活跃用户分析

活跃用户分析衡量产品的用户活跃规模，核心指标是 DAU（日活）/ WAU（周活）/ MAU（月活），是评估产品健康度与用户粘性的基础模型。对应后端 AnalyticsService.ActiveUsers。

一、它能回答什么问题

  • 今天有多少活跃用户（DAU）？趋势如何？
  • 周活（WAU）、月活（MAU）相对 DAU 的比值如何？（反映粘性）
  • 近 30 天 DAU 是涨是跌？

二、关键指标

指标含义
DAU当日活跃用户数（去重）
WAU周活：滚动 7 天窗口内的去重活跃用户
MAU月活：滚动 30 天窗口内的去重活跃用户
WAU/DAU反映用户的周内回访频率（越接近 1 说明每天都来）
MAU/DAU反映月度活跃用户基数相对当日的稀释程度

三、后端接口

gRPC：AnalyticsService.ActiveUsers

字段类型说明
time_rangeTimeRange分析时间范围
granularityAnalyticsGranularity时间粒度（DAU 按粒度分桶）
app_iduint32（可选）按应用过滤（0 = 全部租户）

响应 ActiveUsersResponse：points[]（每个 ActiveUsersPoint 含 timestamp / dau / wau / mau）、latest_dau（最新一天 DAU）。

HTTP（admin 转发）

POST /admin/v1/analytics/active-users
Content-Type: application/json

{
  "timeRange": { "startMs": 1718169600000, "endMs": 1718774399000 },
  "granularity": "DAY"
}

AnalyticsGranularity 取值：UNSPECIFIED(0) 服务端自动选择 / HOUR(1) / DAY(2) / WEEK(3) / MONTH(4)。

四、实现原理

  • DAU：按天对 events_fact.user_id 去重计数（count(DISTINCT user_id)）。
  • WAU / MAU（日级）：基于 HLL 滚动窗口输出真值——预聚合表存储了每天的 HLL_UNION(HLL_HASH(user_id)) 状态，WAU/MAU 通过对滚动窗口内各天 uv 状态做 HLL_UNION 合并得到。

⚠️ 小时粒度限制：HOUR 粒度因无小时级 uv 状态，WAU/MAU 退化为等于 DAU（仅给出下界）。日级及更粗粒度输出真值。详见 附录 · 已知缺口。

五、典型场景

日常运营看板

按 DAY 粒度查近 30 天 DAU/WAU/MAU，做成趋势图，监控活跃规模波动。

粘性评估

计算 WAU / DAU：比值接近 1 说明用户几乎每天都来（高粘性，如工具类）；比值大说明用户分散在周内不同天（如内容类）。

六、注意事项

  • 去重口径：DAU 按 user_id 去重；未登录用户（无 userId）不计入 DAU，需先 identify 绑定用户。
  • 滚动窗口：WAU 是"最近 7 天"而非"自然周"，MAU 是"最近 30 天"而非"自然月"。
  • HLL 近似：WAU/MAU 基于 HLL，结果为近似值（误差通常 <2%），适合趋势监控而非精确对账。
  • 空数据：若 DAU 为 0，先确认事件已落库（见 上手指南 · 数据落库现状）。

七、相关文档