留存率还能这样计算？(上)留存率还能这样计算？(上).pdfVIP

留存率还能这样计算 ？（上 ） 留存率这个概念对于大家来说一点也不陌生 ，平时 到的更多是固化的留存率 ，一般统计周期按天 ，常见有次日、7 日、14 日、15 日、30 日、60 日等 ；如果大家想 更加灵活维度的留存率 ，比如按 照某一日期时间段的留存率 ，都有经历这样的流程 ：给分析师提需求——分析师给技术提需求—— 分析师拿到数据并分析留存率——将数据结果给PM/运营 ，这个流程至少需要持续一天 ，一天后才 能拿到最终的结果 ，不仅耽误了调整网站运营策略的最佳时间 ，还可能因为时间间隔存在数据误差 的情况。这样的流程的确降低了工作效率 ，那有没有什么方法能更加自主、灵活地计算留存率呢 ？ 1、何为留存率 ？ 在互联网行业当中 ，因为拉新或推广的活动把用户引过来 ，用户开始访问网站/应用 ，但是经过一段 时间可能就会有一部分客户逐渐流失了。留存率定义为用户在某段时间内开始使用网站/应用 （一般 定义是注册 ），经过一段时间后 ，仍然继续使用的人被认作是留存用户。留存率体现了网站/应用的 质量和保留用户的能力。 留存率计算方法 ：留存率=登录用户数/新增用户数* 100% （一般统计周期为天 ，常见的周期维度有次日、7 日、14 日/15 日、30 日、60 日、90 日） 比如 ： 次日留存率 ：（第一天新增用户数 ，第2天还登录的用户数 ）/第一天总注册用户数 7 日留存率 ：（第一天新增用户数 ，第8天还登录的用户数 ）/第一天总注册用户数 30 日留存率 ：（第一天新增用户数 ，第31天还登录的用户数 ）/第一天总注册用户 留存率 ≠ 活跃率 留存率和活跃率混为一谈 ，这是一个很严重的误区。大家经常会用日活 （简称DA U ）来监测网站/ 应用 ，有时候日活在一段时期内都是逐渐增加的 ，按理说这是一个好现象 ，但是如果忽略了留存率 计算 ，这个结果很可能是一个错误。比如某公司做了很多拉新、推广的活动 ，带来了很多新用户 ， 其日活数据应该也是增加的 ，但是最终留下来的用户不一定在增长 ，甚至有可能在减少 ，只不过是 新用户太多而掩盖了留存率问题 ，实际上用户的留存是在逐渐降低的。 2、留存率在数据平台中是如何实现的 ？ （1 ）如何设定 维度 ：日期维度 数值 ：新增注册用户+留存设置 （注 ：留存率可同时计算多个 ，如次日留存、第7 日留存、第30 日 留存、第1季度留存等 ；） （2 ）留存率设置 经过很多相关的数据调研 ，我们最终确定留存率可以按日、周、月、季度、年、或自定义时间段来 计算 ，以往大部分留存率都是以日为维度 ，但这些按周、按月甚至自定义时间段的个性化需求是很 强烈的 ，能帮助我们客户了解更加网站的具体留存数据 ，做出更加正确的网站运营策略。 按固定时间 ：最基础的设置 ，只查 未来某个固定时间的留存率 留存周期 ：选定按固定时间计算 ，包括 ：日、周、月、季、年 ，比如第n 日 ，第n月 ，上图设置第 7 日 ； 日期字段 ：选择工作表里是日期的字段 ，比如用户访问时间 ； 所选日期 ：即留存周期的开始时间 ，默认固定时间 ，也支持自定义设置时间段 ； 数值设置 ：留存率、留存数 ，这个应该不难理解 ； 上图含义 ：今天之后的第7天留存 ，即7 日留存 ； 按范围时间 ：设置更加灵活 ，可以查 未来某一段时间范围 （按固定的周期 ，比如第1周-第7周 ） 的留存率 留存周期 ：选定按范围时间计算留存率 ，包括 ：日、周、月、季度、年 ，比如第n 日到第m日 ，第n 月到第n月 ，上图设置第1日到第7 日 （即次日-7 日留存 ）； 日期字段 ：选择工作表里是日期的字段 ，比如用户访问时间 ； 所选日期 ：即留存周期的开始时间 ，默认固定时间 ，这里我们选择自定义设置时间段 ； 数值设置 ：留存率、留存数 ，这个应该不难理解 ； 上图含义 ：2016-07-21到2016-07-31这段期间的新用户总数对应的次日-7 日留存情况 ； 按自定义时间段 ：最个性化的设置 ，可以任意查 未来某一段时间范围 （无固定周期设置 ，任意设 置日期范围 ）的留存率 （图1 ，所选日期 ：固定时间 ） （图2 ，所选日期 ：自定义时间段 ） 留存周期 ：选定按自定义时间段计算留存率 ，比如从2016-08-04到2016-08-31 ； 日期字段 ：选择工作表里是日期的字段 ，比如用户访问时间 ； 所选日期 ：即留存周期的开始时