如何创建用户激活报告：完整指南

两个团队查看相同的产品数据，报告的激活率却分别为 22% 和 61%。

双方都没有犯算术错误。他们只是选择了不同的事件、不同的窗口和不同的分母。

这正是这个指标的难点所在。其公式是一个除法，而所有的争论都集中在分子和分母应该包含什么。

本指南将介绍报告必须包含的内容，以及决定该数字的三个选择。接着，它将解释为什么您的电子表格会与分析工具的数据不一致，以及如何通过导出的事件数据来制作该报告。

激活报告必须包含的内容

标题中的百分比只是一个数字。而报告则是让这个数字站得住脚的背景信息。

同一视图中应包含五个要素：激活事件、窗口、同期群定义、分母数量以及激活率本身。

遗漏其中任何一项，这个数字就会变得无法证实。有人会在董事会汇报 PPT 中引用它，但没人能复现它。

将趋势作为第六项加入。单次读取只是一个数据点，而在定义保持不变的情况下，连续三次的读取数据才真正具有行动参考价值。

决定该数字的三个选择

每一个选择都会独立影响最终结果，而且每一个选择在最终的百分比中都是隐形的。

选择	决定了什么	更改后会发生什么
激活事件	什么算作成功	选择更靠后的事件会降低每个同期群的激活率
激活窗口	给用户留出多少时间	窗口越长，激活率越高，但报告产出越慢
分母	衡量的是谁	同期群发生偏差可能会使激活率超过 100%

选择 1：激活事件

这是最关键的决策，无法仅通过查看导出的数据来解答。

激活事件应该是能够预测用户留存的最早行为。便利性不是衡量标准，埋点的难易程度也不是。

完成注册几乎永远不能算作激活。注册只是漏斗的入口，而不是产品对用户产生价值的证据。

选择产品首次兑现其价值承诺的行为。对于报告工具，这可能是首次发布报告；对于即时通讯工具，这可能是向他人发送的第一条消息。

写下这个选择，并附上一行理由。这句话能防止下个季度定义发生偏差。

选择 2：激活窗口

任何专业的工具都会将此视为一个参数，这意味着决定权在您手中。

Mixpanel 的漏斗文档对此有明确说明。其转化窗口“决定了用户在进入漏斗后，有多少时间来完成漏斗的所有步骤”。

默认设置为自第一步起 7 天。最大值为 366 天，或者对于基于会话的窗口，最大为 12 个会话。

有一个细节容易让人掉入陷阱。Mixpanel 指出，窗口“从每次进入漏斗时 Step 1 事件的首次触发开始计算”。该事件后续的触发不会重置计时。

因此，一个注册后消失了一个月、然后返回并激活的用户可能会被算作失败。在短窗口期下，这是正确的逻辑，但可能会让阅读您报告的人感到意外。

选择 3：分母

分母就是同期群，而同期群是根据用户的到达时间而非其行为时间来定义的。

选取在固定时间段内注册的所有用户。锁定该列表，然后衡量其中有多少人在窗口期内触发了激活事件。

Mixpanel 独特的计数方法也是如此，即在“用户在所选时间段内首次触发 Step 1 时”将其计入。后续的进入不会增加计数。

这里的陷阱是混淆了时间段。如果分母是“本月注册人数”，而分子是“本月激活人数”，那么您就把更早注册的用户的激活数也算进去了。

这种版本的指标可能会超过 100%，这就是破绽所在。我们关于同期群分析的科普文章解释了为什么必须先锁定同期群。

为什么您的电子表格会与分析工具的数据不一致

在大多数团队中，这种数据比对往往会耗费一整个下午，因此在发生之前了解原因是非常值得的。

工具内部有三个设置在输出结果中是不可见的：窗口长度、计数方法和步骤顺序。

Mixpanel 默认采用特定顺序，要求每一步都必须在下一步之前完成。它也支持“任意顺序”，即除非您对其进行锚定，否则步骤可以按任何顺序进行计数。

在电子表格中重建模型时，会隐式地为这三个设置选择自己的答案。两种正确的计算方式会得出不同的结果，且双方都没有错。

解决方法虽然枯燥但很有效：在报告上记录这三个设置，并且只在条件完全一致的情况下进行对比，否则就不要对比。

如何手动操作

方案 1：两次计数，一次除法

列出该时间段内注册的每个用户，然后使用 UNIQUE 函数对标识符进行去重。

使用 COUNTA 函数计算该列表的数量作为分母。然后使用 COUNTIFS 函数，从同一列表中计算在窗口期内触发了激活事件的用户数量。

将这两个计数保留在可见的单元格中。最后进行一次除法，这样任何人都可以分别审计这两个输入值。

这种方法的局限性很快就会显现。您只能得到一个窗口期的一个百分比，而无法直观地看到谁没有被激活。

方案 2：每位用户占一行

构建一个表格，同期群中的每位用户占一行。列包括：注册日期、首次激活事件日期、两者之间的天数间隔，以及是否在窗口期内的标记。

用较晚的日期减去较早的日期来计算天数差。微软官方关于 DATEDIF 函数的指南警告称，该函数“在某些特定情况下可能会计算出错误的结果”，并建议直接使用减法来计算天数。

