FlipWeb在評估一般數位資產與研究一般的網路公司中，DAU這個指標系列還有WAU，MAU，留存率這個指標系列有次留，三留，七留，月留。日活和次留這兩個指標的波動太大，為了便於讓這個計算過程更簡單，FlipWeb小編特別於本文中計算MAU以及月留存兩個指標。
本文的主要內容包含以下幾個方面
1.預測MAU以及月留存的作用。
2.定義影響月活的因素。
3.定義影響月留存的因素。
4.月活預測以及留存預測的計算過程。
5.如何提高預測的準確率。
一，預測MAU以及月留存的作用及其意義
活躍用戶規模對於企業來說是評價其營運結果的一個重要指標，在一般情況下我們的DAU或者MAU都是滯後於事件的，這樣就會讓企業在前期的成本投入沒有一個參考，不能準確評價一個營運活動的效果。
當MAU以及月留存這些指標能夠進行一個合理的預估，這就可以給企業在活動進行之前有一個標準參考，以及在活動後對於活動效果的評估有了一個標準。
舉一個簡單的例子，這裡用A來表示不使用MAU預估進行營運，用B來表示使用MAU預估來進行營運。
A：公司最近的經營狀態低迷，為了進一步擴大用戶規模，公司準備在下個月進行一個拉新的活動。這個時候需要老闆對營運部分定下個月的KPI了，老闆問當月的MAU是多少，營運的同學回答道：本月的MAU為20W，通過這這次活動，預計下個月的的MAU為21W。老大覺得你作為營運部門的人定這樣的一個數據肯定是害怕自己活動做不好，給自己定的數據肯定是往低了定的。於是大手一揮說：這次的拉新活動我們也投入了這麽多的資源，所以下個月的KPI是MAU達到25W，此時作為營運的同學心裡飄過10萬頭。。。
B：公司最近的經營狀態低迷，為了進一步擴大用戶規模，公司準備在下個月進行一個拉新的活動。這個時候需要老闆對營運部分定下個月的KPI了，老闆問當月的MAU是多少。這個時候數據分析的同學說道：通過對前期數據的觀察，公司的用戶增長速率開始放緩，體現在MAU上有逐步下降的趨勢。根據以往活動的效果以及本次活動的成本投入，我們預估通過本次活動，下個月的MAU可以達到21W，最佳狀態下可能達到22W。這個時候老闆就說，那這次營運部門活動就定到22W吧。
（PS：以上純屬虛構 ）
回想一下上面兩個場景，為什麽第一個會使得營運部門的KPI定的讓營運想死，而第二個可以讓這個KPI定的更加合理呢？原因主要有兩個：
1.話由營運部門自己說出來，給人的感覺就是又當運動員，又當裁判員。其可信度已經大大的降低了，而由一個獨立的部門提出來，並給出原因，使得這句話的可信度增加不少。
2.其實在老闆心裡，他也沒有一個具體的標準來定這個KPI，訂也是憑著感覺來的，而數據部門給出了一個可信服的標準，讓最終的KPI定的更加合理，更加能被雙方所接受。
除此之外，預測MAU，還可以用在對渠道效果的評估，用戶生命周期價值的分析等等。
月活預測以及留存預測的計算過程
1.活躍用戶由兩部分組成，一方面是老用戶，另外一方面是新用戶。因此在計算下個月活躍用戶的時候需要考慮的就有這兩個方面。老用戶暫時定義為上個月最後5天有過登錄的用戶，新用戶則為全新的用戶。
2.在老用戶的基礎上，計算過去幾個月裡面每月用戶的留存率的值，如果各個留存值之間的差異不大，則可以選擇用均值來作為下個月用戶留存的計算值，如果各個留存值之間差異很大，這個就需要謹慎了。如果貿然地去用過去幾個月的留存進行計算，那麽很可能會導致最終的計算結果和準確值差異特別大，從而失去了預測的意義與價值。
3.如果計算出的流失率差異很大，在做預測的時候需要關註的就是流失率這樣的一個指標和哪些指標相關度較高。而在這些指標後面是由哪些行為影響的，通過對指標後的行為進行權重評估。再反過來通過這些動作來計算指標值，從而預估出這個月的留存率。
4.對於自然增長這一部分用戶，我們可以用機器模擬一個增長曲線，得出自然增長值。而對於人為營運影響的增長，則可以將營運行為劃分為不同的動作，給予不同的動作不同的權重，從而計算出營運增長值。
