对事物的情感态度

这个就叫做 物质饱和综合症。

其实现在的社会节奏很快。

每个人的物质需求也在不断的得到满足。，

我们久久期盼是事情或东西很容易 或者很快就可以等到。。

所以当我们得到以后就没有了以前的难中好奇和喜悦感。。

这就是这个物质的社会给我们造成丧失的精神喜悦感。。。

这也就是 当今社会的人们为什么这么喜欢 猎奇的原因了。。。

思想跟感情属于两个方面的不同，只不过是在某一个条件下的交织而已，对于思想的话，只有想对某一件事情或是人的好感，想交往，那么这就是一个第一印象，非常重要，就跟看到一个非常喜欢的物件，想尽一切办法去得到

感情的话就是你以已经得到了该物件或人，你要确保关系的维系，需要维护呵护或者爱抚他（它）

当产生了变化是你自己的思想跟你之前得到和已经得到的东西已经变质，跟你之前的出发点和想要的东西不一致，导致后期的变化

工具改变一个时代，或者说，时代的变革都离不开工具的变革，这或许是工具类的产品给我们带来的最大的吸引力。

时代便是如此被工具所影响，作为产品经理而言，我们也将会被工具所影响，包括墨刀，钉钉，蓝湖，石墨等等，越来越多新的工具变革在悄悄的改变着这个行业。

当然，这篇文章的主角：MTA（腾讯移动分析），也会持续发生新的变革，发挥他作为工具的使命价值，为整个移动互联网行业带来新的数据驱动方式。

事实上，我对于接下来要展开讲述的主题抱有十分的期待，如果能够进入MTA的迭代排期，我将十分庆幸，能够是这样一款产品的受众用户。

我所期待的，便是 “ 活跃天数 ”的一小步变革。

活跃天数是MTA比较早的一个功能了，具体上线时间未知，记忆中2017年，已经存在这个模块了。

简单来讲，活跃天数是在统计周期内记录用户的登录天数为数据对象，我们认为，周期范围内，活跃天数越多，用户的粘性越强，活跃天数越低，用户的粘性越弱。

我们可以通过demo数据来做一次简单的解读，该产品的用户粘性并不是十分强，高频用户仅占活跃用户的5%，而一周内，仅存在两天登录行为的用户却占比11%。

换个说法，会更容易阐述我的观点，低频用户是无限接近流失用户的，案例对象在5月29日的活跃用户里，存在11%的用户即将流失。

这个过程恰恰就是数据所反馈给我们的核心价值之一，常态下，人们不可能突然从喜欢变成不喜欢，一个连续使用7天的用户 不可能突然流失，必然会经过 活跃7天，活跃5天，活跃2天 这些阶段，活跃天数变化的过程，恰恰是用户粘性变化的最好体现。

借助活跃天数，我们可以判断用户的粘性，产品的健康度，这更加有利于我们去打造一款深受用户喜爱的产品。

我将通过活跃天数来判断用户粘性的数据指标称之为“ 用户活性 ”，以活跃天数为基础，辅助以加权分，得到用户活性分，再对活性分进行等级划分，得到 用户活性等级 。

活性是一个可量化的词，我们可以说某款产品的用户活性高，这将会是一款非常不错的产品，我们也可以说某款产品的用户活性低，那这款产品就要注意了，他的用户随时都有可能流失。

对用户活性进行数据量化，其价值远超活跃数据，流失数据，留存数据，后者反馈的是一个即定的结果，而活性反馈的则是一个变化中的过程。

用户活性等级是对活跃的精细化数据分析

我们不妨补充一些假设性质的数据，来看看会发现什么奇妙的变化，以每一天活跃用户数为样本，将数据进行精细化处理。

第一天，50%高活性等级，30%中活性等级，20%低活性等级

第二天，40%高活性等级，40%中活性等级，20%低活性等级

第三天，30%高活性等级，40%中活性等级，30%低活性等级

第四天，30%高活性等级，30%中活性等级，40%低活性等级

日活不变的情况下，我们可以发现用户的活性等级越来越低了，这表示产品对用户的粘性逐渐降低了，我们会震惊于到了第四天有接近40%的用户即将流失，因为用户活性等级正在持续的降低，当降低为0时，也就流失了。

活性等级变化趋势代表了用户粘性的变化趋势

固定周期内，活性等级的占比变化趋势，也能够为我们预测活跃数据走向提供了正面的参考价值，这源于我在前文所提到的观点 “喜欢的会更喜欢，不喜欢的会更不喜欢” 。

人们对某件事物的情感变化是一个线性的过程，而非点性的变化，这一点将会给我们做产品的方法带来本质的改变，或许，我们可以尝试回答下列几个问题。

产品/运营在什么时候去做提升活跃的功能？

产品/运营在什么时候去做拉新的功能

产品/运营在什么时候去做提升留存率的功能

目前，我能想象到的答案有两个。

A：活跃降低的时候提活，新增降低的时候拉新，流失大的时候做留存

B：任何时候都需要持续的做提活，拉新，提升留存

没有意外的话，你的答案会属于两者之一，在现有工具里，我们仅仅能给出这两个答案，这和我们的经验，能力，技能无关，仅仅是因为我们缺少一款工具，是因为我们所掌握的数据稍显欠缺的原因导致。

