用户运营核心的方法论就三个：拉新，促活和留存。拉新可以作为渠道推广单独讨论，而促活和留存则相辅相成。产品专注的市场领域不同，活跃用户数天差地别。一款小众的垂直领域产品和泛社交类产品，单纯看活跃用户数，你很难界定它们好坏。
好的数据指标，都应该是比例或比率。 我们设定一个新指标，活跃率：某一时间段内活跃用户在总用户量的占比。 按照时间维度引申，有日活跃率DAU，周活跃率WAU，月活跃率等MAU。
例：月活跃，本月活跃用户在截止月末的总注册用户中占比。
一般而言：活跃用户数，看的是产品的市场体量。活跃率，看的是产品的健康度。
实际得承认，不同产品，用户需求（高频或低频）不同，活跃率也有差异。用户运营更多的职责是监控活跃率的变化，并且提升它。
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(曾经打开过产品），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。
通俗的理解一下用户活跃的变化
回到一开始那款产品的数据，我们将分解后的新指标统计出来。（定义忠诚用户一个月内有15天活跃；流失用户为两个月没打开过）
用户活跃可以简化为一个最简单的公式：新增用户的数量要大于流失用户的增加量。可以想成一个水池，运营会一直往里灌水，但是水池也会漏水，如果漏水速度太大，那么水池就干了。一款产品可能因为市场竞争、拉新乏力导致新增用户数下降，也可能因为产品改动，运营策略失误造成后续流失用户变多。
将数据制作图表：
活跃类指标有一个显著特点需要明白，它们都是后见性的指标，也就是事情发生后我们才能观察到。比如我们发现某一段时间流失数据（假定两个月没打开APP为流失）上升，往前倒推两个月，发现当时刚好展开一次活动，那么我们有理由相信活动造成了一批用户卸载，可惜运营此时已经无能无力。先见性预防比后见性观察对运营更重要。根据不同的用户活跃状态，依据产品的特性能采取很多运营手段。这是精准化运营的第一步。接下来则是划分用户层次等，进行更精准的运营，不过那是另外的话题了。
用户运营路漫漫修远兮，用我偶然得之的一句话做结尾吧。别低头，活跃会掉，别流泪，报表会笑。
活跃度模型
活跃度可以根据用户来访、互动情况、核心功能使用频率等综合确定
- 核心用户：每周有访问、近一个月互动次数达到30次以上
- 活跃用户：每周有访问、互动次数10次以上
- 一般用户：每月有访问
- 流失用户：3月以上未访问
其它参考：
用户模型
平时工作中应用和接触到的模型主要有如下：
- a.用户基础研究：用户生命周期刻画（进入、成长、成熟、衰退、流失）、用户细分模型、用户价值模型、用户活跃度模型、意愿度识别模型、用户偏好识别模型、流失预警模型、用户激活模型等
- b.个性化推荐算法：基于协同过滤（USERBASE/ITEMBASE）、基于内容推荐、基于关联规则Apriot算法、基于热门地区季节商品人群等
- c.风控模型：恶意注册模型、异地识别模型、欺诈识别模型、高危会员模型、电商领域（炒信模型、刷单模型、职业差评师模型、虚假发货模型、反欺诈模型）金融领域（欺诈评分模型、征信评分模型、催收模型、虚假账单识别模型等）
- d.产品知识库：产品聚类分类模型、产品质量评分模型、违禁品识别模型、假货识别模型等
- e.文本挖掘、语义识别、图像识别（牛皮癣识别）
小结
MAU标签
- 僵尸用户: 只注册未交易 （用户表）
- 0：新增用户：本月注册
- 1：流失用户：本月无交易，上月有（月度表）
- 2：沉默用户：本月无交易，上月无（月度表）
- 3：活跃用户：本月有交易，上月有交易
- 4：回流用户：本月有交易，上月无
- 5：忠诚用户：本月有交易，上月是活跃用户
- 6：VIP用户： 本月有交易，上月是忠诚用户，且每月充电次数大于15
参考资料