下面是一则用于讲解活跃率分母的教学情境，不对应某次真实周会；18%、7%、43% 与 39% 均来自后文可复算的示例。
周会上的两个数字都在增长。
注册用户比上个月多了 18%，月活用户也多了 7%。产品经理刚准备说一句“增长还不错”，屏幕右下角的活跃率却从 43% 掉到了 39%。会议室里静了几秒，接着问题来了：是不是新用户质量变差了？是不是产品没有吸引力了？是不是该立刻做一轮召回？
数据分析师没有急着接这三口锅。他把报表往前翻了两页，发现分子是“本月完成过核心动作的人”，分母却是“历史累计注册账户”。过去一个月，公司做了渠道投放，还导入了一批合作方账号。分母跑得比分子快，比例自然往下掉。
这并不能证明产品没有问题。它只说明，一个比率下降，既可能是分子变坏，也可能是分母换了人、换了时间，或者只是长得太快。
活跃率不是一个天然指标，它是一道分数题
大家常把“活跃率”说得像体温，仿佛量一下就知道产品健不健康。可它其实更像一道分数题：
活跃率 = 符合活跃条件的独立用户数 ÷ 有资格进入分母的独立用户数
这句话里，每个词都能改变结果。
“活跃”可以是登录一次、浏览两页、完成一笔交易，也可以是使用了某个核心功能。“独立用户”可以按账户、设备、手机号或企业主体去重。“有资格”更麻烦：被封禁的账户算不算，尚未开通功能的人算不算，昨天刚注册、还没有足够观察时间的人算不算？
Google Analytics 4 会明确区分 Total users、Active users、New users 和 Returning users。它对 Active users 有自己的参与条件，而不是把“出现过”直接等同于“活跃”。这恰好提醒我们：即便都叫用户，统计对象也不一定相同。
所以看到活跃率下降，第一步不是解释用户心理，而是把分子和分母写成一句完整的话。比如：
2026 年 8 月，在已完成实名认证、账户状态正常且拥有产品访问权限的个人用户中，至少完成一次查询、保存或分享动作的独立用户占比。
这句话不漂亮，但很有用。它让“活跃”从一个情绪词，变成可以回到明细表复核的业务条件。
第一个分母：累计注册账户，回答盘子有多大
最常见的分母，是截至统计日的累计注册账户。
它很容易取，也很适合回答一个问题：这个产品从上线到现在，收过多少账户。问题是，账户会一直积累，人的使用意愿却不会永远停在注册那一天。
一个三年前注册、后来换了工作的用户，仍在累计账户里；活动测试时创建的内部账号，若没清理，也在里面；企业客户一次导入五千名员工，但真正开通权限的只有八百人，剩下四千二百人照样能把分母撑大。
于是会出现一种很有喜感的局面：产品每天都有人来，月活用户也在增长，活跃率却像旧毛衣一样越洗越小。数字没有撒谎，只是它回答的是“历史账户中还有多少人在用”，不完全等于“当前能使用的人中有多少在用”。
看一组教学示例：
| 月份 | 累计注册账户 | 月活用户 | 按累计账户计算的活跃率 |
|---|---|---|---|
| 7 月 | 100,000 | 43,000 | 43.0% |
| 8 月 | 118,000 | 46,000 | 39.0% |
月活用户增加了 3,000，活跃率却下降 4 个百分点。若只看比例，很容易写成“用户参与度恶化”；若同时看规模，结论至少要谨慎一点：分子在增长，只是没有跟上累计账户的扩张速度。
累计注册账户不是没用。它适合看历史账户复访、长期沉默和整体盘子消耗。但不要拿它独自承担所有产品健康判断。一个无限增长的存量分母，天生会让比例承受向下压力。
第二个分母：当前可触达用户，回答有机会使用的人用了没有
第二个分母，是在当前统计窗口里，真正有机会使用产品的人。
这类用户通常要同时满足几项条件：账户没有删除或封禁，产品权限已经开通，服务仍在有效期内，所在地区或端版本支持目标功能，并且不是内部测试、机器人或批量占位账号。具体条件由业务决定，但必须能在数据里落到字段。
还是刚才的教学示例。假设 7 月有 100,000 个累计账户，其中 86,000 个处于有效可用状态；8 月累计账户涨到 118,000，但新导入的合作方账号尚未全部开通，真正可用的是 92,000 个。
| 月份 | 当前可触达用户 | 月活用户 | 按可触达用户计算的活跃率 |
|---|---|---|---|
| 7 月 | 86,000 | 43,000 | 50.0% |
| 8 月 | 92,000 | 46,000 | 50.0% |
同一批数字，换成更贴近使用机会的分母，活跃率没有下降。产品未必突然变好，也未必突然变坏；变化主要来自一批尚未具备使用条件的账户进入了累计盘子。
可触达分母适合日常经营，因为它回答的是一个更公平的问题：门已经打开的人，有多少真的走了进来。
不过，这个分母也不能靠拍脑袋删人。若团队每月都用不同理由排除沉默账户，活跃率会越来越好看，报表也会越来越像减肥广告。正确做法是把准入条件固定下来，保留排除原因，并同时报告被排除的人数。
