提升活跃度（Activation），也称为激活。
在上一篇博文中，我们介绍了“新增获客”，并给出了LTV、CAC等几个常见的概念。德鲁克有一句经典的名言:“企业的唯一目的就是创造顾客”，尤此可见新增获客的重要性。新客获取，通常关注的是获客的数量（当然获客成本也非常重要），而提升活跃度（Activation），通常关注的是所获取的客户的质量。因为客户质量的高低，或者获取的客户是否是有效客户，直接决定了获客之后，能否覆盖，以及多久才能够覆盖获客的成本。
那么，肯定有朋友会问，理想情况下，什么样的客户质量才算好，要多久覆盖获客成本才合适呢？
如果想提高收入和盈利水平，应该重点关注以下指标：
LTV：CAC >3，越高越好。客户生命周期价值，至少是获客成本的3倍，当然越高越好。
CACpayback<12个月，越小越好。理想情况下，一年之内的投资回报（把获客作为一项投资）就应当能够覆盖获客成本，以后的都是另赚。一些垂直行业可以做到5到6个月，甚至低于3个月，那么获客的投资回报就会非常可观。
简单来说，获取客户是个烧钱的动作，烧钱谁不会呢?关键是：
(2)从哪些渠道（where），才能获取到优质客户（高LTV）? 这里主要考虑的是流量成本，以及客户属性。
(2)如何（How）把烧出去的钱，转变为实实在在的回报（payback）?，这里更多地是考虑转化率、转化手段。
Why-为何要重视提升活跃度？
答案是，获客成本增长得太快太快，普遍的观点是获客成本较两年前翻了10倍以上。
以互联网金融行业为例，在P2P初见雏形时，获得一个客户的成本只需10元，现在翻了好几十倍，目前业界对获客成本的估算在800元，甚至超过1000元，有的甚至超过了3000元，这样即使获得了客户，也不一定是有效客户，必然带来极大的运营压力，并导致亏损。例如，有媒体报道称，陆金所2015年亏损高达4.15亿美元，即近30亿人民币， 其中获客成本占亏损额八成以上 。
也就是说，早期获客的历史成本（10元）很低，自然不需要关注提升活跃度；而当前获客的边际成本（3000元）非常高。目前已经无法通过足够的收益来覆盖获客的成本。而促销推广转化等等提升活跃度手段的成本，虽然也不断增长，但增长的速度要慢很多。把更多公司资源，从新客获取，转移到提升活跃度，是更加明智的资源配置方式。
影响获客成本高低的因素有很多：
- 宏观因素：人口红利时代，新增获客很简单，但目前人口红利正慢慢衰减，导致新增获客越来越困难，成本变得更加高昂。
- 技术因素：移动端，获客成本，就比PC端高很多。
- 市场饱和度（行业生命周期阶段）
- 微观因素，如：用户需求、客单价、另外还会和用户购买频次、用户地域情况、用户属性等。
获客成本的构成，包含流量成本、转化率、促进转化的促销活动成本、返现、贴息等等。
什么是客户活跃度
从不同的角度来看，活跃的定义有所不同。
（1）在过去一段时间内（如过去3个月内）有购买交易记录的客户，称为活跃客户。
这里的活跃客户，是相对于流失客户\休眠客户\沉默客户而言的。其共同特点在于都是客户，曾经发生过购买行为存在交易记录。主要区别在于，最近一次购买行为所发生的时间，是否发生在所定义的时间窗口期内。根据所处的行业特点，时间窗口期有所不同，有的选取最近3个月，有的选取最近12个月。
与时间窗口有关的参数，包括：起始日期（Startdate）、时间间隔（Interval）、期间数（Period）。
例如，如果将今天（或者说数据集中有记录的最后一天），作为起始日期，选取月份作为间隔，那么过去3个月应当选择的期间数为-3.
