你的仪表盘显示，发布成功。注册人数增加，登录人数飙升，团队感到放心。
然后两周过去了。支持票减少，但不是因为产品运行顺利。人们只是不再回来。少数强大的用户活跃。新账户的大多数人都很安静。你交付了访问权限，而不是采纳。
这就是差距 用户采纳指标 旨在填补这一差距。它们帮助你回答一个比“人们是否来过？”更难的问题。它们回答“人们是否达到了价值，回来，并将产品纳入他们的日常生活？”这种转变很重要，因为原始注册人数和登录人数往往是虚荣指标。它们告诉你有人触摸了门把手，但并没有告诉你他们是否完全搬了进去。
对于产品团队来说，这通常会在发布看起来很好，但在实践中很弱时变得真实。一个协作工具可能会获得大量账户创建，但只有少数用户创建了第一个项目，邀请了团队成员或稍后返回。一个移动应用可能会看到下载量，但很少用户完成了引导或完成了使产品有用第一步。如果你一直在盯着这种不匹配，你已经在问正确的问题了。
A better frame is to treat adoption as a journey from access to habit. That means watching the moments where a user first understands the product, first gets a result, and then repeats the behavior. Teams working on onboarding, activation, and 应用体验改进 通常会发现同样的东西。用户的第一次成功比用户的第一次登录更重要。
目录
- 从注册到真正的采用
- 8 个关键用户采用度量指标的解释
- 如何有效地衡量和跟踪采用度
- 解读指标并设定基准
- 超越基础指标：用户级别与账户级别的采用
- 构建你的采用仪表板并采取行动
- 采用指标的未来：人工智能和自动化
介绍
从注册到真正的采用
很多团队仍然以商店统计步行人流量的方式来衡量成功。更多的访客一定是好事。然而，产品并不是因为人们只来了一次而获胜的。它们是因为用户完成了有意义的动作并重复它们而获胜的。
这就是为什么采用度指标存在的原因。它们取代了对原始获取的浅表关注，转向了产品价值的行为视图。有用的问题不是“有多少创建了账户？”而是“有多少到达了产品变得足够有用以返回的点？” 实用规则：
如果一个指标与用户价值没有联系，它可能不会帮助你提高采用度。
三个最重要的问题通常是这样的：
- 通常最重要的三个问题是什么？ 价值发现：
- 用户是否完成了第一个有意义的动作？ 重复行为：
- 他们是否在第一次成功之后回来？ 是否使用率已经从好奇心转变为习惯?
本指南的其余部分围绕着这些问题展开。一些指标可以告诉你是否用户体验成功。其他指标可以告诉你产品是否形成了习惯。更高级的指标可以帮助B2B团队回答一个更复杂的问题：是否是单个用户采用了产品，还是整个客户账户都采用了它?
8个关键用户采用指标的解释
简化的用户采用方式
最容易理解的类比是健身会员。注册会员并不是采用。参加第一次健身课程更接近。每周坚持下来才是证明健身成为某人的生活的一部分。
同样的逻辑也适用于软件。根据 ClickLearn的用户采用指标概述通常情况下，采用率是指目标人群中达到有意义使用里程碑的百分比，而不是原始注册或登录数。同样的框架还包括以下公式： 采用率 = (新活跃用户 / 总用户) × 100 和 上下文:Capgo营销网站。角色:短UI标签或导航项。位置:页面trust.astro。信息键`and` (And)。.
