数据化运营04 DAU、MAU、UV：谁是最有参考价值的活跃指标？

活跃类指标是重要的用户质量指标，代表了产品上真正的用户，代表了具备营销价值的用户群，是几乎所有产品运营的重点。

在这一讲中，我会主要向你介绍 UV、DAU、MAU，以及每日使用时长和每日打开频次等指标。

你是否思考过：这些指标，哪一个最能体现活跃度？哪一个最有参考价值？以及应该挑选哪一个作为活跃指标，来作为接下来的业务运营的导向？

我可以先告诉你答案：这几类活跃指标，各有各的特性、优势，你的业务具体需要参考哪个指标，还是取决于你的业务的发展阶段和特征，并没有标准答案。

当你理解了每个指标背后的意义、用途了，你也就知道了哪个才是最适合你，最具有参考价值的指标了。

独立访客 UV，何为“独立”？

UV（Unique Visitor），即独立访客，是所有活跃类指标的基础。它是一个非常古老的概念，早在互联网诞生之初，就有了网站的独立访客概念。

我们从 App 和 Web 两类产品来讲 UV “独立”的界定。

1.App 产品的独立访客

App 产品的独立访客的界定相对容易和清晰，一般而言是通过设备和用户标识符来进行，即同一个设备（设备 ID、IMEI、UUID 等）就是一个独立访客，同一个用户标识符（手机号、用户名等）也是一个独立访客。

问题来了，用户如果更换手机呢？假设你用的是华为手机，平时会看看今日头条，那么对于今日头条你就是一个独立访客；可是过两天你把手机换成了小米，这时候今日头条还会把你算作一个新的独立访客吗？

答案是不一定，有三种情况：

产品已有用户标识符，用户更换手机，若未登录，则独立访客 +1；
产品已有用户标识符，用户更换手机，若登录，则为独立访客不变；
产品没有用户标识符，用户更换手机，则独立访客 +1。

这里的“已有用户标识符”，意为你已经用手机号、微信号、邮箱号等账号注册过该产品。

关于“用户标识符”，你可以回顾《03 | “虚荣”的注册指标，“有效用户”应该如何界定？》。

说白了，就是能识别出你的账号，那么独立访客就不变；若不能，就会将你视为另一个独立访客，则独立访客 +1。

2.Web 产品的独立访客

Web 产品界定独立访客的核心逻辑是基于 Session、浏览器标识等方式。

Session，又称会话。

当用户打开 Web 页面，也就是创建了一个 Session 会话。如果用户在接下来 30 分钟内没有任何动作，此次会话自动结束，此时对于这个 Web 页面，将计作一次独立访客。

浏览器标识，稍微复杂一点，分为是否独立浏览内核和浏览器代理，这里不做详述，直接说几种情况。

如果在一个浏览器中打开 5 个 A 网站，对于 A 网站是几个独立访客呢？

这要看浏览器的标签页配置，是否为独立内核访问。如果是独立内核访问，则为 5；否则为 1。

如果在电脑上打开两个浏览器，分别打开 A 网站，对于 A 网站是几个独立访客呢？

这取决于网站对于独立访客的计算逻辑。如果不做任何计算，那么独立访客就是 2；如果按照 IP 地址计算，那么独立访客就是 1。

想一想：如果一屋子 10 个人连接同一个 WiFi 访问 A 网站，那么独立访客又是多少呢？

这个问题非常大的现实意义。对于 Web 产品而言，不像 App 产品可以获取很多比较能够标识用户的数据，所以基本上都是通过浏览器标识、Session 以及 IP 地址这三种数据来计算网站的独立访客。

