激活率是指新用户中达到早期关键里程碑的比例。本文讲公式、怎么用留存数据选出激活事件、从注册到激活的漏斗、怎么读懂用户卡在哪,以及怎么用引导调整和真人跟进来修复。
读完你会知道
- 激活率 = 在窗口内达到激活事件的用户数 ÷ 注册用户数;测量前先定好事件、窗口和分母。
- 通过对比留存和流失的注册用户来选事件,优先选早、能预测留存、且是用户做的动作的事件。
- 在漏斗里找到卡点,去掉不在通往事件路上的步骤,并在卡住的步骤上由真人跟进;前后对比的结果按观察性来读。
什么是激活率?
激活率是指新用户中达到某个早期里程碑(激活事件)的比例,这个里程碑说明他们已经体验到产品的核心价值。公式是:在设定窗口内完成激活事件的用户数,除以同期注册的用户数。如果 1,000 个注册用户里有 280 人在七天内创建了首份报表,激活率就是 28.0%。用户激活说的是同一件事,只是从人的角度看:一个注册账号变成真正从产品里得到价值的人的那一刻。
它位于你大概已经在看的两个数字之间。注册数说明获客有效;留存说明产品长期有效;激活说明新用户有没有走到足以发现价值的地方。我们的 SaaS 指标和用户引导指标两篇把这个数放在更大的指标体系里。本文讲它们只是带过的部分:用数据选出激活事件、找到用户卡在哪、再采取行动。
激活率怎么计算?
公式如下:
激活率 = 在窗口内达到激活事件的用户数 ÷ 同期注册的用户数 × 100
三个选择决定这个数有没有意义。
- 分母。Amplitude 的激活率指南用新用户做分母;Lenny's Newsletter 的基准文章(2022 年)用完成注册流程的用户做分母。两者算出来数字不同,选一个并一直沿用。用全部注册用户做分母更严格。
- 窗口。Amplitude 的示例用注册后七天,并建议在 24 小时、三天、七天或 30 天等时长里选一个。测量之前就定好窗口,只统计已经过完窗口的批次。
- 事件。下一节专门讲。Amplitude 提醒不要定得太宽(注册或登录),也不要定得太窄(要求高级用法,把已经获得价值的人排除在外)。
按注册批次(本周注册的、上周注册的)分别计算,而不是算累计值,这样你上线一个改动后才看得出变化。
怎么用数据找出你的激活事件?
把激活事件当作一个要用留存来检验的假设,而不是团队最喜欢的那一步。方法 Amplitude 和 Lenny's Newsletter 用不同的话都讲过:
- 列出候选事件。用户早期做的具体动作:完成引导、接入数据、创建第 1 个项目、邀请同事、拿到第 1 个结果。
- 对比留存和流失的注册用户。取一个已经足够老、能下判断的注册批次,分成第 30 天仍活跃和已流失两组,看每组在首周内有多少人做过每个候选事件。Amplitude 建议的正是对比留存用户和流失用户的早期行为。
- 优先选早、能预测、可行动的事件。Lenny's Newsletter 建议选生命周期早期、与留存强相关的里程碑(做到的用户留存应至少是没做到的两倍),是用户做的动作而不是账号层面的事实,既不能太早(完成注册),也不能太晚(多次购买)。
- 检验因果。相关性只是起点。两个来源都说要确认改进这个里程碑之后,后续留存或收入也确实变好。接入数据的人可能本来就更认真,所以才留下来。
下面是示例数据(不是真实产品)的对比:1,000 个注册用户,其中 300 人在第 30 天仍活跃。
| 候选事件 | 做过 | 第 30 天留存 | 没做过 | 第 30 天留存 | 倍数 |
|---|---|---|---|---|---|
