前言：本文內容以游戲產品為基礎進行講解，內容為以下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作為DAU計算的基礎。

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”、“角色數”等指標；也可以使用唯一指標表示，比如日活設備數。

---

1. 如何理解DAU反映了哪些問題？

反映核心用戶規模：一定程度下，DAU代表核心用戶數量，如果該指標下降，可能核心用戶數也在減少；

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

反映渠道質量：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量；

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

反映用戶質量：從構成角度探討，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，如圖所示：

---

2. 有哪些因素會影響DAU變動？

• 關鍵節點：比如節假日、開學放假等。對其的分析方法為，對可以預測的關鍵節點，計算其影響指數，以應對未來產生的影響。
• 周期波動：分析數據的拐點和趨勢，得到周期變化的時間節點和趨勢，為未來的營銷計劃和推廣計劃同步規劃； 主要關注的方面可分為：收益、用戶規模的變化和走勢。
• 產品質量：觀察版本更新、活動設置對DAU、收入和生命周期的影響情況。可能的影響因素還包括：付費點設計、交互體驗調整、核心玩法調整；從設備來說包括：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，包括：游戲外掛、競品影響、版本更新、活動、渠道位置、推廣質量；

---

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數據作為一個箱體的數據，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 # ,fliersize=2 # 異常值的大小,saturation=2 # 調整色彩飽和度 # ,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，該產品5月出現異常值點； # 2月4月中位數低于整體中位數；1月和6月中位數靠下，說明有所下滑 # 整體較平穩，波動遞增。可能是在指定月份有運營調整導致下降。

?

---

以上內容為《游戲數據分析的藝術》個人學習筆記，包含書籍內容概括、自己的解讀。

文章內容僅供參考，有興趣可自行購買閱讀原文。

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。