摘要：友盟通過大量的數據積累和試驗，發現時間粒度為周的用戶構成模型以下簡稱是最為準確有效的。下圖所顯示的是低頻類周用戶構成的示例不過忠誠用戶對它們而言依然重要。開發者需要及時采取適當措施避免大量用戶不可逆流失。

友盟為所有DAU曾經達到過1W的App自動開放了“周用戶構成”（WAU Model）功能，不少開發者反饋說這個功能好用，對自己App的數據運營起到了很大的幫助，但是也有不少開發者給我們反饋說花花綠綠的圖示數據，不知如何去看。本文為大家詳細介紹了“周用戶構成”指標的使用方法，幫助開發者更清晰的知曉自己App的活躍用戶構成，從而更全面地了解App質量。

為什么我們要關注“周用戶構成”（WAU Model）

通常而言，App開發者或者投資人都更傾向于關心相應App的DAU（日活躍用戶數量）這類易得的指標，借此直觀感受App的發展情況。但DAU這類指標除了數據噪聲大（經常劇烈波動且易于摻水）外，更不應被忽視的缺點是，它們將所有活躍用戶都視為同質的。這無論是從預測未來某時間段內活躍用戶規模的角度而言，抑或是針對某些未來價值更高的用戶做精細化運營的層面講，甚至于是評估通過不同渠道獲得用戶質量的差異來說，都不夠恰當。

幾乎對于所有行業而言，如何吸引優質新用戶，如何維護忠誠老用戶，始終都是重要課題，顯而易見，能夠這樣做的基礎必定是先明了究竟誰是新用戶，誰又是老用戶。友盟通過大量的數據積累和試驗，發現時間粒度為周的用戶構成模型（以下簡稱WAU Model）是最為準確有效的。

什么是“周用戶構成”（WAU Model）

友盟的WAU模型，在把活躍用戶做簡單有效分層的基礎之上，引入了離散時間的狀態轉換Model。下圖是友盟Demo中給出的WAU模型的展示：

可以看到，在該模型中，友盟把用戶分為7類，除了6種活躍用戶外，還體現了流失用戶。我們把每一種用戶分類視為一種用戶狀態，其中各狀態間的轉移關系示意圖如下：

很容易注意到，這個模型中的“流失用戶”和“忠誠用戶”這兩個狀態都可以返回到自身，即“流失用戶”下一周的狀態仍可以是“流失用戶”，“忠誠用戶”下一周可以繼續做“忠誠用戶”。友盟的WAU模型中，有且僅有這兩個狀態是具備這種性質的，剩余的狀態都不可能具備此性質，比如，處于“連續活躍3周”狀態的用戶，下一周的狀態只可能是“流失用戶”或是“連續活躍4周用戶”，絕不可能繼續處在“連續活躍3周”的狀態。

對應上述的轉移關系，我們可以得到相應各狀態間的轉移概率，進而得到轉移矩陣，從而在App各種外部情況不發生劇烈變化前提下能夠準確估算相當長時間的用戶構成情況。另外在用戶成分轉化功能中，友盟把狀態間的轉移及相應轉移概率做了可視化：

由此可以直觀看出，新增用戶的留存轉化：

甚至是用戶的流失情況：

感興趣的開發者可以直接點擊相應界面右上角的演示視頻來做進一步了解。

計算轉移矩陣除了可以明晰用戶成分間的轉移概況，更重要作用則是對未來的用戶構成做預測。下圖Demo中藍色的部分即為對未來WAU構成的預測。模型需要開發者自行設置“新用戶數”，默認設置為使用上一周活躍用戶數，但我們更鼓勵開發者根據對自己App的客觀評估將此更改為更合理的設置。友盟對WAU模型有一套完善的檢驗體系每周對模型的質量予以檢測，WAU模型的誤差通常控制在10%甚至于5%以內。

另外，WAU模型是暗含時間序列信息的，開發者可以直接由此得到初步清洗過的數據，完成感興趣部分的時間序列分析。

怎樣使用“周用戶構成”（WAU Model）

在確定自己App是高頻還是低頻之后（可以查看之前“變化系數”一文），對于高頻App，通常一個用戶連續活躍的周數越多流失的概率也就越低，流失后再回流的概率相對也更高。此類App的開發者，應主要關注新用戶的轉化率及忠誠用戶的留存流失情況。優質的高頻App發展到一定規模以后，連續活躍5周及以上的忠誠用戶通常會貢獻一半甚至更多的WAU。下圖顯示的是高頻類App“周用戶構成”變化示例：

忠誠用戶也會流失，且這種情況由于各種原因是無法避免，不過由于總會有新用戶補充并繼續轉化為忠誠用戶，所以忠誠用戶的規模依然會逐步變大并最終穩定下來。換言之，當忠誠用戶數量開始出現持續減少時，就需要引起App開發者的注意，因為這些App最優質用戶的流失是整個App活躍用戶規模開始縮水的前兆。而對于低頻App，連續啟動數周是一個相對苛刻的條件，它們的回流用戶相對而言是更重要的構成成分，也正是由于這個原因這類App通常在規模上不及高頻App。下圖所顯示的是低頻類App“周用戶構成”的示例：

不過忠誠用戶對它們而言依然重要。這類App的開發者應該更關注忠誠用戶的數量而非百分比（但數量級至少應為千）。因為只要忠誠用戶的數量是在持續上漲的，哪怕占比低，也能從側面體現App受歡迎的程度和未來持續發展的可能。

再來特別談一下新用戶。對于處于任何一個生命階段的App而言，無論高頻還是低頻，無論是想要持續的增長還是想要保持穩定的規模，新用戶的注入都必不可少。但App需要健康的發展，相比于關注新用戶，新用戶的轉化（或者回流）才是更重要的指標，一味追求新用戶的數量而非質量的App不會成為成功的App。比如以下這種情況：

可以看到這款App的每周的新用戶到了下一周幾乎全數流失，沒有忠誠用戶或回流用戶。

發生這種情況的App并不在少數，通常出現這種情況的原因為：
開發者惡意刷友盟數據；
推廣渠道質量非常差；
也可能是開發者錯誤集成了友盟SDK。

最后，開發者可以通過友盟在之前給出的WAU構成的預測值與屆時的真實值之間的差異來對自己的App做簡單有效的評估。一般來說，差異都小到可以忽略，不過還是有值得注意的情況：

當預測值大幅小于真實值時，即App活躍用戶被低估。這種情況通常是由于App在快速成長期本身就更可能吸引到大量不可預測的新用戶或者是做了行之有效的推廣，這時除了及時更改預測新用戶設置外，開發者更要接下來特別關注后續留存轉化情況。

當預測值持續大于真實值時，又要細分兩種情況：
幅度較大（>30%）時，表明App之前有刷量嫌疑或者自身類別屬性（多見于游戲類和旅游類）限制使得用戶量周期性下跌；
幅度較小（10%左右）但持續時間較長（8周及以上），這種情況多發生在App的WAU量級穩定在較大規模后。這多是App開始失去吸引力，用戶開始緩慢流失的信號。開發者需要及時采取適當措施避免大量用戶不可逆流失。

用好WAU Model（周用戶構成模型）可以幫助開發者更好了解自己的用戶從而反觀自己的產品，制定更合理的發展目標使用更精準的運營策略。

點擊“閱讀原文”，查看“周用戶構成”Demo。