解决这个问题的一种方法是使用Python编程语言，结合Pandas库来处理和计算数据。下面是一个示例代码，演示了如何按月统计和获取活跃用户。

import pandas as pd

# 创建一个包含用户ID和活跃日期的示例数据框
data = {
    'user_id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15],
    'active_date': ['2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03', '2021-02-01',
                    '2021-02-02', '2021-02-03', '2021-03-01', '2021-03-02', '2021-04-01',
                    '2021-04-02', '2021-05-01', '2021-05-01', '2021-05-02', '2021-05-03']
}
df = pd.DataFrame(data)

# 将日期列转换为Datetime类型
df['active_date'] = pd.to_datetime(df['active_date'])

# 按月统计活跃用户数量
active_users = df.groupby(df['active_date'].dt.to_period('M')).size()

# 输出结果
print(active_users)

输出结果将是一个按月统计的活跃用户数量的序列，类似于：

active_date
2021-01    4
2021-02    3
2021-03    2
2021-04    2
2021-05    4
Freq: M, dtype: int64

这个结果表明，在2021年1月有4个活跃用户，在2021年2月有3个活跃用户，以此类推。你可以根据你的实际数据和需求进行修改和扩展。