摘要：友盟通過(guò)大量的數(shù)據(jù)積累和試驗(yàn)，發(fā)現(xiàn)時(shí)間粒度為周的用戶(hù)構(gòu)成模型以下簡(jiǎn)稱(chēng)是最為準(zhǔn)確有效的。下圖所顯示的是低頻類(lèi)周用戶(hù)構(gòu)成的示例不過(guò)忠誠(chéng)用戶(hù)對(duì)它們而言依然重要。開(kāi)發(fā)者需要及時(shí)采取適當(dāng)措施避免大量用戶(hù)不可逆流失。

友盟為所有DAU曾經(jīng)達(dá)到過(guò)1W的App自動(dòng)開(kāi)放了“周用戶(hù)構(gòu)成”（WAU Model）功能，不少開(kāi)發(fā)者反饋說(shuō)這個(gè)功能好用，對(duì)自己App的數(shù)據(jù)運(yùn)營(yíng)起到了很大的幫助，但是也有不少開(kāi)發(fā)者給我們反饋說(shuō)花花綠綠的圖示數(shù)據(jù)，不知如何去看。本文為大家詳細(xì)介紹了“周用戶(hù)構(gòu)成”指標(biāo)的使用方法，幫助開(kāi)發(fā)者更清晰的知曉自己App的活躍用戶(hù)構(gòu)成，從而更全面地了解App質(zhì)量。

為什么我們要關(guān)注“周用戶(hù)構(gòu)成”（WAU Model）

通常而言，App開(kāi)發(fā)者或者投資人都更傾向于關(guān)心相應(yīng)App的DAU（日活躍用戶(hù)數(shù)量）這類(lèi)易得的指標(biāo)，借此直觀(guān)感受App的發(fā)展情況。但DAU這類(lèi)指標(biāo)除了數(shù)據(jù)噪聲大（經(jīng)常劇烈波動(dòng)且易于摻水）外，更不應(yīng)被忽視的缺點(diǎn)是，它們將所有活躍用戶(hù)都視為同質(zhì)的。這無(wú)論是從預(yù)測(cè)未來(lái)某時(shí)間段內(nèi)活躍用戶(hù)規(guī)模的角度而言，抑或是針對(duì)某些未來(lái)價(jià)值更高的用戶(hù)做精細(xì)化運(yùn)營(yíng)的層面講，甚至于是評(píng)估通過(guò)不同渠道獲得用戶(hù)質(zhì)量的差異來(lái)說(shuō)，都不夠恰當(dāng)。

幾乎對(duì)于所有行業(yè)而言，如何吸引優(yōu)質(zhì)新用戶(hù)，如何維護(hù)忠誠(chéng)老用戶(hù)，始終都是重要課題，顯而易見(jiàn)，能夠這樣做的基礎(chǔ)必定是先明了究竟誰(shuí)是新用戶(hù)，誰(shuí)又是老用戶(hù)。友盟通過(guò)大量的數(shù)據(jù)積累和試驗(yàn)，發(fā)現(xiàn)時(shí)間粒度為周的用戶(hù)構(gòu)成模型（以下簡(jiǎn)稱(chēng)WAU Model）是最為準(zhǔn)確有效的。

什么是“周用戶(hù)構(gòu)成”（WAU Model）

友盟的WAU模型，在把活躍用戶(hù)做簡(jiǎn)單有效分層的基礎(chǔ)之上，引入了離散時(shí)間的狀態(tài)轉(zhuǎn)換Model。下圖是友盟Demo中給出的WAU模型的展示：

可以看到，在該模型中，友盟把用戶(hù)分為7類(lèi)，除了6種活躍用戶(hù)外，還體現(xiàn)了流失用戶(hù)。我們把每一種用戶(hù)分類(lèi)視為一種用戶(hù)狀態(tài)，其中各狀態(tài)間的轉(zhuǎn)移關(guān)系示意圖如下：