| 完善资料 | 700 | 235(33.6%) | 300 | 65(21.7%) | 1.5 倍 |
| 邀请了同事 | 250 | 110(44.0%) | 750 | 190(25.3%) | 1.7 倍 |
| 24 小时内接入数据 | 400 | 200(50.0%) | 600 | 100(16.7%) | 3.0 倍 |
| 7 天内创建首份报表 | 280 | 182(65.0%) | 720 | 118(16.4%) | 4.0 倍 |
每一行都能对上:235 + 65 = 300,182 + 118 = 300 个留存用户。“创建首份报表”最能区分留存和流失(65.0% 对 16.4%),而且 1,000 人里有 280 人能做到,所以它就是这里的激活事件。“接入数据”是走到那一步必须经过的环节,因此是要重点改的一步。完善资料很常见但预测力弱,所以不算激活,尽管它让人觉得有进展。
| 候选事件 | 做过 | 第 30 天留存 | 没做过 | 第 30 天留存 | 倍数 |
|---|---|---|---|---|---|
| 完善资料 | 700 | 235(33.6%) | 300 | 65(21.7%) | 1.5 倍 |
| 邀请了同事 | 250 | 110(44.0%) | 750 | 190(25.3%) | 1.7 倍 |
| 24 小时内接入数据 | 400 | 200(50.0%) | 600 | 100(16.7%) | 3.0 倍 |
| 7 天内创建第一份报表 | 280 | 182(65.0%) | 720 | 118(16.4%) | 4.0 倍 |
示例数据:1,000 个注册,300 人第 30 天仍活跃。是相关,不证明因果。
怎么搭建从注册到激活的漏斗?
事件选定后,把它放在以注册开头的有序漏斗末尾。用和公式相同的事件、相同的窗口。示例产品是:
- 完成注册。
- 回答角色问题。
- 邀请同事。
- 接入数据源。
- 创建首份报表(激活事件)。
把漏斗窗口设成和激活窗口一致,这里是七天。漏斗会给出每一步需要的数字:进入人数、相对上一步的转化、流失,以及距上一步的中位耗时。前者找出最弱的一步;后者告诉你人们是在某一步里慢慢推进,还是在这一步失败。会扭曲漏斗的常见错误见漏斗分析的常见错误。把漏斗首步到最后一步的转化率直接当作激活率,漏斗和公式就始终一致。
一次只按一个属性拆分:套餐、获客渠道、设备或国家。整体偏低,但某个渠道很好、另一个很差,那是获客问题,不是引导问题。Geckoboard 的激活率 KPI 指南也有同样的提醒:激活率低也可能是营销引来了不合适的注册用户,而且这个数并不说明激活后的用户是否留下或付费。
新用户卡在哪里,怎么读?
按顺序看三件事。
流失最大的一步。在下一节的示例里,最大的损失在“回答角色问题”到“邀请同事”之间(800 降到 560,少了 240 人)。但流失最大的地方不一定是该动手的地方:先问这一步是不是达到激活所必需。邀请同事并不是创建首份报表的前提,所以这一步该考虑挪位或去掉,而不是打磨。
到第 1 个关键动作的时间。步骤之间的中位耗时告诉你人们是在慢慢完成,还是已经放弃。“接入数据源”前的中位耗时很长,可能说明用户手边缺东西,比如凭证或别人的授权。这和界面看不懂是两种不同的修法。
卡住的用户转而做了什么。路径报告会显示没有激活的注册用户接下来去了哪:回首页、看价格页、查文档,还是离开。
然后打开具体的人。点击漏斗中的某一步,查看在这里流失的人,读几条时间线。十几条时间线比再多一张图更能说明原因。
把关键步骤前移,示例数据会怎么变?
