DAU（Daily Active User，日活跃用户数，简称日活）是大部分互联网产品（比如抖音、知乎、小红书）的一个核心指标，那么：

• 日活（DAU）是什么指标？
• 日活（DAU）计算公式是什么？
• 日活（DAU）如何分析？

本文可以看作上一篇《指标体系的原理、方法论和应用》的应用，以DAU为切入点，介绍如何拆解DAU，如何搭建DAU的指标体系，如何应用DAU指标。

本文尝试从宏观视角，用逻辑来推导DAU的拆解原理、方法论，构建DAU的指标体系的知识体系。

首先，介绍了DAU的定义、DAU的复合指标、DAU的要素等DAU的基础知识；

接着，介绍了从时间、行为、用户、业务等维度介绍DAU拆解的原理；

然后，介绍了DAU在数据分析、用户增长、数据运营、数据营销上的应用；

最后，对DAU进行总结，指出DAU的本质、局限、指标体系和优化方向。

本文的目录如下：

1. DAU 基础
1.1. DAU的定义
1.2. DAU的复合指标
1.3. DAU的要素

2. DAU 拆解原理
2.1.按时间拆解DAU
2.2.按行为拆解DAU
2.3.按用户拆解DAU
2.4.按业务拆解DAU

3. DAU 拆解应用
3.1.DAU的数据分析
3.2.DAU的用户增长
3.3.DAU的数据运营
3.4.DAU的数据营销

4. DAU 总结
4.1.DAU的本质
4.2.DAU的局限
4.3.DAU的指标体系
4.4.DAU的优化

接下来，让我们一起走进 DAU 的世界，去尝试探讨 DAU 的拆解原理及应用。

1.1. DAU的定义

DAU（Daily Active User）日活跃用户，简称日活，通常是指一天之内使用某产品的独立用户数。

DAU的口径取决于你的产品特征和商业价值考量，所以资讯类DAU、工具类DAU、电商类DAU的定义是可以不同的。

与DAU关系很紧的指标还有WAU（Weekly Active User，周活）、MAU（Monthly Active User，月活）指标。

1.2. DAU的复合指标

日活跃率、周活跃率、月活跃率，这些都是与DAU相关的复合指标。

日活渗透率、功能渗透率、用户粘性等指标也可以通过DAU来定义。

比如日活渗透率=DAU / MAU，这是DAU和MAU的关系的一种。

1.3. DAU的要素

按时间、行为、用户维度把DAU（Daily Active User）拆解，即得到DAU的要素是时间、行为和用户。

从二维空间视角看，拆解就两个方向：水平方向（横向）、垂直方向（纵向）。

总的拆解思路是：横向扩展拆解，纵向细分拆解，建立层次指标体系。

那么，怎么拆解DAU指标呢？

比如，DAU水平方向可以拆解成时间、行为、用户；DAU垂直方向向下细分拆解如下：

拆解（计算公式）的方法很多，比如OSM模型、AAARR模型、GSM模型、UJM模型、ICE优先级模型、杜邦分析法，这里只是尝试给出一种拆解思路，具体要结合自己的业务、场景，选择适合自己的。

2.1.按时间拆解DAU

时间维度上看：

向上是周、月，我们可以看大尺度机会；

向下是上午、中午、下午等等，找落地机会，当然还可以细分。

比如DAU=MAU X 30天内活跃天数 / 30，这也是另一种DAU和MAU的关系。

2.2.按行为拆解DAU

行为维度可以是：使用频次、使用时间、使用功能模块的数量。

2.3.按用户拆解DAU

用户维度可以是：地域、新老、喜好等。

拆解背后是商业价值的诉求，所以DAU拆解的落地，一定要根据用户商业价值拆解。比如老用户的比列是多少才相对更有意义。

另一个视角看DAU。

2.4.按业务拆解DAU

数据时代，用户在某种场景（业务）下活动产生大量数据。

所以，数据驱动的商业的三要素：用户、业务、数据。

纯数据维度的拆解是没有意义的，所以指标拆解就二个维度：用户维度、业务维度。

3.1.DAU指标的数据分析

日活下降如何分析？或者说DAU下降怎么分析？

比如，抖音（快手）的DAU下降了，是什么原因？

分析的前提是你的数据统计是正确的，比如数据埋点没有问题。

这里只给出异常分析的一种思路框架，比如直播电商（抖音）和传统电商（京东）的模式是有差异的，这里的客货场思路是不是要调整吗？

类似，你也可以分析快手、B站、微博、拼多多、京东、知乎、小红书等的DAU下降，或者其它指标（比如GMV、复购率、下单量、人均使用时长）的异常。

3.2.DAU指标的用户增长

DAU增长怎么做？或者说怎么提高日活？

用户增长是个系统性问题，这里不展开了，感兴趣可以参考我之前的文章：

这里以流入流出模型为切入点，介绍用户增长。流入流出模型如下：

根据流入流出模型，提高DAU指标的方法如下：

问：如何提高DAU？

答：减少“流出”。

3.3.DAU指标的数据运营

DAU是一种活跃指标，常常需要结合用户画像对活跃用户进行分群或分层（即活跃用户分类），进行精细化运营。

比如，可以把DAU拆解成新用户DAU、老用户DAU、沉默唤醒DAU等三个细分用户群。通常是基于实际数据进行拆解，这里尝试给出仅供参考。

3.4.DAU指标的数据营销

DAU代表了具备营销价值的用户群，但还是太糙，需要进一步细分。比如高价值用户（通常是收入的头 20% 用户）DAU比例是多少，年轻用户DAU比列是多少。

4.1.DAU的本质

DAU的本质是：用户需求的总体规模。

4.2.DAU的局限

DAU可能是个伪指标，通常需要把DAU进行细分。

4.3.DAU的指标体系

单个数值的DAU评估是不全面的，而且很难发现有价值的信息。通常要结合业务，搭建自己的 DAU指标体系。

4.4.DAU的优化

DAU的优化方向：

• 一个是从DAU到MAU，分析活跃指标的稳定性。
• 一个是从DAU到使用时长，分析用户的粘性。

参考文献：

DAU是互联网产品的一个核心指标，特别是内容类（知乎、今日头条、抖音、快手）、社交类（微博、微信）APP。

DAU拆解（DAU计算公式）的方法很多，比如OSM模型、AAARR模型、GSM模型、UJM模型、ICE优先级模型、杜邦分析法，本文只是尝试给出一种拆解思路，具体要结合自己的业务、场景，选择适合自己的。

每个产品的阶段、业务不同，商业价值诉求不同，它们的DAU指标拆解应用也是不同的，重要的是拆解思路，以及知识的迁移能力。

由于个人的经历、能力和水平是有限的，我的可能是片面的，也可能是错的，这里抛砖引玉。

理论本身是务虚的，需要实践、实践、再实践。

你的反馈，正的负的都是有价值的，有助于我加速迭代升级——更深入、更全面。

你可能会有更好的理论、实践案列，欢迎在评论区留言，咱们一起讨论。