DAU，每日活跃用户

DAU，众所周知是每日活跃用户，那么什么是活跃呢？

其实活跃这两个字是一个非常模糊的概念，因为活跃的范畴实在是太大了，目前常用的活跃口径有：

基于单一指标：启动 App、登录 App、点击某一功能。
基于多个指标：打开 App 后且停留时长超过 5 秒。

【问题 1】

与刚刚独立访问 UV 指标类似的逻辑，我们再分析一个问题：我有两台手机，今天分别打开产品 X，那么产品 X 的 DAU 是多少？1 还是 2？

答案同样是不一定，回答这个问题前需要明确产品 X 的 DAU 口径：

如果 DAU 口径是启动 App 的设备数，那么产品 X 的 DAU 就是 2；
如果 DAU 口径是启动 App 的用户数，那么产品 X 的 DAU 就是 1。

【问题 2】

再深入一点：我有两台手机，今天分别打开产品 X，在手机 A 上打开产品后立刻就退出了，在手机 B 上还用了一会儿，那么产品 X 的 DAU 是多少？1 还 2？

答案同样也是不一定，回答这个问题前，仍需要明确产品 X 的 DAU 口径：

如果 DAU 口径是启动 App 的设备数，那么产品 X 的 DAU 就是 2；
如果 DAU 口径是启动 App 的用户数，那么产品 X 的 DAU 就是 1；
如果 DAU 口径是启动 App 且停留超过 2 秒的设备数，那么产品 X 的 DAU 就是1；
如果 DAU 口径是启动 App 且停留超过 2 秒的用户数，那么产品 X 的 DAU 就是1。

【问题 3】

继续深入一点：我有两台手机，今天分别打开产品 X，在手机 A 上未登录使用，在手机 B 上登录后使用，那么产品 X 的 DAU 是多少？1 还是 2？

答案同样是不一定，回答这个问题前，仍需要明确产品 X 的 DAU 口径：

如果未做用户同一化，且 DAU 口径是启动 App 的设备数，那么产品 X 的 DAU 就是 2；
如果未做用户同一化，且 DAU 口径是启动 App 的用户数，那么产品 X 的 DAU 就是 2；
如果已做用户同一化，且 DAU 口径是启动 App 的设备数，那么产品 X 的 DAU 就是 2；
如果已做用户同一化，且 DAU 口径是启动 App 的用户数，那么产品 X 的 DAU 就是 1。

那么到底应该以设备数还是用户数作为 DAU 口径呢？这取决于你的产品特征。

以设备数作为 DAU 口径的场景，一般集中在渠道运营中使用。因为渠道运营主要负责拉新获客，新流量首次启动产品时并未注册用户，所以以设备数来反映拉新效果。
此外，还有一类产品也主要以设备数作为 DAU 口径，那就是工具类、服务类产品，例如健身 App、各类手环 App、导航 App 等。用户无须注册即可使用大部分功能，即使登录也仅仅是方便记录一些用户产生的历史数据。
以用户数作为 DAU 口径的场景，一般集中在必须注册才能使用核心服务，或必须注册才能使用 100% 服务的产品中。这些产品非常关心用户的账号信息，并且后续的功能和服务也与用户的账号信息息息相关，例如社交类、电商类产品，基本上不登录、不注册就不能完成核心业务流程，例如无法购买、无法加好友等。

MAU，每月活跃用户

MAU 常见于工具类、服务类产品，业务上一般认为用户在一个完整自然月中至少使用产品一次，即可计入 MAU。

MAU 有以下几个特点：

考察 MAU 的产品，按自然月为 30 来计算，至少有 1/30 的概率可以接触并营销用户。
由于营销概率很低，故考察 MAU 的产品，其用户终身价值较高，或用户贡献的客单价较高，或用户的黏性较高。
例如几乎所有的银行信用卡 App 都只考察 MAU，原因在于这类产品的用户都是该银行信用卡的用户，一般会持卡约 3~5 年，甚至更久，并且在持卡期间用户的收入贡献一般在万元级别，远高于其他互联网产品。
由于 MAU 考察的周期是自然月，所以针对 MAU 的营销活动周期都很长，一般为 2~3 周，甚至更久。

