编辑导读：我们都知道，拉新很重要。那么新用户来了，如何明确新用户激活阶段的目标并找到激活时刻，将其转化为有效用户呢？本文作者对如何定义产品的用户激活展开了分析讨论，与大家分享。
今天来聊聊怎么定义用户激活，教你4招快速定义产品的用户激活行为。
第一招：提出用户激活可能性的行为
这是定义用户的开放性探索阶段，主要目的是明确产品的长期价值，找到新用户在开始使用产品最快感受到长期价值的方式。
然后，根据上述方式，提出几个最可能的新用户激活行为。
通常可以利用下面2个方法来初步列出几个潜在的用户激活行为。
方法1：通过关键问题
使用场景一般为，通过关键问题，找到产品的长期价值，和体验到这些价值需要的行为，并反推新用户在短期可以完成的行为有哪些。
以美颜相机为例，我们来套套公式。
可能激活的行为：
哪些能快速完成？
前2个。
好，那我们就可以初步判断拍照和拍照完保存时可能的用户激活行为。
方法2：通过用户调研
简单地说，就是对比不同的用户回答，发现产品对用户最重要的价值找到备选激活行为。
可以向下面不同的用户角色进行调研。
使用场景一般为，如果有大量的备选行为，可以通过用户调研帮助缩小备选行为数量，对于有多个使用场景和功能的产品尤其重要。
第二招：找出关键性最强的用户激活行为
这里给大家分享两个步骤。
步骤一：找到新用户的激活期，评估激活行为要多快发生。
步骤二： 对比早期留存曲线，找到新用户激活期内，做了和没做对早期留存影响最大的1个行为。
如何找到多长时间？
原则1：使用频次越高，激活需要越快
使用频次越高，新用户越快期待从产品中获取价值，可以根据使用频次，大概判断新用户激活期。
原则2：生命周期越短，激活需要越快
生命周期越短，新用户越快期待从产品中获得价值
原则3：参考实际数据
分析新用户的实际数据，看绝大多数早期激活行为的实时间窗口
例：拉取所有首次有潜在激活动作用户的时间分布，根据80%以上的行为来判断
假设：以美颜相机为例，假设美颜相机确认第1天为新用户激活期，对应的最早期的留存是前31天。
那么，如何手动对比留存曲线？
1）收集新用户前31天的留存数据
2）将用户按有无某个行为分组，收集留存数据
所有新用户
第一天使用滤镜
第1天没用滤镜
第1天拍照
第1天没拍照
3）画出不同用户组的前31天留存曲线
4）对比留存曲线，找到有无该行为，留存差别最大的
差距越大，代表越有可能是Aha时刻。
第三招：计算魔法数字
什么是魔法数字？
通过数据分析找到这个关键行的最佳次数，也就是魔法数字。
但，不是每个产品的魔法数字都是相同的。
有些激活行为，只做一次就够了，例如电商的收单。
有些激活行为，需要重复多次，才能确保用户感受到价值，例如看短视频。
理论上，重复次数越多，对于留存提升越大，但是新用户激活时间优先，让用户重复多次是不现实的。
因此，希望通过找到激活行为的最佳次数，确保用户获得价值，同时又不给用户带来负担。
这里可以简答介绍一种常用方法， 叫边际效用最大法。
画出新用户首日激活行为次数的分布图
分析首次激活行为次数和留存率关系
找到留存边际效益最大的点对应的激活行为次数（留存率的拐点，也就是边际效用最大的次数）
还是以美颜相机使用滤镜次数为例。
从上面就的拐点就可以初步得出，用户的激活行为可以定义为新用户第第一次使用滤镜。
第四招：测试验证因果性
前面3招，其实终归是我们的最开始的初步预估，并不能证明就一定是用户激活行为，这里把之前的行为可以成为相关性行为。
真正想要锚定1个用户激活行为，还需要通过A/B测试验证因果性，确认推动用户完成早期关键行为，确实可以提升留存。
那么什么是因果性行为呢？它和相关性行为又有什么差别呢？
简单解释一下： 相关性一般指，观察到有某个早期行为同时留存率更高。而因果性，是指用户做了某个早期行为，导致留存率更高。
比如下雨天和打伞就是因果关系，下雨天和地上湿也是因果关系，但是，打伞和地上湿就不因果关系了，而只是相关而已。
这里以我爱用的全民K歌为例，全民K歌发现唱歌的新用户留存更好，认为用户激活行为是唱歌，但是需要验证因果性，并且确认魔法数字是1首还是3首。
实验：a/b测试新手引导页
对照组：不唱歌
实验组1：唱3首歌
实验组2：唱1首歌
结果：实验组2 结果最好，次日留存都达到10%
这样才能最终确定，这个关键行为能定义为用户激活。
最后，谈下感悟。
我们老在提激活和留存，其实它们并不是孤立的关系，而是对应关系，我们在定义激活用户的时候，往往也需要用到留存数据。
从而，如果我们想去提升留存率，也需要溯源到用户的激活行为，这样互相对应，串联起来。