（2）在本期（如本季度）中有购买交易记录的客户，称为活跃客户。
这里的活跃客户是逐期的，每期当中的活跃客户，包含了新增客户，和回头老客户。
在上一篇博文中，我们给出了活跃客户数的定义：
【（本期）活跃客户数】=新增客户数+老（回头）客户
客户活跃度的相关指标
提升活跃度的关键指标，是活跃客户数，或者活跃客户率。通过提升活跃度的同时，也需要提升客户粘性。
客户粘性是站在客户视角来看的，如果某个客户每期都持续购买，那么就有很高的客户粘性。活跃客户率是站在整体角度来看的，如果整个客户构成都是以高粘性的客户为主来构成的话，那么每期流失客户自然占比很少，活跃客户率会很高。
提升活跃度，激活客户的主要目标就是提升客户粘性，以更低的成本，同老客户开展更多的后续交易。
主要指标有客户回购率、客户复购率，以及活跃客户率。
【客户回购率】＝（某段时间内）回头老客户数／期初客户数。
【客户复购率（按客户计算法）】＝（某段时间内）回头老客户数／期间客户数。
注：客户回购率和客户复购率，两个指标非常相似，分子相同，分母有所不同。
客户回购率，是相对于期初LTD客户数而言，计算当期中发生购买的老客户所占的比例。分母为之前所有有购买记录的客户数量总和，包括已经流失的那部分客户数，不考虑当期新增客户数。客户回购率是衡量的维系客户能力的指标，反映的是对公司在期初的整个客户资源，在当期进行变现的能力。
客户复购率（按客户计算法），是相对于期间发生购买的活跃客户而言，当期中发生购买的老客户所占的比例。分母仅考虑了当期中有购买记录的新增客户+回头老客户，不包括已流失客户。客户复购率是衡量的是老客户比例，即当期客户中，有多少是由老客户构成的。如果当期没有新增客户，客户复购率可以达到100%。如果新增客户占比过低，会影响客户资源的发展和持续性；但如果新增客户占比过高，通常意味着本期的业绩需要较高的获客成本来支持，简单来说主要通过烧钱的方式来支撑。
计算客户复购率，还有一种方法，是按订单计算法，这里不展开讨论。
由于分母的不同，通常客户复购率的数值，要比客户回购率更大。
使用POWER BI开展AARRR可视化分析时的要点
复购率分析中，Power BI中的图表选取策略
• 分析思路：在数据量不是很多的情况下，可以使用柱形图来展现。其中百分比柱形图，更易于展现构成。
• 以计算【客户复购率】为例，要同时显示【新增客户数】和【回头老客户数】
• 如果堆积显示，选取堆积柱形图，尤其是百分比堆积柱形图，就强调期间活跃客户数的客户构成。
• 如果并排显示，选取簇状柱形图，就是强调新增客户，与回头老客户之间的对比；更易于分别显示出新增客户数和回头老客户数的变化趋势。此时如果要反映出构成的变化，可以添加一条折线，来反映复购率。
通过选取不同的国家、产品类别。
很容易开展交互式探索分析，得到老客户基础不断增长、客户复购率不断上升的那些产品和地区。
客户回购率分析中，Power BI中的图表选取策略
回购率分析时，可以看出上一期的柱形高度，实际上反映出了的【客户回购率】分母，期初客户总数。
本期不仅新增了一些客户数（红色数据序列），而且还将上期（期初）客户总数分为两个部分：流失客户 + 回头老客户。
影响【客户回购率】数值大小的主要因素，除了分子分母以外，还有一个非常重要的因素，那就是期间的选择。比如在上图中，选择季度作为期间，以及选择月份作为期间，得到的回购率曲线图，是有差异的，而且客户回购率的计算结果有较大差异。因为以3个月为期间考察客户的回购情况，会将更多客户计为回头老客户。
许多时候，我们希望动态突出显示图表中的某一段折线，或者某一组柱形图。比如某个季度当中的几个月份，这时候我们可以通过“逐层”地进行突出显示：
“
通过选中2016年第2季度的柱形，可以对下方柱形图的三个月份，进行突出显示。同时对各国家、各产品订单数量进行交叉筛选。
另外，我们可以选择不同的国家、产品，对回购率的变化趋势进行交叉筛选：
可以查看不同国家地区、产品的回购率趋势线的变化，以及不同类型客户的占比情况。
客户活跃率分析中，Power BI中的图表选取策略
可以通过客户复购率、活跃客户率，来查看各个产品的客户粘性和客户活跃程度的变化趋势，并选择具体产品类别，按不同国家和地区来查看：
综合图表
现在，我们将客户复购率、客户回购率以及客户活跃率，同活跃客户数放到同一个复合图表中进行展示。
将这三条曲线与活跃客户数叠加在一起可以看出客户黏性/活跃度的健康程度。
理想的情况，客户回购率和复购率曲线都不随着用户数量的变化而变化，普遍保持着上升的趋势。逐步上升的回购率，反映出的是为公司长期创造价值的老用户的比例持续增长。
另外我们还可以创建一个综合性的图表，对产品的综合价值开展分析：
从产品的角度出发，可以用散点图和十字线，来构造一个波士顿矩阵图，将规模指标置于X轴上，将比率置于Y轴上，很容易看出各个产品的综合价值。
也可以将毛利等指标添加到散点图中，形成气泡图，来更加综合地反映产品价值，并使用切片器进行交互式查看。
理想情况下，位于第一象限的高订单数量、高复购率的产品最具吸引力。
有关客户活跃度、复购率、回购率等指标，来衡量促进客户活跃度的工具和图表就介绍到这里。
在下一篇博文里，继续介绍用Power BI开展AARRR分析的内容。
有关Power BI更多玩法，请关注天善智能在线课程 https://edu.hellobi.com/course/76
目前已经有许多免费视频可供观看。
像Tableau一样玩转微软Power BI