很容易注意到，這個(gè)模型中的“流失用戶(hù)”和“忠誠(chéng)用戶(hù)”這兩個(gè)狀態(tài)都可以返回到自身，即“流失用戶(hù)”下一周的狀態(tài)仍可以是“流失用戶(hù)”，“忠誠(chéng)用戶(hù)”下一周可以繼續(xù)做“忠誠(chéng)用戶(hù)”。友盟的WAU模型中，有且僅有這兩個(gè)狀態(tài)是具備這種性質(zhì)的，剩余的狀態(tài)都不可能具備此性質(zhì)，比如，處于“連續(xù)活躍3周”狀態(tài)的用戶(hù)，下一周的狀態(tài)只可能是“流失用戶(hù)”或是“連續(xù)活躍4周用戶(hù)”，絕不可能繼續(xù)處在“連續(xù)活躍3周”的狀態(tài)。

對(duì)應(yīng)上述的轉(zhuǎn)移關(guān)系，我們可以得到相應(yīng)各狀態(tài)間的轉(zhuǎn)移概率，進(jìn)而得到轉(zhuǎn)移矩陣，從而在App各種外部情況不發(fā)生劇烈變化前提下能夠準(zhǔn)確估算相當(dāng)長(zhǎng)時(shí)間的用戶(hù)構(gòu)成情況。另外在用戶(hù)成分轉(zhuǎn)化功能中，友盟把狀態(tài)間的轉(zhuǎn)移及相應(yīng)轉(zhuǎn)移概率做了可視化：

由此可以直觀(guān)看出，新增用戶(hù)的留存轉(zhuǎn)化：

甚至是用戶(hù)的流失情況：

感興趣的開(kāi)發(fā)者可以直接點(diǎn)擊相應(yīng)界面右上角的演示視頻來(lái)做進(jìn)一步了解。

計(jì)算轉(zhuǎn)移矩陣除了可以明晰用戶(hù)成分間的轉(zhuǎn)移概況，更重要作用則是對(duì)未來(lái)的用戶(hù)構(gòu)成做預(yù)測(cè)。下圖Demo中藍(lán)色的部分即為對(duì)未來(lái)WAU構(gòu)成的預(yù)測(cè)。模型需要開(kāi)發(fā)者自行設(shè)置“新用戶(hù)數(shù)”，默認(rèn)設(shè)置為使用上一周活躍用戶(hù)數(shù)，但我們更鼓勵(lì)開(kāi)發(fā)者根據(jù)對(duì)自己App的客觀(guān)評(píng)估將此更改為更合理的設(shè)置。友盟對(duì)WAU模型有一套完善的檢驗(yàn)體系每周對(duì)模型的質(zhì)量予以檢測(cè)，WAU模型的誤差通常控制在10%甚至于5%以?xún)?nèi)。

另外，WAU模型是暗含時(shí)間序列信息的，開(kāi)發(fā)者可以直接由此得到初步清洗過(guò)的數(shù)據(jù)，完成感興趣部分的時(shí)間序列分析。

怎樣使用“周用戶(hù)構(gòu)成”（WAU Model）

在確定自己App是高頻還是低頻之后（可以查看之前“變化系數(shù)”一文），對(duì)于高頻App，通常一個(gè)用戶(hù)連續(xù)活躍的周數(shù)越多流失的概率也就越低，流失后再回流的概率相對(duì)也更高。此類(lèi)App的開(kāi)發(fā)者，應(yīng)主要關(guān)注新用戶(hù)的轉(zhuǎn)化率及忠誠(chéng)用戶(hù)的留存流失情況。優(yōu)質(zhì)的高頻App發(fā)展到一定規(guī)模以后，連續(xù)活躍5周及以上的忠誠(chéng)用戶(hù)通常會(huì)貢獻(xiàn)一半甚至更多的WAU。下圖顯示的是高頻類(lèi)App“周用戶(hù)構(gòu)成”變化示例：

忠誠(chéng)用戶(hù)也會(huì)流失，且這種情況由于各種原因是無(wú)法避免，不過(guò)由于總會(huì)有新用戶(hù)補(bǔ)充并繼續(xù)轉(zhuǎn)化為忠誠(chéng)用戶(hù)，所以忠誠(chéng)用戶(hù)的規(guī)模依然會(huì)逐步變大并最終穩(wěn)定下來(lái)。換言之，當(dāng)忠誠(chéng)用戶(hù)數(shù)量開(kāi)始出現(xiàn)持續(xù)減少時(shí)，就需要引起App開(kāi)發(fā)者的注意，因?yàn)檫@些App最優(yōu)質(zhì)用戶(hù)的流失是整個(gè)App活躍用戶(hù)規(guī)模開(kāi)始縮水的前兆。而對(duì)于低頻App，連續(xù)啟動(dòng)數(shù)周是一個(gè)相對(duì)苛刻的條件，它們的回流用戶(hù)相對(duì)而言是更重要的構(gòu)成成分，也正是由于這個(gè)原因這類(lèi)App通常在規(guī)模上不及高頻App。下圖所顯示的是低頻類(lèi)App“周用戶(hù)構(gòu)成”的示例：

