另外的答案已經給出了比較全的使用者分析欄位，這裡就不再贅述了。

如果題主是想用收集到的資料做分析，這裡給題主推薦幾個方式吧。

1. 提出分析展現的需求給外包的技術團隊。

2. 定期整理資料，用excel完成資料整理與分析。

3. 使用資料分析類的saas產品，將視覺化進行到底。

這三種方式題主可以根據實際情況選擇。

總體來說，第一種是後期維護成本較低，但是前期溝通會比較複雜的，完成後也可能無法盡如人意，畢竟技術團隊不是搞資料分析的；第二種需要花費比較多的時間，進行重複性的工作，同時也需要對資料分析函式這類知識有一定的瞭解；第三種是前期可能需要了解如何使用，但是上手後非常方便的，saas產品有資料觀、Tableau、永洪BI等等，挑一個自己適用的就行，如果日常操作比較簡便，推薦資料觀，滑鼠拖拽就行，資料能實時更新，也不用反覆操作，不用背下來複雜的函式公式。減少了很多時間投入，做出來的東西也專業。Tableau是國外的產品，在視覺化方面非常專業。如果是專業的分析師，更推薦Tableau。

希望對題主有幫助~

活躍率：是某一時間段內活躍使用者在總使用者量的佔比，根據時間可分為日活躍率（DAU）、周活躍率（WAU）、月活躍率（MAU）等。但產品不同，活躍使用者的定義也可能不同。有的APP開啟就算活躍，而有的APP必須登入才算活躍......

留存率：留存率定義為使用者在某段時間內開始使用網站/應用（一般定義是註冊），經過一段時間後，仍然繼續使用的人被認作是留存使用者。留存率體現了網站/應用的質量和保留使用者的能力。

一般統計週期為天，常見的週期維度有次日、7日、14日/15日、30日、60日、90日）

比如：

次日留存率：（第一天新增使用者數，第2天還登入的使用者數）/第一天總註冊使用者數

7日留存率：（第一天新增使用者數，第8天還登入的使用者數）/第一天總註冊使用者數

30日留存率：（第一天新增使用者數，第31天還登入的使用者數）/第一天總註冊使用者

留存率 ≠ 活躍率

留存率和活躍率混為一談，這是一個很嚴重的誤區。大家經常會用日活（簡稱DAU）來監測網站/應用，有時候日活在一段時期內都是逐漸增加的，按理說這是一個好現象，但是如果忽略了留存率計算，這個結果很可能是一個錯誤。比如某公司做了很多拉新、推廣的活動，帶來了很多新使用者，其日活資料應該也是增加的，但是最終留下來的使用者不一定在增長，甚至有可能在減少，只不過是新使用者太多而掩蓋了留存率問題，實際上使用者的留存是在逐漸降低的。

若有如下使用者行為，你該如何分析？

使用者A下載並開始使用產品，發現可以滿足他的全部需求，對產品愛不釋手，基本每週都有登陸，並且登陸時長均在2小時以上。

使用者B下載並開始使用產品，用了幾天後便不再使用，產品更新後，覺得新功能很棒再次開始使用，之後的使用頻率大約為每半個月一次。

使用者C在網上搜索後隨意的註冊了一下，用了幾天產品，覺得一般般，當產品有大量折扣或活動時，再次使用過一兩次。一季度下來使用不到5次。

使用者D在有拉新活動時，下載並註冊之後便解除安裝或放棄使用，整季度使用次數為0或1。

以上四種使用者，可以根據其活躍度劃分為：

活躍期使用者：（使用者A）

使用者活躍路徑：新增-活躍-忠誠

對應措施：保證接觸頻率，但不做促銷刺激

沉默期使用者：（使用者B）

使用者活躍路徑：新增-不活躍-迴流-活躍

對應措施：保證接觸頻率，給予少量的營銷折扣

睡眠期使用者：（使用者C）

使用者活躍路徑：新增-不活躍-迴流

對應措施：控制有限接觸，透過打折扣進行挽回

流失期使用者：（使用者D）

使用者活躍路徑：新增-不活躍-流失

對應措施：遮蔽接觸，只有在“雙十一”之類的大促時通知使用者

以上是以活躍率為例進行分析，提到如何簡單準確計算出這些指標的話，這些推薦大家使用BDP個人版：https://me.bdp.cn/home.html

活躍率具體操作流程可參考：https://mp.weixin.qq.com/s/ukn0Yfpul3bkSchPhQIkaw

留存率具體操作流程可參考：https://mp.weixin.qq.com/s/6LtkPkp6Vd2levA2vMXAmw