仍是示例数据,这里重新算过。一个产品有 1,000 个注册用户、五步流程,激活定义为“7 天内创建首份报表”。原流程把关键动作放在最后:
| 步骤(原顺序) | 用户数 | 相对上一步 |
|---|---|---|
| 1. 完成注册 | 1,000 | 无 |
| 2. 回答角色问题 | 800 | 80.0% |
| 3. 邀请同事 | 560 | 70.0% |
| 4. 接入数据源 | 360 | 64.3% |
| 5. 创建首份报表 | 280 | 77.8% |
激活率是 280 ÷ 1,000 = 28.0%。到达第 4 步的人大多能走到第 5 步(77.8%),所以漏的地方在关键动作之前,而不在它本身。团队把“接入数据源”挪到第 2 步,“创建首份报表”变成第 3 步,把角色问题和邀请同事推到激活之后,并可跳过。下一批 1,000 个注册用户的结果:
| 步骤(新顺序) | 用户数 | 相对上一步 |
|---|---|---|
| 1. 完成注册 | 1,000 | 无 |
| 2. 接入数据源 | 620 | 62.0% |
| 3. 创建首份报表 | 360 | 58.1% |
| 4 和 5. 角色问题、邀请 | 激活之后 | 无 |
激活率是 360 ÷ 1,000 = 36.0%,提高 8.0 个百分点,即每 1,000 个注册多 80 个激活用户,相对变化为 8.0 ÷ 28.0 = 28.6%。
读的时候要小心。这是两个批次的前后对比,不是对照实验。第二批的流量构成、一次活动或季节性也可能推动这个数。结论要克制:改动之后激活率上升了,改动可以保留,再观察接下来两个批次。还要检查新激活用户的第 30 天留存是否仍接近老用户;如果下降,说明你只是让事件更容易达成,却没让它更有意义。
关键步骤前移前后的激活率(示例数据)
7 天内激活 · 每 1,000 个注册怎么用引导调整和真人跟进修复卡住的步骤?
从成本最低的修法做起。
- 去掉不在通往激活事件路上的步骤。挪到激活之后,或设为可跳过。上面的示例就是这么做的。引导流程和注册流程两篇讲了步骤设计的细节。
- 缩短距离。把关键步骤前移,能预填的预填,提供示例数据,让用户在接入真实数据前就能看到第 1 个结果。
- 修具体的障碍。如果某一步到第 1 个动作的耗时很长,从卡住用户的时间线里找出缺什么,把答案放到界面上。用户引导一文更深入讲怎么找到顿悟时刻。
- 和卡住的人说话。有些障碍靠界面解决不了。在卡住的步骤上设一条主动聊天邀请,等过了正常用户需要的时间再出现,让真人在用户犹豫的那一刻伸出手。要具体:“接入数据时遇到问题?告诉我是哪个数据源,我带你走一遍。”一句话、绑定页面,比泛泛的弹窗好。
用回复率来判断邀请是否有效,不要默认它有用。无法和对照组比较的规则只是假设;没人回复就停用。
多少算好的激活率?
没有统一的数字,公布基准的来源自己也这么说。引用最多的公开数字来自 Lenny's Newsletter 2022 年 10 月发布的调查,回收 500 多份,覆盖八类产品:所有产品平均激活率 34%、中位数 25%;仅 SaaS 平均 36%、中位数 30%。这些是读者自己填报的数据,取决于每位填报者自己的激活定义,也已是几年前的。Geckoboard 明确说,行业对比只有有限参考价值,因为各家的激活定义差别很大。
用基准判断你大致在什么区间,不要拿来定目标。示例里的 28.0% 低于 SaaS 中位数 30%,36.0% 与 SaaS 平均数相同,但对比意义有限,因为示例的定义和他们的不同。更好的目标是你自己的趋势:这个批次对比前四个批次,以及每次改动之后。也要把激活率和留存放在一起看,因为激活后不留下的激活事件,说明定义不好。留存指标和多少算好的留存率讲另一半,防止流失讲仍然流失的人怎么办。
怎么在 TapCub 里衡量激活?
