“为什么转化降低了，怎么也找不到原因”？
数据的波动最容易带来改变的就是用户，如果你每天查看的数据指标，没有拆分用户活跃状态，那你可能永远也找不到答案。
本文提要：
1、从横向的视角，通过拆分用户的活跃状态，研究用户从来到走是如何流转的；
2、从纵向的视角，通过评估用户的价值层级，找到数据驱动的切入点；
3、深入剖析并升级流量、转化和留存三个维度的数据，让你在日常工作中更清晰有效的评估业务。

必备视角——用户活跃状态
如果你能清晰的拆分并分析用户的活跃状态，那么大概70%的数据分析问题都会迎刃而解，而“卡”住分析的，往往就是这个非常基础但是很容易被忽视的内容。所以，当你遇到任何数据波动的疑问，首先细分用户活跃状态，明确「导致问题用户」所处的活跃状态，对你的帮助一定很大。

新增用户数+老用户数=活跃用户数

先说活跃这个词，一说活跃用户，会有很多人认为所谓活跃用户，就是在产品中非常活跃的用户，量化一下，比如至少一周有两三天在使用，才是所谓的活跃用户。
对不起，不是这样的，所以，首先要明确一个概念。

所谓活跃，或者活跃用户，在业内通用的定义，指这个用户在选定的时间周期内，有打开过产品，就算作活跃，就是一个活跃用户。所以，活跃定义的是一个状态，而不是程度。

而活跃用户，分为两类用户，即新增用户和老用户。
新增都懂就不说了，而所谓老用户，即不是第一次访问产品的用户，都是老用户。所以这三个概念的关系是，同一时间周期内，新增用户数+老用户数=活跃用户数。
打个比方，你每天看到的新增活跃数据，比如：平均日新增4k人，日活1w 人，那就意味着平均每天访问的老用户有6k人。

流失用户+沉默用户=不活跃用户

那么既然是细分用户活跃状态，有活跃的阶段，就一定有不活跃的阶段。如果你去关注下不活跃用户，可能会被小小的颠覆一下，那就是不活跃的用户数量是极其庞大的。

不活跃的用户里，也分两部分，即，流失用户和沉默用户。

其中数量上占绝对大头的是流失用户，所谓流失用户，就是曾经使用过我们产品，但是已经连续有一段时间没有启动过产品了，而且这个时间段已经长到我们认为用户已经否定或者忘记了产品，那么我们把这样的用户定义为流失用户，根据不同产品的业务特点，一般按照30天，60天，或者90天以上进行划分。

另一部分，是沉默用户，同样，沉默用户也曾经使用过我们产品，同样也是有一段时间没有启动过产品了，但是这个时间段，是一个有最大值和最小值的时间区间，最大值不能超过定义流失用户的那个值，最小值一般是定义流失用户天数的三分之一。

比如：某业内名气一般的内容社区产品，可定义：如果连续30天以上没有启动过产品，那就认为这样的用户是流失用户。定义沉默用户的时间区间，可以是连续7天到连续30天没有启动过产品的用户。

好，这里有一个关键点，很多人都会问我，你怎么判断或者定义流失用户。我的答案是，这个阈值就是基于我们对自家业务和用户的理解，定义且通过数据逐步校准的，并没有一个官方的公式。

细分用户活跃状态

正因如此，会有一部分用户成为沉默用户或者流失用户后又被成功召回，成为老用户中非常独特的一个群体，回流用户，或者叫回流老用户。

为什么要做这样的细分呢，因为一个回流用户所面临的使用场景和体验与新增用户是非常相像的，我们同样需要激活回流用户，保持他们的持续活跃。但是他们本质上又不是新增用户，比如：金融产品，新手标这样的优惠手段，他们就无法享受。所以，必须将这类用户细分出来，进行专属运营和服务。

打个比方，如果你运营策略做的比较细致，利用规则给回流用户和持续活跃老用户不同的奖励，以刺激不活跃的用户，先完成回流，进而保持持续活跃，再领取持续活跃的奖励，最终让他变成一个高价值的用户。

用户活跃状态的变迁

同时，如果处于沉默或者流失状态的用户，由于我们的召回策略或者就是看到了我们的广告或者有什么需求的时候想到了我们，又再次访问了我们的产品，这样的用户就处于回流状态。用户回流后，如果持续访问，也会成为一个活跃老用户。

最后，如果一个处于活跃状态的用户，不论是正处于新增、回流还是老用户，随时有可能变成一个沉默用户，这也是为什么需要有数据实时监控产品里用户的状态，以便及时调整策略。

用户活跃状态对业务数据的影响

首先，从流量维度，通常我们只关注新增、活跃用户数量；如果我们来看用户活跃状态的变迁图的话，你会发现：
☞新增状态，是任一个用户的起点。
☞沉默状态，是一个用户从活跃变为流失的必经之路。
☞而任何的召回策略，用户都一定会经历的状态，就是回流。

所以，新增、沉默、回流，是整个用户状态的三个关键节点。新增大家都足够重视，沉默和回流状态的用户，往往就容易被忽视，所以，我们做流量分析的时候，要能精准的衡量拉新、促活和召回。

对新增用户的分析，在于拉新和促活
对回流用户的分析，在于召回后促活
对沉默用户的分析，在于防范未然及时召回

其次，从转化维度，我们分析的重点应该定位到真正影响转化的人群。很多企业会遇到“为什么转化降低了，怎么也找不到原因”的窘况，其实，我们要知道数据的波动最容易带来改变的就是用户。如果你每天查看的数据指标，没有拆分用户的活跃状态，比如：新增用户质量一旦降低，你的所有关键指标的转化率，都会下降。所以，在查看关键转化率的时候，一定要有所细分，细分不同用户状态的转化率，比如：首次触发的转化率；老用户重复触发的转化率。

第三，从留存维度，虽然我们总提到留存率，但实际上，90%的人对留存的分析深度是很浅的。留存相关的内容如果要展开说，涉及用户生命周期计算、同期群分析等。我建议，若要理解细分用户状态的价值，那么至少，除了新增用户留存，同时要去衡量回流用户和老用户的留存情况，才可清晰评估运营效果。

活跃是一个状态，而不是程度，细分用户活跃状态，满足处于不同状态用户的需求促使其完成转化；精准衡量用户活跃状态并制定拉新、促活、召回等策略，评估用户的价值层级，定位真正影响转化的人群，衡量处于活跃状态的用户在各个阶段的留存指标，唯有如此精细化的运营，提高不同用户活跃状态的满意度，才能最终实现业务的增长。

诸葛io的强大的用户分群和分层功能，帮助企业实时监控用户状态，挖掘用户价值，此外，针对不活跃用户，诸葛io还提供自动化的智能触达以召回（唤起）流失（沉默）用户，诸葛io更多洞察用户的功能，请点击精选推****送查看。

本文首发微信公众号 诸葛io（ID:zhugeio1）
诸葛io，你身边的数据驱动教练，点击我，免费试用~点击我，免费试用~
欢迎添加微信：zhugeio2016一起探讨交流