录也算一次。所以日塌郑吵活常用于反映网站、互联网应用或网络游戏的运营情况。
用户每天既会不断新增，也会不断流失，如果单独只看每日活跃用户数，是很难发现问题的团侍本质的。所以通常会结合活跃率和整个网站的生命周期来看。