不過(guò)忠誠(chéng)用戶(hù)對(duì)它們而言依然重要。這類(lèi)App的開(kāi)發(fā)者應(yīng)該更關(guān)注忠誠(chéng)用戶(hù)的數(shù)量而非百分比（但數(shù)量級(jí)至少應(yīng)為千）。因?yàn)橹灰艺\(chéng)用戶(hù)的數(shù)量是在持續(xù)上漲的，哪怕占比低，也能從側(cè)面體現(xiàn)App受歡迎的程度和未來(lái)持續(xù)發(fā)展的可能。

再來(lái)特別談一下新用戶(hù)。對(duì)于處于任何一個(gè)生命階段的App而言，無(wú)論高頻還是低頻，無(wú)論是想要持續(xù)的增長(zhǎng)還是想要保持穩(wěn)定的規(guī)模，新用戶(hù)的注入都必不可少。但App需要健康的發(fā)展，相比于關(guān)注新用戶(hù)，新用戶(hù)的轉(zhuǎn)化（或者回流）才是更重要的指標(biāo)，一味追求新用戶(hù)的數(shù)量而非質(zhì)量的App不會(huì)成為成功的App。比如以下這種情況：

可以看到這款A(yù)pp的每周的新用戶(hù)到了下一周幾乎全數(shù)流失，沒(méi)有忠誠(chéng)用戶(hù)或回流用戶(hù)。

發(fā)生這種情況的App并不在少數(shù)，通常出現(xiàn)這種情況的原因?yàn)椋?br>開(kāi)發(fā)者惡意刷友盟數(shù)據(jù)；
推廣渠道質(zhì)量非常差；
也可能是開(kāi)發(fā)者錯(cuò)誤集成了友盟SDK。

最后，開(kāi)發(fā)者可以通過(guò)友盟在之前給出的WAU構(gòu)成的預(yù)測(cè)值與屆時(shí)的真實(shí)值之間的差異來(lái)對(duì)自己的App做簡(jiǎn)單有效的評(píng)估。一般來(lái)說(shuō)，差異都小到可以忽略，不過(guò)還是有值得注意的情況：

當(dāng)預(yù)測(cè)值大幅小于真實(shí)值時(shí)，即App活躍用戶(hù)被低估。這種情況通常是由于App在快速成長(zhǎng)期本身就更可能吸引到大量不可預(yù)測(cè)的新用戶(hù)或者是做了行之有效的推廣，這時(shí)除了及時(shí)更改預(yù)測(cè)新用戶(hù)設(shè)置外，開(kāi)發(fā)者更要接下來(lái)特別關(guān)注后續(xù)留存轉(zhuǎn)化情況。

當(dāng)預(yù)測(cè)值持續(xù)大于真實(shí)值時(shí)，又要細(xì)分兩種情況：
幅度較大（>30%）時(shí)，表明App之前有刷量嫌疑或者自身類(lèi)別屬性（多見(jiàn)于游戲類(lèi)和旅游類(lèi)）限制使得用戶(hù)量周期性下跌；
幅度較?。?0%左右）但持續(xù)時(shí)間較長(zhǎng)（8周及以上），這種情況多發(fā)生在App的WAU量級(jí)穩(wěn)定在較大規(guī)模后。這多是App開(kāi)始失去吸引力，用戶(hù)開(kāi)始緩慢流失的信號(hào)。開(kāi)發(fā)者需要及時(shí)采取適當(dāng)措施避免大量用戶(hù)不可逆流失。

用好WAU Model（周用戶(hù)構(gòu)成模型）可以幫助開(kāi)發(fā)者更好了解自己的用戶(hù)從而反觀(guān)自己的產(chǎn)品，制定更合理的發(fā)展目標(biāo)使用更精準(zhǔn)的運(yùn)營(yíng)策略。

點(diǎn)擊“閱讀原文”，查看“周用戶(hù)構(gòu)成”Demo。