功能采用率 = (使用特定功能的用户 / 总活跃用户) × 100
| 指标 | 公式 | 它告诉你什么 |
|---|---|---|
| 激活 | 根据产品里程碑而异 | 用户是否达到了第一个真正价值的时刻 |
| DAU/MAU | 每日活跃用户/每月活跃用户 | 用户在一个月内返回的频率 |
| 留存率 | 根据返回窗口而异 | 用户是否持续回来 |
| 流失率 | 根据流失定义而异 | 用户停止使用产品的数量 |
| 粘性 | 通常以DAU/MAU来衡量 | 是否使用成为习惯 |
| 功能采用率 | (使用特定功能的用户/总活跃用户) × 100 | 特定功能是否在实际中发挥作用 |
| 价值时间 | 从注册到首次价值时刻的时间 | 用户获取有意义结果的速度 |
| 采用率 | (新活跃用户 / 总用户) × 100 | 用户从访问到活跃使用的转变 |
连接采用率与忠诚度的团队，比较这些指标与 应用用户保留模式. 采用率让用户进入价值。保留率显示他们是否会留在那里。
每个指标的真实含义
激活 衡量用户是否跨越了起跑线。对于笔记应用，可能是创建第一笔记。对于Slack，可能是发送一条消息。具体公式取决于产品，但原则是稳定的。选择证明产品点击的第一项行动。
DAU/MAU 比较日活跃用户与月活跃用户。它是一个频率信号。如果许多月活跃用户也活跃于每日，则产品很可能成为日常习惯的一部分。
保留率 问的是用户在初期阶段是否会回来，因为有些产品最初给人的感觉很好，但后来却无法提供实质性的帮助。
流失率 流失率的反面。它显示了那些停止参与的用户。流失率是有用的，但它更适合作为一个警告灯，而不是主要的驾驶盘。流失率上升的时间，通常是激活或价值交付的原因已经开始了。
跟踪流失率，但花费更多的产品精力在解释它的指标上。
粘性 粘性通常与DAU/MAU一起讨论。在许多团队中，人们几乎将这两个术语混为一谈。实际的想法很简单：一个粘性产品会经常被用户访问到，以至于用户不需要任何提醒。
功能采用率 将焦点从整个产品缩小到一个特定的功能。如果您推出了工作流程设计器、文件共享工具或审批流程，这个指标会显示是否有活跃用户在使用它。公式如下： (使用特定功能的用户/总活跃用户) × 100.
到价值的时间 衡量用户到达第一个有意义的结果所需的时间。这一指标通常会揭示入门的阻碍。如果用户需要太多的设置步骤才能让产品感觉有用，采用就会在早期停滞不前。
采用率 把大局观纳入其中。它询问了多少用户变得有意义地活跃，而不是仅仅注册。因此，它比仅仅注册的数量更强大的商业指标。
好的工作规则是将指标配对而不是单独阅读:
- 激活 + 到价值时间 表明入门是否带来有用的第一个胜利。
- DAU/MAU + 留存率 表明使用是否浅表还是习惯性的。
- 功能采用 + 流失率 帮助您-spot是否核心功能吸引用户还是无法发挥作用。
如何有效衡量和跟踪采用
从事件仪表板开始
采用度量开始于您打开仪表板之前。它始于您决定哪些用户行为值得跟踪。
如果您的团队使用Amplitude、Mixpanel、Heap、PostHog或Google Analytics，关键决策在所有这些工具中都是相同的。定义产品事件围绕价值，而不是单独的界面点击。"项目创建","邀请发送","模板应用","报告导出"是有用的事件。"页面浏览"通常不足以。
A simple event setup includes:
- 用户行为事件: 注册，首次登录，开始入门
- 价值事件: 首个项目创建，首个文件上传，首个工作流完成
- First native cloud build Habit events:
Return session, repeat task completion, recurring collaboration action Teams also use controlled rollouts to test whether a change improves these milestones. Feature flag systems can help isolate the impact of onboarding copy, default settings, or UI changes. If your team is experimenting with staged releases, this guide to implementing feature flags
使用同龄组来观察时间的变化
Cohort analysis is one of the clearest ways to avoid fooling yourself. Instead of lumping all users together, you group them by when they started or by what experience they received.
这有助于回答这些问题：
- 用户看到新版引导页的用户是否更容易完成激活?
