用户行为有哪些(大数据价值挖掘)

　　对于一个互联网公司，来说，如果没有单独的数据操作岗位，那么用户的操作就是贴近数据，也必须了解用户。

　　用户运营的核心有三种方法论：创新、推广和保留。拉辛可以作为促进单独讨论的渠道，而促进和保留是相辅相成的。

　　非操作岗位，或者其他类型的操作，通常只关注活动数据的结果，而不关注活动数据的原因。在这里，我们试图比快速更好地理解主动系统

　　互联网公司对活跃用户的定义是类似的，主要是用户一旦打开APP就把用户当成活跃用户。

　　在此基础上，可以从时间维度推导出周活跃用户和月活跃用户。也就是说，如果你一个自然周打开一次APP，这个周就是活跃用户。同样适用于每月活跃用户。

　　产品专注于不同的市场领域，活跃用户每天都在变化。一个利基垂直领域产品和一个泛社会产品，很难简单地通过活跃用户的数量来定义它们是好是坏。

　　好的数据指标应该是比率或比率。

　　我们设置了一个新的指标，活跃率：一定时期内活跃用户占用户总数的比例。

　　按照时间维度，有每日活跃率DAU、每周活跃率WAU、每月活跃率MAU等。

　　例如：每月活跃用户，本月活跃用户在月底注册用户总数中所占的比例。

　　一般来说，活跃用户数指的是产品的市场容量，活跃率指的是产品的健康状况

　　事实上，必须承认，不同的产品，用户的需求(高频或低频)是不同的，活动率也是不同的。用户运营更多的责任是改变监控的活跃度，提高它。

　　产品进入稳定期后，有了一定的用户规模，新增的活跃数据对活跃数据的影响不会很大。所以按新老用户区分活跃统计就够了？我们简单定义了三种场景：

　　用户A下载了产品，后，玩了一会儿，发现这是他想要的功能。他放不下，成了发烧用户；

　　下载完产品，用户B几眼后就停用了。产品.0发布后觉得有新功能不错，就回来继续使用，逐渐成为活跃会员；

　　用户C看到是从网上，随便下载的，用产品感觉一般，吐了几句卸载了，就不用了；

　　用户包括各种类型，反映了不同群体的特点和想法。我们应该在使用产品：的整个周期中确定更全面的指标

　　流失用户：如果产品一段时间没有开通，我们将被视为流失用户。根据产品，的属性，它可以分为30天，60天和90天。

　　不活跃用户：产品已经有一段时间没有开机了。为了区别于损失，需要选择一个不重叠的时间范围。例如，流失用户超过60天没有打开产品，非活跃用户超过0 ~ 60天没有打开。

　　回流用户：如果他们有一段时间没有使用产品，然后突然回来再次使用，他们被称为回流用户。返回的用户是活动用户，他们被丢失的用户或不活动的用户回调。

　　活跃用户：产品已经开放一段时间了。

　　忠实用户：也可以称之为超级活跃用户，长期连续使用产品，如连续4周或一个月15天。

　　现在我们发现活跃用户和不活跃用户的维度都突然丰富起来。

　　用户活动可以简化为一个简单的公式：新增用户数大于流失用户数的增加。可以认为是一个水池。手术会一直往里面注水，但是池子也会漏水。如果漏水太快，游泳池就会干涸。由于市场竞争和缺乏创新，产品可能会减少新用户的数量，或者由于产品的变化和运营策略的错误，它可能会增加随后失去的用户数量。

　　用户运营商可以按日、周、月三个维度维护三个报表，并在监控主动更改数据(建议在周报表上多花点精力)。

　　如果是好的用户操作，他还会继续想：多少每天都有活跃用户变得不活跃？多少的忠实用户变得不活跃了吗？我们召回了多少，丢失的用户，原因是什么？

　　主动指标有一个显著的特点需要理解。都是后见之明的指标，也就是事情发生后我们才能观察到。比如我们发现丢失的数据在一定时间内增加了(假设APP两个月没打开)，往前推了两个月，发现当时活动刚刚上线，所以我们有理由相信是活动造成了一批用户卸载，可惜此时操作无能为力。所以沙漠之风提醒，预见性的防范比事后的观察对操作更重要。