考察每月活跃用户，是因为希望用户能够每月都打开产品，不要求培养用户使用习惯，因为一个月至少来一次实在难以和用户习惯联系起来。

通常是基于用户的强需求来承载每月的活跃用户，大部分都是“非我莫属、独此一家”的功能或服务。比如，运营商的话费查询和充值、信用卡的还款分期等均属此类。

除了 MAU、DAU，每日使用时长和每日打开频次也是典型的活跃类指标，那么这四者间有什么关系呢？

MAU、DAU、每日使用时长、每日打开频次的关系

在刚刚提到，你需要根据自己产品的发展阶段和情况，来选用活跃指标。那么这四者分别代表了怎样的发展情况呢？它们之间又有什么联系呢？

1.当 MAU 运营到极致时，就会变为 DAU

此时活跃类指标看起来是时间维度的缩减，但是从 MAU 到 DAU 的变化，会带来用户运营体系的完全改变。这意味着之前的用户低频需求场景变为了用户的高频需求场景，不仅需要资源和时间转换用户习惯，更需要从运营体系上做出根本性变革。

例如，运营商和金融产品，绝大多数是属于 MAU 的范畴，为了从 MAU 提升到 DAU，他们无一例外地加入了 DAU 专属场景，包括内容资讯、签到、打卡等，并在 MAU 场景和 DAU 场景的相互协调和联动做出了巨大的投入。

2.当 DAU 运营到极致时，就会变为“每日使用时长”

当产品已不满足用户每天只来一次，而是希望每次用户打开产品，都尽可能地延长使用时长时，就会以“每日使用时长”作为活跃指标。

因为用户在产品上的使用时长越长，就越有机会去触达和营销用户。

很明显，一个单日使用时长为 5 分钟的产品，和一个单日使用时长为 75 分钟的产品，两者能从用户身上完成转化的概率对比，显然后者优势更大。

当从 DAU 转为“使用时长”时，产品要增加很多特殊场景。以内容分发产品为例，就不再是基于时间线来分发，而是基于算法来分发，力图让用户“刷不完”；原本图文类内容就要增加短视频、长视频或直播类，能够“杀时间”的场景。

3.当“使用时长”运营到极致，就会变为“每日打开频次”

当产品不满足用户每天都是用 75 分钟，而是希望用户能够一天内多次使用产品时，就会以“使用频次”作为活跃指标。

使用频次的提升，同样意味着能够触达和营销用户的概率增加，但难度也在增加。

从“使用时长”到“使用频次”指标的转变，需要考量用户在脱离产品场景的情况下，选择合适的触达方式和触达渠道来引导用户打开产品，并避免对用户造成频繁打扰，这个难度非常高。

所以很多时候还会借助品牌营销、外部合作方、营造爆点等来提升用户单日使用频次，那么怎么做呢？想做到在脱离产品场景的情况下，又不打扰用户，有什么有趣的打法吗？

这个也是我们产品运营最头疼的问题。因为想提升使用频次，最常用的就是通过 PUSH 来吸引用户回来，只要用户离开 App，或者检测到 App 进入后台休眠，就马上下发 PUSH 把用户召回来，但这样会严重影响用户体验。

以 UC 头条为例，PUSH 的下发有严格限制，24 小时内最多下发 6 条，相邻 2 条之间至少间隔 4 小时，紧急的 PUSH 必须走绿色通道才能下发，以及下发时必须分客群下发，绝大多数情况严禁全量下发。

所以，为了保证用户体验，在用户脱离产品后，我们会通过其他有趣的方式来提升用户使用频次。

品牌营销。在产品场景外，在合作品牌的场景中去触达用户，吸引用户回到产品。最常见的场景就是在咖啡厅、餐厅等的收银台通常会有银行类 App 的二维码，例如“扫码领 100 减 20 优惠券即刻使用”。这样就在第三方品牌的场景中达到自己产品的露出，以提升使用频次的效果了。
外部合作方。这类方式也就是做产品投放，将自己产品在其他产品中露出，可以设置钩子策略吸引用户，也可以仅仅是做展示。我们常讲的社交化传播就属此类，在各个社交平台通过内容、广告等形式来露出我们的产品，并吸引用户打开使用以提升使用频次。
营造爆点。这类方式是通过内容运营来推爆点出来。内容爆点一旦出来，马上跟进产品的核心服务或者价值主张。可以参详支付宝或微信的例子，基本上每次有一丁点大的新功能出来，全网都能看到各种“微信终于更新这个功能了”之类的内容，用户也基本上会马上打开微信去找这个新功能。这种方法的成本很低，是非常有效提升产品使用频次的好办法。

