在一段时间内，用户在一次使用此产品的情况。团子举个例子：7月10日新增1000人，7月11日500人使用，12日400人、13日300人、14日200人、15日100人。因此10日的留存率50%，以此类推，如图。漏斗图怎么做？问百度哈～

　　（3）用户平均使用时长

　　用户在平台逗留的时间，通过平均算法，了解整体使用时长情况，排出异常使用情况。它的计算方式=所有用户使用时长之和／总人数。用户平均使用时长越高，说明用户对平台的重要性越高。因此，我们可以通过使用时长可以，作为划分用户等级的指标之一。

　　（4）用户注册数

　　在一定时期内，当前平台新用户注册情况。

　　（5）用户活跃度

　　按照某一时间内，例如15天，一个用户在平台的启动了一天，那么它的活跃度为1。如果15天之内启动2次，那么他的活跃度为2。以此类推，如果活跃度越高，说明对平台的贡献越高。

　　有一次在产品社交群中，有人问如何进行用户划分？团子认为用户的划分，主要是根据用户对平台的贡献程度，贡献程度可以根据用户使用情况、付费情况两个维度进行计算，计算的权重，根据当前平台情况。例如平台更多时注重付费，那么付费的比重相对高。

　　（6）用户流失率

　　一个观察周期内的活跃用户，如果在下一个观察周期内不活跃，则称为流失用户.用户流失率=流失用户／总用户。通过流失率了解平台走失的情况。

　　（7）用户回流

　　设置三个观察周期，回流用户指第一周期活跃，第二周期流失，在第三周期又活跃（回访）的用户。

　　了解以上几个大众的指标，通过平台得到相应的数据，然后用excel进行数据整理，作出图表。

　　在进行数据图表描述时，我们时刻需要提醒自己为什么会有这一数据的出现，什么原因导致这个结果的出现，对于当前的数据情况，我们需要进行什么样的改进，提出什么样的意见。

　　案例分析：团子以近日小黄车举办过的“全城搜集小黄人”活动为例，通过ASO100获取他们近期的下载情况，进行数据描述一下。如这是小黄车安卓系统的下载情况，活动时间是7月7日至14日，为了让大家更好的了解这次活动对小黄车新增下载有何影响，将时间周期放置从4日至18日，同时结合其他竞争品（摩拜、小蓝车）情况，进行一同分析。

　　通过以下几个图表，我们可以得知几点信息：

　　根据数据的时间周期来看，小黄车正在推出一系列相关的小黄人主题活动，从6月底到7月中旬，就开始持续的做活动。使得用户下载基数很大，因此下载总数是其他竞争品下载总数约3倍。

　　站在市场整体角度来看以下图表，我们可以观察到一个有趣的现象就是：他们三家的下载波动都十分相似和雷同，虽然小黄车通过活动刺激了他们下载总数的增加，同时也使的同行竞争品的下载幅度也伴随的增加。如果将他们的时间拉长、放远看，他们会呈现出一个固定的模式。这属于市场的波动。

　　站在用户的角度单独来看小黄车的数据。在活动初期和中旬，用户下载量属于向下的趋势，到后期下载量暴增长。团子认为，由于本次活动的时间周期为一个星期，在活动前期和中旬，用户正在忙于自我储备小黄人卡片。当活动延续到后期时（小黄车在产品的设计上面，时刻提醒本次活动即将结束、同时时刻更新获奖的人数），让用户产生了紧迫感和渴求感，使得很多用户由于手中缺少某一张卡片，希望可以通过好友互换获得那张卡，获得7元现金的奖励。因此激励用户分享、进行用户互动，使得活动后期用户下载量大增。

　　总结：前期相关活动的安排，对本次活动的推广有很大的帮助。

　　好友互换功能的设置，使得用户与朋友之间的互动大大增加，从而后期用户下载量大大提高。

　　活动的设计，包括获奖人数、活动时间的提醒，激发了用户的渴求度、紧迫感，使得活动氛围大大增加。

　　有时候因为数据的不全面性，导致数据分析的结果出现偏差。