前言：本文內(nèi)容以游戲產(chǎn)品為基礎(chǔ)進行講解，內(nèi)容為以下4部分：
1. 如何理解DAU反映了哪些問題？
2. 有哪些因素會影響DAU變動？
3.?如何解讀DAU的“箱體圖”？
4.?如何使用python繪制“箱體圖”？

DAU的定義不是絕對的，通常會使用登錄用戶數(shù)作為DAU計算的基礎(chǔ)。

如果希望DAU更反映有效登錄用戶，則可以使用“登錄時長超過1分鐘的用戶”；如果是角色扮演游戲，還可以使用“賬號數(shù)”、“角色數(shù)”等指標；也可以使用唯一指標表示，比如日活設(shè)備數(shù)。

---

1. 如何理解DAU反映了哪些問題？

反映核心用戶規(guī)模：一定程度下，DAU代表核心用戶數(shù)量，如果該指標下降，可能核心用戶數(shù)也在減少；

反映產(chǎn)品黏性：DAU=DNU（新增用戶）+DOU（老用戶），如果DAU下降，可能是DOU下降，所以反映產(chǎn)品黏性降低；

反映渠道質(zhì)量：DAU=DNU（新增用戶）+DOU（老用戶），如果DAU下降，可能是DNU下降，DNU下降又可以拆解到不同的渠道情況，所以可以反映渠道的質(zhì)量；

反映生命周期情況：，其中m為用戶生命周期天數(shù)，如果用戶生命周期天數(shù)變短，那么DOU下降，引起DAU下降，所以可以反映用戶生命周期情況。

反映用戶質(zhì)量：從構(gòu)成角度探討，可以觀察DNU/DAU，這個下面會詳細探討；從登陸頻率探討，可以觀察DAU用戶的活躍天數(shù)，如圖所示：

---

2. 有哪些因素會影響DAU變動？

• 關(guān)鍵節(jié)點：比如節(jié)假日、開學放假等。對其的分析方法為，對可以預測的關(guān)鍵節(jié)點，計算其影響指數(shù)，以應對未來產(chǎn)生的影響。
• 周期波動：分析數(shù)據(jù)的拐點和趨勢，得到周期變化的時間節(jié)點和趨勢，為未來的營銷計劃和推廣計劃同步規(guī)劃； 主要關(guān)注的方面可分為：收益、用戶規(guī)模的變化和走勢。
• 產(chǎn)品質(zhì)量：觀察版本更新、活動設(shè)置對DAU、收入和生命周期的影響情況。可能的影響因素還包括：付費點設(shè)計、交互體驗調(diào)整、核心玩法調(diào)整；從設(shè)備來說包括：更新是否成功、適配能力；
• 其他外在影響因素：掌握其他因素的影響系數(shù)，包括：游戲外掛、競品影響、版本更新、活動、渠道位置、推廣質(zhì)量；

---

3.?如何解讀DAU的“箱體圖”？

DAU的箱線圖繪制，需要將每個月的DAU數(shù)據(jù)作為一個箱體的數(shù)據(jù)，圖像說明如下：?

圖像描述：

離群點

中位線在箱體的位置是偏上、中間、還是偏下

所有中位線距離整理中位線的位置

---

案例：各月DAU箱體圖

---

4.?如何使用python繪制“箱體圖”？

import seaborn as sns sns.boxplot(x='Month',y='DAU',data=data,width=0.5 # 箱體的寬度,linewidth=2 # 箱子上線的粗細,whis=3 # 異常值的參考系，四分位距離的倍數(shù) # ,fliersize=2 # 異常值的大小,saturation=2 # 調(diào)整色彩飽和度 # ,notch=True # 變成漏斗形狀（很丑，別用） ) plt.plot([data['DAU'].median()]*6,'r--') plt.show()# 從下圖可知，該產(chǎn)品5月出現(xiàn)異常值點； # 2月4月中位數(shù)低于整體中位數(shù)；1月和6月中位數(shù)靠下，說明有所下滑 # 整體較平穩(wěn)，波動遞增。可能是在指定月份有運營調(diào)整導致下降。

?

---

以上內(nèi)容為《游戲數(shù)據(jù)分析的藝術(shù)》個人學習筆記，包含書籍內(nèi)容概括、自己的解讀。

文章內(nèi)容僅供參考，有興趣可自行購買閱讀原文。

總結(jié)

以上是生活随笔為你收集整理的如何通过DAU分析活跃用户？（案例：python绘制箱体图）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。