最后，我将以上四类指标的运营难度和资源需求汇总为下表，可供你参考：
图片1.png

关于“活跃”，两种特殊情况的界定

1.闪退算不算活跃？

对于 App 而言，闪退是不可避免的糟糕场景。那么对于活跃来说，App 发生闪退是否会计入活跃呢？

技术上，闪退会计入活跃，因为用户确实启动了 App，只是在启动过程中出现某种错误导致正常启动流程被中断；但是业务上，闪退不是正常的业务流程，所以应当考察成功启动 App 的用户量。

所以，对于产品同学而言，在 App 每次发新版本，以及操作系统升级时，都需要重点关注活跃指标的变化，来判断其过程中是否发生了闪退等异常情况。

2.后台唤醒和调起？

那么，后台唤醒和被其他应用静默调起算不算活跃呢？

在 Android 系统中，有一个有趣的特性，叫作 Service，即后台服务。它能够支持以无 UI 界面的形式在后台静默运行，同时也支持被其他事件在后台唤醒和调起。当 Service 被调起时，可以监听用户行为，并向后台发送数据。

所以，后台唤醒和被其他应用静默调起时可以计入活跃。

很多互联网的产品都属于同一个企业，通常也会借助这种方式来在各个 App 间共享数据，目的就是提升用户体验，以及提升活跃。

小结与预告

本节课把活跃仔仔细细地聊了个底儿亮，讲解了 DAU、MAU、UV 的业务意义，以及它们之间的联系，深刻认识到了“活跃”对业务的重要性。

“活跃”之后的下一城就是“留存”了。

你对留存的理解，也是片面地认为这仅指的是“用户留存”吗？其实留存关注的方面非常多，在下一讲《05 | 关注用户留存就够了吗？值得你关注的另外 3 种留存》会让你对“留存”有新的理解。

那么此时此刻，你对“留存”的理解又是什么呢？欢迎下方留言区与大家讨论。

精选评论

**铭：

IP地址计数的话，我任务一群人使用同一无线网计数，应该是分别计数的。现在无线网基本上会给每个用户分配独立IP地址。但是之前开发跟我说，公司内网每个人的IP是一样的，所以计数是1。我也有点迷糊了，是因为公网和私网也有区别么？

讲师回复：

是啦。公网地址只有256x256x256x256这么多点，所以只要通过路由器出去的大家都是同一个公网IP，所以用IP地址是能做为DAU计算的。

*辉：

不错

**潭：

这位讲师讲的真的很棒，想请教一个问题，一个手机登陆，一个手机未登录，为什么做了账号同一化，统计口径为用户数时有1（没识别出账号不应该是2个嘛）个DAU呢？未登录的手机只能知道设备号无法获取账号，怎么能知道和登陆的手机是同一个账号（用户）呢？感觉和上文的这句话矛盾：产品已有用户标识符，用户更换手机，若未登录，则独立访客 +1；

讲师回复：

是，我提到归一化的三种方式，这里仅仅举例了用设备标识符来处理的场景。事实上，后台在分析重复用户时，还会用到很多其他维度的信息。工程中已大量基于ip地址、LBS、使用时间、停留地点、停留时长、用户兴趣等来判断是否为同一个用户。例如，我有两台手机，都装了抖音，一个登陆，一个没登录，不论我在办公室，还是家里，还是地铁上，只要有过使用，抖音都会上报当前的地理位置（非常精确）以及ip地址，我依然可以判断出这两个用户极大概率是同一个用户。