- 是否经过重新设计后的账户返回更加一致？
- 这个新计划等级是否与自助用户有所不同？
Without cohorts, your adoption picture gets blurry. Existing power users can hide problems affecting new users. A rising top-line metric can make a weak launch look healthy.
运营者的视角: 根据使用日期比较行为时，任何更改都会影响入门体验、定价、打包或核心工作流程。
路径映射
用户漏斗显示用户在哪里停止前进。它们有用，因为大多数采用问题并非神秘。它们发生在特定的步骤。
对于大多数产品，采用曲线看起来像这样：
- Arrival: 访客访问网站或安装应用
- 账户创建: 他们注册
- 首次使用: 他们完成了初始核心动作
- 他们完成初始核心动作 关键动作完成:
- 他们达到产品特定里程碑 重复使用:
他们再次回来做
测量用户采用度指标并制定基准
解读你的指标并设定基准值
A个指标本身可能会误导你。好的解释始于产品的工作职责。
每日规划应用和月度报告工具的使用节奏不同。团队工作流程的协作产品与个人工具的使用节奏也不同。因此，当团队询问一个数字是否“好”，有用的答案往往是“好”是什么行为？
尽管如此，一项benchmark变得尤为重要。根据 Stonly关于用户采纳指标的讨论， DAU/MAU比率 被广泛用作粘性度指标，一个 50% DAU/MAU比率 意味着平均用户在一个月内打开产品大约 15天 。因此，团队将其用作习惯形成的替代品，而不是一次性使用。
谨慎使用粘性
粘性强大，因为它可以区分广泛但浅表的使用和更深入的参与。一个产品可以有很多用户，但如果大多数用户都很少返回，那么它可能仍然很弱。
但是，粘性并不是一个独立的判决。它变得更有用时与保留率和行为质量一起使用。如果DAU/MAU上升，而有意义的动作保持不变，用户可能只是打开了应用程序而没有做太多事情。如果粘性低，但您的产品是自然的偶尔使用，那么该指标可能仅反映了使用案例。
这就是为什么性能解释应该包括产品背景、发布历史和体验质量的原因。改进 应用程序性能优化 的团队经常看到，加载速度更快，延迟更少，可以支持更好的重复使用，但该指标仍然需要与用户完成的工作一起阅读。
您的最佳基准通常是内部
外部基准对于定位有帮助，但内部基准对于决策更有用。
比较在产品更改之前和之后的同一群体。比较完成了入门流程的用户和跳过它的用户。比较不同计划或设置路径的账户。这些比较告诉您您的工作是否改变了行为。
一个实用的基准系统通常包括:
- 基准： 在更改之前的当前行为
- 预期移动: 实验成功时应改变的指标是哪一个?
- 决策规则: 如果实验失败，下一步行动是什么?
当指标移动时，问一下用户行为发生了什么变化。当它们不移动时，问一下产品变化是否触及了真正的价值来源。
超越基础知识：用户级别与账户级别的采用
为什么团队产品会产生盲点?
