多邻国用户增长MECE模型

借鉴自 Zynga 和 MyFitnessPal 的用户分层模型，将所有历史用户按活跃度划分为 7 个互斥且穷尽（MECE）的桶，并测量用户在桶与桶之间转移的概率：

7 个用户桶：

1. 新用户：首次使用产品
2. 当前用户：今日活跃，且过去 6 天内至少活跃过 1 天
3. 重新活跃用户：沉寂 7-29 天后，今日首次活跃
4. 唤醒用户：沉寂 30 天以上后，今日首次活跃
5. 风险周活用户：今日不活跃，但过去 6 天内活跃过（此桶 + DAU = WAU）
6. 风险月活用户：过去 7 天不活跃，但过去 23 天内活跃过（此桶 + WAU = MAU）
7. 沉睡用户：超过 31 天未活跃

4 个关键转移率（从周维度改为日维度）：

• CURR (Current User Retention Rate)：当前用户次日留存的概率
• NURR (New User Retention Rate)：新用户次日留存的概率
• RURR (Reactivated User Retention Rate)：重新活跃用户次日留存的概率
• SURR (Resurrected User Retention Rate)：唤醒用户次日留存的概率

寻找北极星指标的方法： 通过历史数据建立前瞻性模型，进行敏感性分析：假设每季度将单一转化率提升 2%，持续三年，观察其对 MAU 和 DAU 的预测影响。找出对目标指标影响最大的杠杆。