Users

定义

Users 是独立用户数（也叫 Unique Visitors），表示在统计周期内访问过网站或 App 的去重用户数量。

与 Sessions（会话数）不同，Users 关注的是"有多少不同的人"，而不是"来了多少次"。一个用户可以产生多个 Sessions。

一句话理解：Users 回答"有多少不同的人来过"。

为什么重要

Users 是衡量电商真实触达规模的基础指标。Sessions 会因为重复访问而放大，而 Users 更真实地反映了你的受众池大小。

Users 能帮助团队判断：

真实的受众覆盖规模（而非被重复访问虚高）
用户增长的真实速度
获客渠道是在带来新人还是在反复触达同一群人
用户活跃度（Sessions / Users = 人均访问次数）
漏斗转化的真实基数

Growth 团队同时看 Users 和 Sessions，通过 Sessions/Users 比值判断用户粘性和回访频率。

Growth 漏斗位置

Users 位于 Acquisition 层，与 Traffic 和 Sessions 并列的入口规模指标。

典型关系：

text

Users × 人均 Sessions = Total Sessions
Users → Active Users → Buyers → Repeat Buyers

计算公式

基础公式：

text

Users = count(distinct user_id or device_id)

统计口径

Users 的统计方式直接影响准确性：

用户标识方式：
- 登录用户：user_id（最准确）
- 匿名用户：cookie_id 或 device_id（跨浏览器/清 cookie 后会生成新 ID）
- App 用户：device_id 或 IDFA/GAID
跨设备去重：同一用户在手机和电脑访问，是否识别为同一人
跨平台合并：App 用户和 Web 用户是否统一
Bot 过滤：爬虫和自动化工具产生的虚假 Users 需排除
时间窗口：日活（DAU）、周活（WAU）、月活（MAU）差异很大
内部流量排除：员工和测试账号是否过滤

推荐实践：有登录态用 user_id 去重，无登录态用 cookie_id，过滤 Bot 和内部流量，明确统计周期。

示例

某电商本月数据：

Monthly Users (MAU): 200,000
Monthly Sessions: 600,000
New Users: 50,000
Returning Users: 150,000

则：

text

Sessions per User = 600,000 / 200,000 = 3.0 次
New User Rate = 50,000 / 200,000 = 25%
Returning User Rate = 150,000 / 200,000 = 75%

如果 Buyers = 12,000，则：

text

Buyer Rate = 12,000 / 200,000 = 6%

SQL 思路

统计独立用户数：

sql

select
  date_trunc('month', session_start_at) as month,
  count(distinct user_id) as users,
  count(distinct session_id) as sessions,
  count(distinct session_id) * 1.0 / count(distinct user_id) as sessions_per_user
from web_sessions
where is_bot = false
group by 1
order by 1;

新用户 vs 回访用户拆分：

sql

with user_first_visit as (
  select
    user_id,
    min(date(session_start_at)) as first_visit_date
  from web_sessions
  where is_bot = false
  group by 1
)
select
  date_trunc('month', s.session_start_at) as month,
  count(distinct case when ufv.first_visit_date = date(s.session_start_at) then s.user_id end) as new_users,
  count(distinct case when ufv.first_visit_date < date(s.session_start_at) then s.user_id end) as returning_users
from web_sessions s
join user_first_visit ufv on s.user_id = ufv.user_id
where s.is_bot = false
group by 1
order by 1;

Dashboard 展示

建议展示方式：

Users 趋势图（DAU / WAU / MAU）
New Users vs Returning Users 堆叠面积图
Sessions per User 趋势（用户粘性指标）
Users by Channel
Users to Buyers 转化漏斗
User Growth Rate（环比/同比）

可视化建议：用面积图展示 New + Returning Users 组成，叠加 Sessions/User 折线判断粘性变化。

如何优化

增加 Users 规模：

SEO 优化，增加自然搜索触达
付费广告扩展新受众
社媒内容获取新粉丝和访客
口碑和推荐机制（Referral）
合作伙伴和联盟引流

提升 Users 质量：

聚焦高意图受众定向
优化首次访问体验，提升回访率
个性化内容提升用户粘性
推送和邮件召回沉默用户
分析高价值 Users 特征，扩展相似人群

常见误区

Users 和 Sessions 混淆，高 Sessions 可能只是少数用户的高频访问。
Cookie 被清除或跨设备导致 Users 被多算。
不过滤 Bot 流量，Users 数字虚高。
只看 Users 增长不看用户质量（是否转化、是否留存）。
MAU 增长但 DAU 不变，说明用户活跃度在下降。
多个分析工具的 Users 口径不一致，直接对比会产生误解。

面试题

Users 和 Sessions 有什么区别？什么场景下看 Users 更合适？
如何解决跨设备、跨浏览器导致的 Users 重复计算问题？
MAU 增长但 DAU 不变，你会怎么分析？
Users 增长但 Revenue 没涨，可能是什么原因？
如何衡量一个渠道带来的 Users 质量？

企业案例

一家跨境电商月度 Users 从 300,000 增长到 450,000（+50%），但同期 Revenue 仅增长 8%。团队以为是转化率问题，深入分析后发现：

新增 Users 中 60% 来自社交媒体内容分发（种草文章）
这批用户 Sessions per User = 1.1（几乎只来一次）
Buyer Rate 仅 0.8%（远低于自然搜索渠道的 5.2%）
大部分是浏览型用户，无购买意图

团队调整：

社媒内容增加明确的购买引导和优惠链接
对社媒渠道 Users 建立 Retargeting 广告池
7 天内未回访的社媒用户通过 Push 通知召回
新设"社媒用户首购转化"专项指标

3 个月后社媒渠道 Buyer Rate 从 0.8% 提升至 2.5%，整体 Revenue 增速恢复到与 Users 增速一致。

PPT Notes

Slide title: Users: 你的真实受众池有多大
Key message: Users 比 Sessions 更真实反映触达规模，但质量比数量更重要
Visual: Users × Sessions/User = Sessions，堆叠分解图
Speaker note: 强调 Users 的准确识别（跨设备、去 Bot）和质量分析（Buyer Rate）

Users ​

定义 ​

为什么重要 ​

Growth 漏斗位置 ​

计算公式 ​

统计口径 ​

示例 ​

SQL 思路 ​

Dashboard 展示 ​

如何优化 ​

常见误区 ​

相关指标 ​

面试题 ​

企业案例 ​

PPT Notes ​

Users

定义

为什么重要

Growth 漏斗位置

计算公式

统计口径

示例

SQL 思路

Dashboard 展示

如何优化

常见误区

相关指标

面试题

企业案例

PPT Notes