许多B2B团队都存在一个常见的陷阱。看似健康的采用率可以掩盖一个脆弱的账户。
GainSight在B2B环境中的采用度测量讨论 指出主流指南的一个常见缺陷。大多数解释都集中在激活、DAU/MAU、价值时间和特性采用度上，但它们并没有清晰地告诉你何时采用度应该以用户为单位、以账户为单位，还是两者兼而有之。
这两种视图回答了不同的问题。用户级别的采用度告诉你个人是否正在参与。账户级别的采用度告诉你客户组织是否将产品嵌入到了其工作流程中。
同时追踪广度和深度
想象一下，一家大公司购买了一个销售平台。一个运营负责人每天登录，生成报告，喜欢这个产品。账户看起来活跃。但是，如果没有其他人使用它，推广仍然很弱。如果那位冠军离开，账户突然处于风险之中。
一个更好的模型是跟踪两者：
- 广度的采用： 多少个账户内部的人活跃
- 深度的采用： 那些人如何深入地使用产品
- 分段： 采用是否有所不同，根据角色、计划或用例
这尤其重要在多人产品中。一个账户可以显示功能使用，而仍然无法在团队中传播。反之亦然。许多用户可能登录，但只浅表地使用。
一个实际的方法是通过分段来展示这个，而不是作为一个巨大的平均值。团队通常通过 按计划和渠道分段用户，然后在上面层叠角色相关的使用。目的在于避免将一个热情的冠军混淆为真正的组织采用。广度和深度的采用以及分段是衡量用户采用度的关键指标。通过这些指标，我们可以更好地了解用户是否真正采用了产品。
一个强大的B2B推广通常会表现出两个方面：扩散和实质。缺少其中一个是不稳定的。
构建您的采用仪表板并采取行动
一个有用的仪表板不会试图显示所有内容。它会讲一个关于用户是否达到了价值、重复使用和在账户内扩散使用的短故事。
仪表板中应该包含什么
对于大多数产品团队来说，仪表板应该围绕一个小组行为信号展开:
- 激活趋势： 新用户是否能够达到第一个有意义的里程碑?
- 价值时间趋势： 成功的路径是否在缩短还是变得更加混乱?
- 保留视图： 用户是否在第一场胜利之后返回?
- 功能采用视图： 关键功能是否被活跃用户使用?
- 账户采用切片： 团队是否广泛采用，还是使用集中?
仪表板还需要分段。新用户与老用户。自助服务与企业。个人用户与账户。没有这些切片，平均值会扁平化故事。
将指标转化为产品决策
每个指标应该触发特定的响应。如果激活度弱，需要优化引导流程并减少设置阻力。如果到价值时间慢，需要减少必要步骤数，使用户尽快看到核心结果。如果功能采用率低，问题可能出在发现、相关性或工作流适配度上。
发布速度在这里很重要，因为产品团队通过快速反馈循环学习。工具如Amplitude和Mixpanel可以帮助您读取行为。交付工具可以帮助您测试更改并将其与行为进行比较。在移动和跨平台团队中 Capgo 是将JavaScript、CSS、配置、副本和资产更新直接发送到应用商店，而不等待应用商店审查，这可以缩短观察到采用问题并测试解决方案之间的周期。
在工作流程的后期，演示视频可以帮助团队围绕什么改变了和为什么改变了达成一致。
一个实用的运营节奏应该是这样的：
- 每周查看仪表板。
- 找出一个采用瓶颈。
- 部署一个专注的变更。
- 将下一个队列与之前的队列进行比较。
- 基于行为而不是意见来决定是否保留或回滚。
采用工作变得可管理的方法是：不再追求每个指标，而是通过测量和产品行动之间的稳定循环来实现。这是采用指标的未来。
人工智能和自动化的采用指标未来
人工智能开始使采用指标的含义变得复杂。传统的用户采用指标假设人类登录、执行操作并返回。这种模型在人工智能代理生成内容、触发工作流或自动完成任务时就会变得摇摆不定。
如 Userpilot关于改变采用测量的写作 指出，新的指导方针已经提出了“人类vs.人工智能代理”的问题。实际问题很简单。指标如DAU/MAU、会话持续时间和首次关键操作所需时间可以看起来更强大，即使活动是由自动化而不是人实现的。
团队需要更清晰的归因。谁启动了任务？人工智能帮助了什么？什么是完全自动化的？这些区分会变得越来越重要，因为自动化成为正常产品使用的一部分。北极星指标仍然是相同的。测量的是人们和组织是否获得了真正的、持续的价值。只是不要假设每个操作都来自人类了。
如果您的团队部署Capacitor或Electron应用，并希望在采用分析和产品变更之间建立更紧密的循环, Capgo is worth a look. It lets teams deliver code and content updates quickly, target specific release channels, and monitor rollout behavior so product, engineering, and support can respond faster when adoption stalls.
