巨集觀資料指標簡介（下）：「留存」與「活躍」究竟怎麼看
上篇筆者介紹了巨集觀資料指標中的『新增』與『解除安裝』，這篇文章將會詳細地闡述另外兩個概念：『活躍使用者』與『留存使用者』。並且會『新增』『解除安裝』『活躍』『留存』的關係進行細緻的梳理。
這一篇文章的資訊量相較於上一篇只增不減，同時這篇文章也是巨集觀指標的結尾篇，預期讀完這篇文章後，你對於這些常見的『巨集觀指標』，將不再陌生。
一、 活躍使用者
先給出活躍使用者的定義：能被統計平臺檢測到的APP——簡單的來說，就是活著的App。
『活躍使用者』可以說是產品最息息相關的資料指標，因為只有活著才意味著App真的有被使用，這樣的狀態才有可能為App所屬的公司產生價值。
關於活躍使用者有三個重要的概念：日/月活躍、主/被動活躍、新/老使用者。
1. 日/月活躍使用者
『日活使用者』與『月活使用者』唯一的區別在於：劃分的時間單位不一樣。所以，這個小節重點闡述日活使用者。
補充一下，日活躍使用者與月活躍使用者的簡稱分別：是日活與月活，英文簡稱DAU與MAU。
日活躍使用者指的是：每天能夠被資料平臺監控到的App，如下圖所示：
大家可以看到：示例App在頭幾天的日活波動比較大，但是在經歷了一段時期的下滑之後，慢慢地回升並最終趨向了平穩。
2. 主/被動活躍
在闡述主動活躍使用者與被動活躍使用者之前，先舉一個例子：
第一天假設100人安裝並打開了示例App，第一天結束之後，有50人解除安裝了示例App。
第二天在剩餘的50個使用者中，有5人手機關機，5人使用後臺清理程式將示例App進行了後臺清空，剩下的40人收到了示例App的推送通知，其中30人打開了示例App進行了使用。
雖然看完上面的文字你會有些暈，但是用於解釋『主動活躍使用者』與『被動活躍使用者』卻是一個極好的案例。
主動活躍使用者簡稱主活，指的是：那些被開啟過的App。
所以，第一天示例App的主活為100，第二天為30，同樣的這部分使用者也是價值最大的。
被動活躍使用者又稱活躍使用者，是：包含了『主動活躍使用者』在內的所有活躍使用者——只要沒有被系統殺死的App都是被動活躍。所以，只要那些還能收到通知的使用者，都算作是被動活躍使用者。
因此，示例App的第一天被動活躍為100，第二天的被動活躍使用者為40。
3. 新/老使用者
其實在剛才的案例中，你也發現了：新增使用者也被歸為活躍使用者。
這是因為新增使用者也開啟（使用）了示例APP，所以符合活躍使用者的定義。那我們如何區分活躍使用者中的新老使用者呢？
對於新老使用者的劃分，沒有一個統一的標準，目前常用的有兩個劃分依據：
- 24小時新使用者： 從第一次開啟示例APP起的24小時內的使用者都屬於新使用者。
- 自然日新使用者： 以自然日為劃分標準，凡是第一天新增的使用者都是新使用者，即便是第一天23:59:59新增的使用者，也算作是新使用者。
兩個劃分沒有優劣之分，每個產品按照自己的具體情況來進行統計。
一般來說，『24小時新使用者』更加的準確，但是統計起來也相對比較麻煩；『自然日新使用者』則相反，統計起來比較簡單，但是在精確度上打了折扣。
最後需要強調的一點是：『活躍使用者』與『新增使用者』是兩個相對獨立的概念——即便沒有新增，活躍也能單獨的存在（老使用者）。
這與前面提到的『解除安裝』，以及接下來要說的『留存』有著很大的不同，因為解除安裝和留存只有在新增使用者的前提下，才有存在的意義。
二、 留存
在說完了『新增』『解除安裝』『活躍』之後，有關『留存』的很多概念理解起來就會容易很多，原因是：『留存』於上述的三個概念存在著千絲萬縷的關係。