现在可以对报告进行多维度切片分析：按订阅方案、按获客渠道、按注册周或按公司规模。

洞察通常就隐藏在这些切片分析中。一个扁平的综合激活率往往会掩盖“某个渠道激活效果极佳，而另一个渠道完全没有激活”的真实情况。

这种方法的限制在于数据关联和数据量。当数据量超过几十万行时，将导出的事件数据与用户表进行匹配就会变得非常痛苦。

方案 3：定义标签页

记录激活事件、窗口、同期群规则和计数方法。然后记录您排除的内容，例如内部账号和测试用户。

内部流量是无形的干扰因素。一个 30 人的团队每周测试产品，就能将一个小型同期群的激活率拉高几个百分点。

这种方法的局限性在于，仅仅写下规则并不能自动执行它。下个月依然需要有人手动重新构建相同的过滤器。

共同的瓶颈。 这三种方案都假设导出的数据包含可靠的用户标识符和干净的事件名称。如果事件在季度中期被重命名，那么数据对齐才是真正繁重的工作。

手动方式在哪些环节会变慢

制作第一份报告需要一个上午。而到了第四份时，耗时会更长，因为到那时定义已经发生了变化。

事件重命名是最常见的原因。一次埋点清理将一个事件拆分为两个，导致在用户行为没有任何变化的情况下，激活计数却下降了。

同期群时间段也会发生偏移。有人用本季度的日期过滤器重新运行上季度的文件，然后在会议上对这两个数字进行对比。

此外，每次都会遇到新的需求：有人要求按渠道查看相同的激活率，于是整套过滤器又得手动重新构建一遍。

这篇关于用于产品分析的 AI 工具的汇总文章介绍了解决这一问题的工具端方案。

如何使用 Powerdrill Bloom 构建报告

步骤 1：上传您导出的事件数据

上传事件文件，或者将事件文件 and 用户文件一起上传。Powerdrill Bloom 会在文件导入时分析各列，因此在计算任何激活率之前，缺失的用户标识符、不一致的事件名称以及超出范围的时间戳都会被提前发现。

步骤 2：用自然语言描述定义

直接陈述规则，而不是去构建它们。指明激活事件、以天为单位的窗口期、同期群时间段以及要排除的账号。

然后提出能够暴露边缘情况的问题。例如，询问有多少用户在窗口关闭后的一天内激活。询问哪些事件名称仅出现在该时间段的部分时期。然后要求按渠道和注册周拆分激活率。

步骤 3：导出图表、报告或幻灯片

导出包含分母的激活率、自注册以来按天计算的激活曲线，或者在数字旁附带定义的幻灯片。

常见错误

将注册视为激活事件。 注册只是漏斗的入口。激活必须是产品交付价值的时刻。

只报告激活率而不提供分母。 没有明确基数的百分比只是摆设。请在激活率旁展示同期群的规模。

混淆同期群时间段。 将早期注册用户的激活数计入本月的基数中会虚增激活率，甚至可能使其超过 100%。

更改窗口期却不重新标注。 7 天和 30 天的数据是完全不同的衡量标准。确定一个并在报告中明确写出来。

将自己的数据与公开发布的行业基准进行对比。 其他公司选择的事件和窗口期各不相同。请先与您自己的历史趋势进行对比。

在同期群中保留内部账号。 员工和测试用户的激活率接近 100%。在小型同期群中，这会明显拉高数据。

忽略重命名的事件。 埋点变更可能会在用户行为没有变化的情况下导致计数下降。在解释数据下滑之前，请先检查事件名称。

结论

选择激活事件、确定窗口期、锁定同期群，并在报告激活率时附带分母。这四个决策能产生一个真正具有行动指导意义的数字。

百分比本身并不是最终的交付成果。按渠道和注册周拆分的数据，才能告诉您下个月的预算应该花在哪里。

如果每次重新构建这种拆分维度都会耗尽您的精力，不妨在您导出的事件数据上尝试使用 Powerdrill Bloom。另请参阅我们的指南：如何将产品使用数据转化为功能采用报告，以及 AI 报告生成器页面。

常见问题解答

激活率的计算公式是什么？

计算同期群中在窗口期内触发激活事件的用户数量。将其除以该同期群的总用户数，然后乘以 100。

激活窗口期应该设为多长？

应该足够长以捕捉常规行为，同时又足够短以具备可操作性。Mixpanel 将其转化窗口默认设置为 7 天，并允许最大设置为 366 天。

哪个事件应该算作激活？

能够预测用户留存的最早行为。通过测试候选事件，观察触发了这些事件的用户是否会在随后的几周内再次返回。

为什么我的数据与我们的分析工具不一致？

通常是因为窗口期、计数方法或步骤顺序的不同。这三个设置存在于工具内部，不会显示在导出的数据结果中。

激活率会超过 100% 吗？

只有在同期群规则被破坏的情况下才会发生。这种结果意味着早期注册用户的激活数被计入了后期的分母中。