产品思考:资讯产品日活跃用户天花板该如何计算?
结合市场现状及合理假设,请推算出资讯类 App 日活跃用户数 DAU 的天花板?
前 2 天,一个产品群有同学发了上面的问题,说是今日头条的面试题,想要大家帮帮忙。这道题考察的产品经理两方面知识:行业认知及逻辑推理。
每个的理解不一样,自然得出和结果值也会不一样。我试着从个人理解的角度去推导下。
先上答案:3.76 亿。
常规想法
看到题目后,第一想法是用下面的公式,
日活跃用户 = 用户总量 * 日活跃率。
用户总量天花板 = 中国移动网民总数 * 网民使用率。中国移动网民总数
而日活跃率并不适用在这里,主要存在两个问题:
- 波动性大。当新版本发布或者做活动时,日活跃用户数会增大,数据会发生突变。
- 获取较难。市场上容易获取的是活跃用户数et的数据,用户总数很难查到出处。
所以,上面的公式不适用问题答案的计算。
寻找稳定因子
想要得到相对准确的数据,又需要参照市场现状,就必须使用相对稳定的变量,从不断变化的数据寻找变化较小的因子。我的想法是下面的公式入手:
DAU / MAU
先说下为什么使用这两个量,它的参照意义在哪里?
用户增长是持续获取用户的过程。获取新用户后,用户的留存率在开始的时候很高,随着时间推移,慢慢下降,用户不断地流失。长期来看,用户想要持续增长,用户留存率就必须稳定。留存下来的用户就是活跃用户的基础。
想象有一个「活跃用户池」,每天都有新的水加入进来,还也有一部分蒸发走(类比下图)。从活跃程度来看,留下来用户又有不同的分层,可以分为:
- 每日活跃。按自然日,在当天内有使用。
- 近期活跃。按自然日,在过去 6 天内有使用。
- 中期活跃。按自然日,在过去 6-30 天内有使用。
每一层用户占总用户的比例相对稳定的。每日活跃的用户向上蒸发,变成近期活跃用户;近期活跃用户向上蒸发,变成中期活跃用户。中期活跃用户,向上蒸发,变成流失用户。反则,每一层用户向下沉淀,活跃度提升,变成黏性用户,每日都会使用产品。
每日活跃用户数 / (每日活跃用户数 + 近期活跃用户数 + 中期活跃用户数),可以用来衡量用户的黏性。活跃用户总数不变,每日活跃用户数增长,即代表产品黏性增长。产品的黏性由产品功能决定的,中短期内是稳定的。
日活跃用户(DAU)即对应每日活跃层的用户数,月活跃用户数(MAU)可以看作用户 3 层用户数之和。这里,月活跃用户数不必与分层有一一对应的关系,重要的是提供一个更大的活跃范围的总数量,来得到稳定的比例。
DAU / MAU 就等同于这个比例。
计算
因此,在一定时间范围内,可以使用历史比例来推算未来的数据。
同理,产品黏性是稳定的,那么它的月活跃用户率也是稳定的。
假设 DAU / MAU = p, 月活跃用户率 = q,用户总数 = m
DAU = p * MAU = p * (q * m)= mpq。
现在分别计算三项乘积的最大值。
m的最大值
m。按 CNNIC 统计,2017 年底使用网络新闻 App 的网民有 6.20 亿,中国网民里手机上网普通率已达 97.5%,增长率开始逐年趋缓。手机上网用户数的极限是网民用户数。
如果按发达国家互联网普及率来看的话,互联网渗透率也能达到 97.5%(参考:世界互联网发展报告 2017-总论)。按国家人口规划,2030 年,中国人口规划达到峰值 14.5亿。假设2030年后,达到发达国家水平。
m = 14.5*97.5*97.5% = 13.78
p的最大值
p。参考易观千帆17年8月份的腾讯新闻数据:1.2559 / 1.23059 = 54.46%。腾讯是移动互联网下最大的流量入口,作为社交流量渠道分发下的新闻应用,腾讯新闻到基本上代表资讯行业黏性的天花板。
另:今日头条在 2016/8,2017/8 的 DAU / MAU 分别为:47.6%,51.00%。后者较前者提升了 7.73%,主要原因是今日头条在2017 9 月份开始发力扶持短视频,提升了产品黏性。
q的最大值
q 。参考 2017Q4 的活跃度 q = 50.14%。
到 2030 年,DAU 天花板达到最大值:DAU(max) = 13.78 * 54.46% * 50.1% = 3.76 亿。
按这个目标值来算,日活跃用户平均每年增长率要达到 9.3%。
#专栏作家#
lei,微信公众号:monster_talks,人人都是产品经理。丰巢产品经理。主导过智能硬件,物流行业的启动项目。专注To B业务策划和数据分析,辅助业务决策。
本文原创发布于人人都是产品经理。未经许可,禁止转载。
题图来自PEXELS,基于CC0协议
同请教作者,1.2559 / 1.23059 = 54.46%,这个数据有些问题,想知道下更正后其实应该是多少呢?
想请教一下作者。1.2559 / 1.23059 = 54.46%,这里的1.2559和1.23059是指什么呢?为啥得出54.56%?
有两个点想和作者探讨一下:
1.DAU/MAU构造粘度的概念认可,但是为什么近似为“每日活跃用户数 / (每日活跃用户数 + 近期活跃用户数 + 中期活跃用户数)”而不是“每日活跃用户数 / 中期活跃用户数”,中期活跃用户数已经包括了每日活跃用户数和近期活跃用户数,如果是构造比例的概念,分母加和的三个部分不应该是有重复的,而且MAU不就可以近似为中期活跃用户数么,这是问题一。
2.对于日活跃用户率q的定义,作者使用了2017Q4的数值,这份数据的图标标题也写到头部效应渐显,所以是否有考虑在DAU达到天花板时q值应该是大于50.14%的呢?以资讯类为例,2016年微信周活跃渗透率就在80%了,如果资讯类发展成熟以后,头部的占比应该明显高于50.14%的吧。
以上只是我个人观点和疑问,毕业即将入产品坑,希望能和产品的前辈和伙伴们多多交流
每日活跃。按自然日,在当天内有使用。
近期活跃。按自然日,在过去 6 天内有使用。(作者的过去6天是不包含当天的)
中期活跃。按自然日,在过去 6-30 天内有使用。(不包含近7天)
希望能对你的第一个疑问有帮助
求进产品群~
可否拉进一下产品群 🙂
新增用户中次日留存的用户=历史留存用户中损失的数量,二者数值相等时我们大体上可以确定是最大日活数(只能是大体上,因为时间维度太窄)。昨日活跃用户用户X,次日留存率Y,次日损失率Z,已x为自变量形成Y(x),Z(x),使得Y(x)=Z(x),对x进行求解。数据模型建的好,准确率会高。