第三个分母：同批新增用户，回答这一批人留下了多少
如果问题是“新用户质量有没有变差”，前两个分母都不够。
累计账户混入了不同年份的人，可触达用户也把新老用户放在一起。要比较获客质量，应该把同一时间进入、拥有相近观察机会的人放在一起，也就是常说的同期群。
例如，把每周完成注册的用户作为一批，观察他们在注册后 7 天内是否完成核心动作。8 月 25 日刚注册的人，到 8 月 29 日还没有完整的 7 天观察期，不能和 8 月 1 日注册的人一起计算 7 日激活率。
Amplitude 的留存计算文档专门区分不同进入日期的同期群，并在总体留存里排除尚未走完目标观察周期的人。原因很朴素：没等到考试结束，不能先给后排同学判零分。
同期群分母最好写清四件事：
- 进入事件：注册、首次登录、首次付费，还是第一次收到邀请；
- 进入日期：按自然日、自然周，还是滚动 24 小时；
- 成熟条件：只有走完 1 日、7 日或 30 日观察窗口的人，才进入对应分母；
- 返回动作：再次登录不一定代表价值，最好选择能说明产品被真正使用的关键行为。
这时，分析师才能比较“7 月各周新增用户的 7 日激活率”和“8 月各周新增用户的 7 日激活率”。若同期群表现稳定，而整体活跃率下降，问题更可能出在账户结构或分母扩张；若同期群也连续下降，再去检查渠道、首日体验和价值交付，才算找对了门。
分母拆开后，还要回头检查分子
分母是这篇文章的主角，但分子也很会惹事。
产品改版后，原来的 page_view 事件可能触发两次；埋点迁移时，iOS 和 Android 的用户标识可能没有合并；运营做了一次签到活动，登录人数大增，却没有更多人完成查询、下单或创作。若“活跃”只认任意事件，分子会被热闹放大。
建议把活跃分成三层：
- 到访活跃：登录或打开产品，说明人来了；
- 功能活跃：使用至少一个目标功能，说明产品被操作了；
- 价值活跃：完成一次能体现产品价值的动作，说明用户得到了一点结果。
三层不用全放在老板首页，但分析师自己要能拆开。用户来了却没用功能，是入口与引导问题；用了功能却没完成价值动作，可能是功能设计或数据质量问题；连人都没来，才轮到召回和触达。
说到底，活跃率不是一个数，而是“谁在什么时间内，完成了哪种动作，占哪群人的多少”。少一个限定词，结论就可能跑到另一条路上。
周会上别只报一个活跃率，报三组互相解释的数
把报表做复杂不是目的。真正有用的做法，是让三组数字各自回答一个问题：
| 观察问题 | 分子 | 分母 | 适合判断 |
|---|---|---|---|
| 盘子里还有多少人在用 | 窗口内活跃用户 | 累计注册账户 | 历史账户复访与沉默 |
| 有机会使用的人用了没有 | 窗口内活跃用户 | 当前可触达用户 | 当期产品使用与运营效率 |
| 新来的人质量是否变化 | 在固定周期内完成关键动作的新用户 | 已走完同一观察期的同期新增 | 渠道与首日体验质量 |
周会首页可以只放四个数：累计账户、可触达用户、月活用户、可触达活跃率。旁边再放一条最近 8—12 个同期群的 7 日激活曲线。这样既看规模，也看当前使用，还能看新用户质量。
遇到活跃率突然下降，可以按这个顺序检查：
- 分子和分母的去重标识、时间窗有没有变化；
- 累计账户里是否新增了未开通、失效或批量导入账号；
- 新增同期群是否已经走完观察周期；
- 活跃事件是否仍然代表真实使用，而不是一次埋点或活动噪声；
- 分层后，下降集中在哪个渠道、版本、地区或用户阶段。
前四步是在确认尺子有没有变，第五步才是在找产品问题。顺序反过来，团队很容易为一道分数题开一场产品改版会。
活跃率下降，可以是坏消息，也可以只是增长留下的影子
回到开头的教学周会。
分析师把一张活跃率曲线拆成了三张：累计账户口径下降，可触达口径基本持平，新用户 7 日激活率在最近两周略有回落。事情终于从“产品不行了”，变成了两个可以处理的问题：合作方批量账号尚未开通，不该提前进入经营分母；某个新渠道的首日关键动作完成率确实偏低，需要单独检查。
这比一句“活跃率下降”麻烦一点，却也省掉了许多无谓的慌张。
比例最会制造一种错觉：小数点后两位很精确，结论便也跟着可靠。其实分数线画得再直，分母若站错了人，精确只是把误会印得更清楚。
下一次看到用户数上涨、活跃率下降，先不要忙着给产品写病历。把累计账户、当前可触达用户和成熟同期群分别摆出来。三只分母一拆，坏消息若是真的，会更具体；若只是增长留下的影子，也不必硬把它说成衰退。
我叫石头，在互联网数据领域工作 11 年，曾任阿里巴巴高级数据架构专家。这里的数字均用于教学，真实判断应以业务定义、明细记录和固定观察窗为准。
参考资料：Google Analytics Help：Understand user metrics · Amplitude Documentation：How the Retention Analysis chart calculates retention