雖然從字面上覺得留存二字很好理解，但是，在實際的應用中，哪怕上述三個概念有一個沒有明白，都很有可能在這個章節中雲裡霧裡。所以，再有了這個預設後，請仔細瀏覽下面的闡述。
留存指的是：一批新增使用者中，在指定的時間段內，沒有解除安裝的使用者。
所以，新增、解除安裝、留存的關係可用如下關係式表達：
新增 = 解除安裝 + 留存
《巨集觀資料指標簡介(上)》 中提到過這麼一句話：解除安裝是衡量一個產品好與壞非常直觀的指標，所以非常的有意義。
可由於解除安裝的使用者數非常難以統計到，所以根據上述公式，真正的留存也難以統計到的。但是，留存並不會因為它難以被真實統計到而被提之甚少，相反，它可能是產品資料中，幾個頻次出現最高的資料指標之一。
原因是：在實際的統計分析中，我們會用『活躍使用者』替代『留存使用者』。
在解釋具體的原因之前，得先引入一個新的概念——靜默使用者，指的是：那些沒有被解除安裝，同時也無法向統計平臺傳送事件的App。
例如：被手機清理程式殺死的App；關機狀態下，手機裡面的App……
所以，關於留存使用者又可以通過下面的公式來表示：
留存使用者=活躍使用者+靜默使用者
講到這裡，使用活躍使用者替代留存使用者的原因就很明朗了：資料統計平臺只能統計到活著的使用者！
最後用一句話總結實際工作中的使用的留存使用者：一批新增使用者中，在指定的時間範圍內，依然可以被資料平臺統計到的App，被稱之為留存使用者。
接下來的文字描述中，如果對於『留存使用者』沒有特殊說明，均是指可以被資料統計平臺統計到的App（除去靜默使用者）。
1. 存活率（留存活躍率）
通常我們會用『留存率』這個指標來表示留存的好壞，常用的留存指標有：24小時留存、次日留存率、7日留存率、15天留存率、30日留存率。
這裡重點要強調：『24小時留存率』與『次日留存率』
24小時留存率指的是：一批新增使用者中，從首次開啟示例App的時刻算起，24小時過後，依然能被資料統計平臺統計到使用者數量佔據新增使用者數量的百分比。例如第一天的新增使用者為100人，這100人裡面，在安裝了24小時的那一刻，還能被統計平臺統計到30人，那麼這批新增使用者的24小時留存率為30%。
而次日留存率則表示：第一天的新增使用者中，在第二天依然能被資料統計平臺統計到的使用者。
例如：第一天的新增使用者為100人，如果過了第一天24:00，還剩下50人，那麼次日留存率為50%。
如果籠統來看，可能會覺得「24小時留存率」與「次日留存率」貌似沒有什麼太大的差別。但是如果仔細琢磨一番，兩者的區別不是一般的大。
接下來繼續以示例舉證：
假設對於示例App來說，今天的00:00:00 — 23:59:58這個時間段一個新增使用者都沒有，在23:59:59這一刻瞬間增加了100個使用者。
這批使用者中，從明天的00:00:01開始發生解除安裝行為，並在明天的23:59:58這一刻剛好全部解除安裝。也就說，在明天的23:59:58這一刻，今天的100個使用者一個都沒有剩下。
那麼，這100個使用者中，次日留存率為100%，而24H留存率為0。
因為次日留存率的時間間隔為自然日，而24小時留存率的時間間隔是實打實的24小時。
至於「周留存」「15天留存」「30天留存」其定義跟「次日留存」是一樣的，只是時間間隔由自然日變成了自然7天，自然15天，自然30天……
2. 留存係數
在「解除安裝」部分提到過：目前面向國內的App非常難以獲得「解除安裝率」這麼一個核心指標，所以就導致了絕大多數情況下，相關的從業人員只能通過「留存率」來評判一個產品的好與壞。
下面是一張常見的產品留存率的示意圖：