引入活性数据，会给我们第三个答案，基于他的预测特性，不妨一同思考一番。

在活性降低，而活跃数据尚未改变时，提升活跃度（如同文中的案例）

在活性较高时，去做新用户增长。（如70%的日活用户都是高活性的用户）

在主要活性等级不高时，去做留存。（如70%的日活用户只是中活性的用户）

活性等级的占比率是基于动态数据分析的结果

活性等级的占比率依赖的是变化的日活，每一天的数据样本都是不同的，这是另一个维度的数据分析方式。

活性等级的占比率，则比活跃率更能准确的表达用户的活跃状态，由于每天的分母样本不同（日活用户），导致每天的数据占比不同。不会受到累计用户的影响，能够更准确的反应当前阶段产品真正的健康状态。

实际上随着我们累计用户的数量增长，活跃率作为参考指标的辨识度将会越来越低，也许10%高活性等级的占比，在活跃率上体现出来的数值不到00001%。

活性的取材样本来自于 活跃天数，以目前MTA所提供的活跃天数模块，是不足以支撑对用户活性的观察的，甚至大部分用户不知道如何使用活跃天数，也不知道活跃天数有何使用场景，存在何种价值。

很遗憾，我也属于那大部分用户中的一员。。。。

仅仅需要MTA继续向前一小步，就能让活跃天数变成用户活性，而这一小步，却能改变整个移动互联网数据分析的方式，能够影响所有APP开发者判断，分析，预测的方式，能让产品经理，在更加合适的时间，做合适的事情。

用户活性的第一特征是指观察固定周期内的活性，而非持续累加的数据，活性所反应的信息，也是指观察周期内真实的状况，不受周期外的数据影响，其中就包括 已经确定流失的用户。

当我们筛选统计周期为7日时，便是表示观察用户在7日内的活跃天数。在这个期间里，最大值不会超过7，最小值也不会超过1

而在视觉的表达里，用户活性的数据分析则包含单日占比，相对上一日的增长幅度，以及7日的趋势走向三个主体分析维度。

粗略画了个构思原型，仅供参考。

后续，我们在观察产品数据时，活性等级相关的数据将会仅次于新增和活跃数据的观察力度，某种意义上而言，活性数据或许比活跃数据的力度更重。

因为活性数据，能够更准确的反应用户的粘性，且能对活跃数据的走势进行相对准确的预测和监控。

我会在文末的附文里，带上我对用户活性等级的设计方案，在我所孵化的早期项目里，多是以监控活性来做迭代规划，由于工具的缺失，我的做法只能是导出用户的登录日志，再用excel进行计算分析。

活性数据的读取，计算和呈现对于许多团队而言，成本都是非常昂贵的，而且可行度是比较低的，除非企业规模达到一定量级，能够组建自己的数据中心团队，用来探索第三方所不能提供的数据，对于中小型团队而言，几乎无法触及，无法实现。

如果你擅长excel的使用，或许也可以尝试像我一样，导出用户的登录日志，并通过excel来计算自己想要的数据，可excel的计算承载能力是极其有限的，一旦度过项目初创期，引来数据大量增长时，就没有办法使用excel来进行计算了。

这是我们需要依赖工具的原因，很少有团队能够独立负担活性数据的挖掘成本。

此时，作为受众用户而言，我们其实特别期待诸如MTA（腾讯移动分析）类似的第三方数据统计分析系统，能够为我们带来这样一个能力，能够为APP的开发团队，产品团队追加赋能。

我仍然认为，数据驱动产品，数据驱动运营远远未达到终点，我们目前所使用的主流数据维度十分薄弱，还需要引入更多的维度，来帮助我们达到数据驱动产品的目的。

由衷的希望能尽早的看到MTA的活跃天数能够迈出一小步，让我们能够近乎0成本的使用“活性数据”来观察，监控产品的健康度，也能更加细致的了解产品用户的粘性。

你希望在你的团队 引入活性数据这样一个新的数据分析维度吗？

你觉得，这会给我们的产品工作带来什么样的变化呢？

以下内容为 “附文：活性数据” 的设计思路。

活性数据包含五个数据项：统计周期，活跃天数，活性分，活性等级，活性等级占比。

统计周期：是指我们的观察周期。

活跃天数：是指观察周期内，用户使用的天数。

活性分：活性分是观察周期内不同日期对应的加权项。

活性等级：是根据用户活性分计算的等级。

活性等级占比：是指定活跃等级用户于当日登录用户的比值。

活性分是一个比较特殊的概念，我们通过一个案例来认识活性分。

当我们计算出每个用户的活性分时，为了让我们更好的去对整体情况进行把控，需要对分值进行等级划分，我们知道最低分是01分，即第一天有登录行为，也知道最高分是所有日期的分数总和，就可以对总分数进行等级的划分，以此得到活性等级

当然，案例中的分值划分，包括活性分的定义都是随意构造，我们可以让这些活性分变得更加贴近真实场景，只需要我们设计不同日期的活性分值，以及不同等级所覆盖的活性分范围即可。

我们将不同活性等级的用户数与观察日期的总活跃用户数进行对比，就能得到活性等级占比，这个数据相比活跃率具备更高的参考价值。

也就是我们在正文当中多次提及的 70%高活性等级用户