提升DAU的数据分析和对比方法大全，你get到了没？

当业务方问:那我想拉升DAU，能做啥？ 数据分析师只能颤抖着回答:是的！是的！高！今天系统讲解如何打破僵局。 1、提升DAU常规做法 提升DAU，操作有的是现成的套路，有诗为证:搞DAU》 用户激活一句话 签到转盘种小花 假如手头没有费用 简单来说，如果你有钱，你会得到签到奖励和在线XX每分钟得分，每天登录摇豆子，种花种树7天XX礼物。没钱的话，就发文蹭热点，骗眼球。每个人每天搓手机，或多或少都被这些套路经过。问题是: 第一：这些手段操作自己都知道，根本不需要数据分析。 第二：手段真的有效吗？大部分都是人走茶凉，治标不治本。那么，从数据分析的角度来看，如何摆脱像布谷鸟一样每天喊涨跌的关键呢？DAU的本质 在DAU数字背后是产品满足用户需求。1.满意度越高，用户持续登录越多。DAU自然提升。 2.只有在特定场景下满足用户需求，用户才会在特定场景下登录(如大促销、新产品上市等)……） 3.如果没有明确的场景，只靠流量和奖励来维持，最终的结果就是人走茶凉。另一个问题是如何向用户推送信息。用户登录后才生成DAU，用户登录后才会发生打卡、签到、种树。如果用户不登录，只有推送信息和裂变才能吸引用户点击。你可以看到你的手机每天收到多少信息，点击多少，你可以直观地感受到向用户推送信息的困难——你可以得到用户的青睐APP真的很少见。因此，虽然许多用户名义上没有流失(不符合流失统计标准)，但实际上已经处于流失状态。不区分用户类型，简单的地上签到、抽奖、大转盘，只能让现有的活跃用户收集更多的羊毛，失去用户或不响应。综上所述，要节约成本，避免人走茶凉。站在用户的角度： 1.区分用户活动(重/轻/流失) 2.找出用户感兴趣的东西(活动/内容/商品/折扣) 3.找到向用户推送信息的手段(短信/APP只有这样，信息推送/裂变才能有针对性地详细解决DAU问题。特别是探索不花钱就能保持用户活跃的场景，从而减少盲目花钱拉大转盘。3.做好用户分层工作 对用户活动进行分层相对容易。通常，用户可以统计过去90天（季度）/30天（月）/7天（周）的登录天数，区分频繁登录、偶尔登录和未登录用户。如果你想做得更复杂，你可以学习RFM建立用户活动模型RFA(下图)。 这可以区分重/轻/丢失的用户。困难在于找出用户感兴趣的东西，并为用户登录提供直接理由。在这里，我们需要利用用户群分析来分析用户过去的消费/活跃行为，找到用户感兴趣的点。例如，电子商务APP，用户感兴趣的可能是:1。有大促销，图便宜(意味着日常登录很少) 2.有爆款产品抢货(意味着浏览/收藏/购买/消费是特定商品) 3.某个品牌/店铺非常忠诚(意味着浏览/收藏/购买/消费是特定品牌/店铺) 4.收集好处(意味着活动参与率/积分兑换率/优惠价格购买率很高) 5.几个平台的价格比较(没有购买记录，但有关注某些类别的浏览记录) 6.随便逛逛(无购买记录，无重浏内容) 7.被推广活动吸引的新人(没有购买记录，浏览记录很少) 在这些场景中，1-4意味着用户的行为将集中在一定的时间段、品牌/产品上，因此更容易捕捉到。前提是需要标记商品/活动/优惠类型，然后根据商品/活动/优惠类型标签对用户进行分类。这可以更快地输出分析结论。否则，数万人SKU，数千个活动名称一一提数，不但工作量大，而且看不出任何问题(如下图所示)。 在5、6、7的情况下，数据本身将非常少和分散，很难从过去的消费体验中找到规则，就像分析重度用户一样。此时，用户的兴趣点更多地被测试：通过初始线索测试各种可能性（如下图所示）。 更好的方法是准备操作的三板斧:市场上最具竞争力的武器。短期内，一个APP能卖的爆款产品数量有限，能吸引的核心用户也有限。因此，对于轻度用户和新用户，可以直接推送最好的产品/内容，一方面可以直接改进DAU，另一方面，测试用户需求，获取数据。4.用数据检查拉升效果 通过场景分类，可以区分和提升DAU从而总结出行的有效手段。注:很有可能已经有固定的活动/信息推送在操作中。只是这些活动没有触及到达的人，或者不符合对方的需要。这样，用户分类和场景划分完成后，可以根据现有活动/信息的相应情况制作相应的表格。观察哪些用户没有被覆盖，哪些用户有偏差，需要优化(如下图所示)。 这样解释为什么？DAU当它再次下降时，可以得出更多的结论：因为我们不关心这群用户，因为我们没有抓住用户的需求，我们可以看到什么已经被推了，然后尝试更多不推的可能性，直到我们找到更好的答案。5、总结 本质上，拉升DAU分析手段的目标不是找到一种手段，而是找到低成本的手段。大家都知道，只要愿意给死里打折，只要愿意送0.99元一盒鸡蛋，用户肯定会活跃，还会呼朋友来活跃。数据分析的价值在于在盲目推广中找到更刚性的需求，从而降低成本，保持更贴近用户需求的活跃。但这样做需要大量的基础数据建设，如商品/活跃/折扣/内容/用户。从基本标签建设到分版测试信息推送效果，需要逐步积累。指望一份分析报告出来肯定是不现实的。这里一定有学生会问：如何建立标签库来支持这些长期工作？-END- 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。