如何通过 “用户构成” 判断你的 App 是否“健康”？ - 千帆云

你知道你的 App 现在处于哪个时期吗？你知道你的 App 用户构成是不是最理想的状态？友盟统计针对 “ DAU>1W ”的 App 提供“用户构成”这一功能，配合友盟“变化系数”指标帮助开发者更直观的了解 App 的健康状态！

对于开发者来说，查看各种数据指标是了解 App 最基本的事儿！可是，很多开发者并不知道有些数据在运营中要怎么用？为了帮助开发者更清晰地判断 App 在不同时期是否健康，本文将具体解释如何配合【周用户构成】来使用【变化系数】这一功能，通过三种系数（新增系数、回流系数、变化系数）指标，帮你直接判断你的 App 的健康度！

友盟变化系数趋势图通过定义新增系数、回流系数、留存系数、平衡系数和变化系数，帮助运营人员对 App 的用户进行分析对比，图中，绿色为“新增系数”、红色是“留存系数”、藕粉色是“回流系数”。

处在不同阶段的 App，对应的数据表现也有相对明显的不同，从活跃用户的构成及质量，我们大致可以把 App 所处的时期分为三类：成长期，稳定期，衰退期。

处于成长期的 App，【用户构成】模型可以准确刻画增长相对平稳的 App 在划定时间窗内的用户构成，并能预测未来一段时间内的用户构成变化，但对于“一夜爆红”的 App 而言，（比如突然间迎来每周百万甚至以上级别的新增用户时），【用户构成】模型的判断就会在短期内失效。

处于快速成长期的 App，【周用户构成】中的新用户所占百分比会高于 30%，但优质健康的 App 新用户占比通常不宜超过 55% ，即当新用户占比在 [ 30% , 55% ] 区间内，且该 App 的周（日）活跃用户数处于增长状态时，我们认为此 App 是处于成长期的。

图中所示 App 在 9 周的时间里，新增系数一直保持在[ 0.3 , 0.6 ]区间内，而它的变化系数虽然趋近于 1.0 ，但是波动较大，具体在[ 0.7 , 1.25 ]范围内。

该 App 的周活跃用户数始终在上升，且其新增系数始终维持在 [ 0.35 , 0.55 ] 范围内。变化系数的变动范围则在 [ 0.84 , 1.14 ] 之间，整体趋近于 1.0 却有明显波动。

从上述两个案例中我们可以预见到，若周活跃数在给定时间窗内保持增长（即新增用户可以有效转化为活跃用户），那几乎必然会遇到以下两种情况，导致增速放缓：

处于稳定期的 App 新用户占比通常不足 25% ，甚至会有相当一部分低于 10%，即新增系数 <0.25，甚至 <0.1。由于自身处于稳定期，App 的变化系数通常稳定在数值 1.0，可能会有极小的波动。上述两个特点是几乎所有稳定期的 App 共有的，而从用户的活跃频率角度考量，App 又可以分为以下两大类：

· B 类：使用频率低，但用户粘性好的 App（活跃用户较多源自回流用户）

A 类使用频率高的 App，通常是工具类、新闻资讯类或者符合某类人群特定习惯的 App 。它们的周活跃用户数逾半数以上源于连续活跃的老用户（即连续活跃两周及以上的用户）。

从图中可以看到，图中所示 App 由于自身用户基数大，即便每周都保有较可观的新增，它的新用户占比依然会被很大程度上稀释，新增系数大约维持在[ 0.05 , 0.08 ]之间。而它的留存系数始终接近 0.8，这反映了它的用户都是高频且忠诚的。因为它处在稳定期，所以变化系数在[ 0.98 ,1.03 ] 之间，无限趋近于1.0，波动几乎可以忽略不计。

此 App 的新增系数在 0.2 附近波动，留存系数明显超过总活跃数的一半，即该 App 多数活跃源自连续活跃及以上的老用户，该系数在 [ 0.63, 0.67 ] 之间平稳波动。变化系数始终稳定在 1.0 附近。

B 类的 App 通常是小众的或者受制于自身所属类别，虽然用户粘性较好，但用户不会经常启动它们，这类 App 的活跃用户通常由回流用户贡献。回流用户占比通常高于 40% ，体现在回流系数上则为 >0.4。（由于模型本身会丢失数据，可能会把长期未启动过的用户识别成新用户，因此 B 类低频 App 新增系数通常高于 A 类的 App。）

由于 App 处于稳定期，该 App 的变化系数稳定在数值 1.0，波动极小。而回流系数则几乎始终稳定在 0.45 ，略有波动。

如图，回流系数在（0.38 , 0.5）之间波动。变化系数稳定在 1.0 。当一个 App 的老用户开始慢慢流失却没有足够的新用户补充，那么这个 App 势必会进入衰退期。当然处于成长期和稳定期的 App 之间本身界限就是比较模糊的。

衰退期的 App 单独看用户构成，会发现它的连续两周以上活跃的老用户占比比较高，特别是活跃超过四周的老用户占比尤其高。但如果关注该 App 的周活跃用户数，就会发现明显的下降趋势。由于总用户数变少，没有新用户补充，老用户的占比一定会变高。甄别此类 App 尤其需要配合【周用户构成】中的绝对值项。