这些环节都在一个项目里,基于同一份事件。步骤用控制台的菜单名,内容对照产品文档。下面的事件名只是示例,用你自己的。
- 从首天起上报事件。用
track()上报注册和关键动作(例如signed_up、data_source_connected、report_created),或在数据 › 事件收件箱里接受自动采集的候选事件;接受后会生成匹配规则并回填最近 90 天。服务端事件同样计入,适合注册和付款。 - 设置激活事件。在业务设置的 AARRR 标签页里填注册事件和激活事件。激活事件默认为空,请设成真实动作而不是页面浏览。AARRR 报告随后会以人数和比例显示激活,统计在期内做了该事件、或在期末后 7 天内做了该事件的新用户。
- 搭漏斗。在行为分析里新建漏斗,设置步骤(2 到 20 步),窗口默认 7 天,查看每步的人数、步骤转化、流失和中位耗时。可按渠道或套餐等一个属性拆分。点击某一步可以看在此流失的人。
- 读卡点。用路径报告从某个起始页面或事件看没激活的人接下来去哪,并打开具体的人读时间线(登录后调用
tapcub.login()的用户会出现在列表里)。 - 按激活情况看留存。以注册为起始事件跑留存,用分群筛出做过或没做过激活事件的人,对比两条曲线。分群是规则式的(“做过”“没做过”、属性、首次出现),每天或手动刷新。
- 和卡住的用户聊。在在线客服 › 聊天设置 › 主动邀请里加一条规则:按路径匹配引导页面,设停留时间(3 到 600 秒),写邀请文案(最多 300 字)。聊天与统计用同一份访客数据,坐席能在对话旁看到页面和近期行为。规则列表显示展示次数、打开率和回复率。
需要知道的限制。邀请只按页面和停留时间触发,不能按分群或行为触发。TapCub 不做 A/B 实验或特性开关,所以像示例那样的前后对比是观察性的。激活事件要等 7 天窗口走完,所以最新的批次看起来会偏低。行业配置见 SaaS 解决方案页,背后的数据模型见 SaaS 分析。
常见问题
多少算好的激活率?
公开数字因定义不同而不同。Lenny's Newsletter 2022 年回收 500 多份的调查报告 SaaS 平均 36%、中位数 30%。仅作参考;按注册批次看你自己的趋势更重要。
激活和留存有什么区别?
激活看新用户是否很早达到关键里程碑;留存看用户之后是否回来。用留存来检验激活事件:达到它的人留存应明显好于没达到的人。
怎么定义激活事件?
对比留存和流失的注册用户的早期行为,选一个早、能预测留存、且是用户做的动作的事件。把它当作假设,随着产品变化重新检验。
怎么提高用户激活?
找出可避免的最大流失步骤,去掉不在通往事件路上的步骤,缩短到第 1 个结果的时间,修具体的障碍,并在卡住的步骤上由真人跟进。按批次记录前后的比率,并把结果当作观察性的。
另见:漏斗分析:怎么搭建、读懂和修复漏斗;产品分析:是什么、核心指标和怎么起步
来源
- Amplitude。What is activation rate(页面未标日期):激活率为新用户中达到关键里程碑的比例;示例 1,000 个注册中 300 人即 30%;时间窗口如 24 小时到 30 天;对比留存和流失用户的早期行为;把定义当作假设;不宜过宽或过窄。厂商指南。2026-11-21 读过。
- Lenny's Newsletter(2022)。What is a good activation rate(2022-10-25 发布):500 多份回收,八类产品;全部产品平均 34%、中位数 25%;SaaS 平均 36%、中位数 30%;里程碑要早、能预测(留存至少 2 倍)、可行动;用实验确认因果。读者调查数据。2026-11-21 读过。
- Geckoboard。Activation rate KPI:公式为完成里程碑的注册用户除以全部注册用户;基准只有有限参考价值;低激活率可能是注册用户不合适;该数不显示留存或付费。厂商指南。2026-11-21 读过。
- TapCub 文档(2026-11-21 核对):漏斗、留存、路径、分群、用户、事件收件箱、AARRR、主动消息。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