大家可以看到：產品的留存率在頭幾天急劇的下降，後面幾天留存率基本上不再有太大的變化。（當然，具體的原因就不再解釋了。）
而藍色部分的面積就可以代表：這些天累積的留存使用者。
別小看了『累計留存使用者』這個詞彙，這個指標直接決定了示例App的生死。因為只有留下來的使用者越多，示例App才有能掙更多的錢，反之，如果累計留存使用者越少，那麼，示例App所屬的公司可能再也熬不多網際網路的寒冬了。
所以，越早的知道累計留存使用者，越有利於及時的做出調整，贏得更多的生存空間。
但是，如上圖所示：如果通過第一天的留存率，就能預測出未來幾天甚至是十幾天的累計留存使用者。那對於任何一個App來說，都是一件意義重大的事情，而留存係數剛好可以解決這個問題。
所謂的『留存係數』指的是：對已有的App的留存率進行積分運算，得到一個比較穩定的積分公式。
以上圖為例，通過Excel的預測函式，可以推出目前示例App的『留存係數』為
y = 0.0001×4 – 0.0037×3 + 0.0478×2 – 0.2526x + 0.4826
所以，有了留存係數，我們只需要知道第一天的留存率，就能大概的預測出未來幾天示例App的留存情況了。
3. 留存存活率
留存存活率指的是：一批新增使用者中，留存的使用者中（這裡特指沒有解除安裝的使用者）活躍使用者的佔比，主要用於衡量示例App的存活能力。
簡單來說，每一款App都希望被使用者一直使用著，哪怕能夠偷偷摸摸在後臺苟且也是一件值得慶幸的事情。因為只要活著，就有希望！
但是，殘酷的事實是：現在手機對於App的管理越來越嚴苛，一旦示例App放入後臺，那麼其存活的可能性就變得極低！在這種情況下，“如何保證示例App的存活率？”，就成了一件十分頭疼的事情。
常見的保活方式有兩種：
- 提高示例App自身的存活率，即便手機對後臺App管理的十分嚴苛，示例App本身也能通過技術的手段抵抗手機系統的殺死。
- 通過其他活著的App進行喚醒，例如：使用者手機中裝了3款App，其中並且這App1、App2、App3都被殺死了，如果此時使用者打開了App1，App1就會暗地裡啟動App2與App3。這樣一來，只要App1活著，即便App2餘App3再次被系統殺死，也能通過App1被喚醒。
至於兩種方案的好壞，這裡暫不評價。但是，留存存活率就是衡量上保活方案關鍵指標，在給出『留存存活率』的公式之前，我們再次回憶一下：新增、解除安裝、留存、活躍之間的關係：
新增使用者 = 留存使用者+解除安裝使用者
留存使用者 = 活躍使用者+靜默使用者
至於留存存活率可用如下公式表示：
留存存活率=活躍/(新增-解除安裝)
不要小看存活這個能力，因為很多應用被開啟的機率非常低。想想自己的手機裡，是不是有很多App常年吃灰，例如：計算器。
如果一個App被安裝後，再也沒有存活的機會，其實跟被解除安裝了也沒什麼區別。所以，對於這些低頻次的App，它所能做的就是努力的活下去。人生不易，App亦是如此！
三、小結
終於把『產品巨集觀資料指標』做了一個結尾，本來想對這篇文章做個精簡，沒想到修改下來，又多出了2000多字，不過好歹算是把該說的都說完了。
對於沒有接觸過產品資料分析的同學來說，這幾篇文章讀起來會比較累。因為每篇文章都牽扯到了很多概念，而且所有的觀點與陳述，也僅僅是自己的一家之言，存在著很大的侷限性甚至是錯誤，但對於僅僅想入門瞭解的話，已經是足夠了~。
作者：MING，個人公眾號：MING的大航海，知乎專欄：產品見知錄
本文由 @MING 原創釋出於人人都是產品經理。未經許可，禁止轉載。
題圖來自 Unsplash，基於CC0協議。