用户活跃指标

📱 DAU & MAU - 最核心的大盘指标

📌 DAU (Daily Active Users)

日活跃用户 - 每天有多少独立用户打开了产品

统计一天内去重的活跃用户数

📌 MAU (Monthly Active Users)

月活跃用户 - 每月有多少独立用户打开了产品

统计一月内去重的活跃用户数

💡 用户粘性 (Stickiness)

DAU / MAU 这个比值反映了用户对产品的依赖程度

用户粘性 = DAU / MAU

如果比值是 20%，说明用户每个月大概有 6 天会打开你的产品

DAU/MAU 趋势示意图

                不同类型产品的粘性差异
                超高粘性：微信、抖音（DAU/MAU > 80%）
高粘性：社交、内容类产品（DAU/MAU > 50%）
中等粘性：电商、工具类（DAU/MAU 20-40%）
低粘性：旅游、求职、报税软件（DAU/MAU < 20%）

            

👁️ PV & UV - 页面浏览指标

📌 PV (Page View)

页面浏览量 - 页面被访问的总次数

特点：不去重，同一用户多次访问都计数

📌 UV (Unique Visitor)

独立访客 - 访问页面的去重用户数

特点：去重统计，同一用户只计一次

💡 业务洞察

案例：一个页面被 1 个人看了 10 次

PV = 10（总浏览次数）
UV = 1（实际访问人数）

PV/UV 比值高说明用户对内容很感兴趣，多次浏览

PV vs UV 对比示意图

⏱️ Session (会话) - 用户行为轨迹

什么是 Session？

会话 - 用户从打开应用到离开应用的一段连续行为记录

通常的判定标准：用户连续操作间隔不超过 30 分钟（可配置）

📌 Session 核心指标

Session 次数：用户每天打开多少次
Session 时长：用户每次停留多长时间
Session 深度：用户每次浏览几个页面

💡 业务应用

高频低时长：工具类产品（如计算器、天气）
低频高时长：内容类产品（如视频、小说）
高频高时长：社交、游戏产品（最理想）
低频低时长：需要警惕，产品可能有问题

🎯 优化策略

增加推送通知提升打开频率
优化推荐算法提升使用时长
设计引导流程提升浏览深度
减少加载时长降低跳出率

用户 Session 时长分布

🎯 实战案例：DAU 突然下降怎么分析？

场景：昨天大盘 DAU 突然下降了 5%，你该怎么分析？

1

Step 1: 数据验证

确认数据是否准确（埋点是否正常、统计口径是否一致）
对比历史同期（上周、上月）是否有规律性波动
检查是否有节假日、特殊事件影响

2

Step 2: 公式拆解

DAU = 老用户留存 + 新用户新增 + 回流用户

老用户留存：之前活跃，昨天也活跃的用户
新增用户：昨天新注册/激活的用户
回流用户：之前流失，昨天又回来的用户

定位是哪部分用户出了问题

3

Step 3: 维度拆解

渠道维度：应用市场、广告投放、自然流量、裂变拉新
平台维度：iOS、Android、Web、小程序
地区维度：一线城市、下沉市场、海外
用户维度：新老用户、付费/免费用户、会员等级

通过多维下钻，定位具体问题群体

4

Step 4: 归因分析

产品侧：是否有 BUG、功能变更、版本更新
运营侧：是否有活动结束、投放策略调整
市场侧：是否有竞品动作、政策变化
技术侧：是否有服务器故障、加载变慢

5

Step 5: 提出方案

短期：紧急修复 BUG、启动召回活动、增加投放
长期：优化产品体验、调整运营策略、改进留存机制

📝 面试技巧

面试官可能会问：

"如果你是我们产品的数据分析师，你会每天关注哪些指标？"

💡 完美回答框架

大盘指标：DAU、MAU（每天第一眼看的）
留存指标：次日、7日留存（看产品健康度）
engagement 指标：使用时长、Session 次数（看用户粘性）
业务指标：根据产品类型（电商看 GMV，内容看消费量，工具看功能使用率）
异常监控：设置告警阈值，及时发现问题

用户活跃与大盘指标