留存率

一 业务指标 1 指标的概念 指标即用于衡量业务的某个统一标准。 2 指标的分类 2.1 用户数据指标 用户分为新增用户、活跃用户及留存用户，分别对应的用户数据指标是日新增用户数、日活跃用户及留存率。 用户数据指标有3个——日新增用户，活跃率，留存率。 通过日新增用户可知，不同渠道分别新增了多少用户，从而判断出渠道的推广效果。 通过活跃率判断产品是否与用户保持了高度的粘性，是否解决了用户的刚性需求。 通过留存率了解不同时期获得新用户的流失情况，若留存率低，需要找到用户流失的原因。 1）日新增用户数 日新增用户数即产品每天的新增用户数量。 i）关注日新增用户数的原因是产品如无增长则用户会逐渐减少。 ii）应用 新增用户来自产品推广的渠道，如果 按渠道维度来拆解新增用户 ，可以看出不同渠道分别新增了多少用户， 从而判断出渠道推广的效果 。 2）活跃率 活跃率=活跃用户数/总用户数，即活跃率是活跃用户在总用户数中的占比。 其中活跃用户数要去重，即同一个用户在某一时间段内活跃多次也仅算作一个活跃用户。 不同产品对活跃率的定义不同 量化某一app的活跃率时需要先明确活跃是怎样定义的 比较不同app活跃率时需要先统一关于活跃的定义 i）日活率 日活率=日活跃用户数/总用户数 日活跃用户数（日活，DAU）即一天之内活跃的用户数 如把打开微信公众号文章定义为活跃

目录 需求分析阶段 需求分析方法 需求管理 需求分析阶段 需求分析贯穿在产品整个生命周期。 1. 产品概念期 这个阶段做需求分析，更强调需求调研，目的是定位目标用户群，做产品定位，市场研究并确认细分产品市场。提炼产品核心功能，解决目标用户群痛点问题。 交付物：BRD商业需求文档 。（或类似的相关的文档，如需求调研报告、市场调研报告等） 2.产品设计开发期 这个阶段的需求分析，目的是要设计一个可落地的解决用户痛点，满足用户需求的产品。设计一个目标用户可用好用的产品。深层次的挖掘和分析用户，描述需求，解决问题。实现用户如何通过一步步的使用产品满足其需求。该阶段 交付物：产品原型+PRD操作文档 。 3.上线后-成长期 上线后的需求分析，目的是验证真实产品满足真实用户需求的结果，收集用户需求，优化产品。 4.成熟运营期 本阶段需求分析，目的在为产品提供更好的运营方案，制定竞争策略。让产品持续更好的更多的为企业创造商业价值。 5.产品衰退期 当产品进入衰退期时，需求分析重在研究市场发展趋势，以帮助决策是调整发展战略。 需求分析方法 需求分析三步走： 明确问题-拆解需求-提供解决方案 1.明确问题 明确问题之前，我们首先要从各方搜集需求，然后经过分析，提出真正的需求。 需求获取渠道 公司内部、在线用户反馈、用户调研、竞品、产品数据分析、头脑分包。 收集到的一手需求还不是真正的需求

前几天写了一篇数据分析思维的文章，反响不错。我决定再写一些数据分析思维方面的文章。 数据分析的方法很多，思维的技巧也很多，面对具体问题的时候，如何选择合适的方法？古人说“ 运用之妙，存乎一心 ”，中国人就喜欢把一件事说的很玄乎。懂的人听了心领神会，不懂的人则完全不知道什么意思。这个“一心”是指什么呢？ 用现在的话来说就是“不忘初心”， 不要忘记目标到底是什么 。 找到要解决的目标，能够解决数据分析和职场的大部分问题。 1、找到目标，跳出取数怪圈 取数是数据分析师最大的痛。不能不取，但是取数的产出实在是很有限。有些新人很惨，一开始接触取数，然后就不得不进入一个恶性循环。 取的数没什么用然后取更多的数更没有时间接触业务最终沦为取数机器。 要想破局，就必须有目标思维，必须搞清楚业务方的目的是什么。 业务方想要的数据，不一定真的是他想要的。 这句话看似矛盾，实际上在工作中很常见。比如业务提需求说：“想看一下某功能新用户的人数规模” 业务背景是啥？也许业务人员会说：“这个数据是某某领导想看的。”这是最可怕的一种情况，取数口径是经过一个人转述的。往往这种需求都是变形的。 现实情况很可能只是在一次会议上，领导发现新用户可能是业务增长的突破口。想先看一下新用户的规模如何，然后说：“XXX，看一下新用户的人数是多少，值不值得运营一下。” 实际上这个需求的核心目的是确定新用户能否具有潜在挖掘价值

点击这里 首先用户留存率一般是面向新增用户的概念,是指某一天注册后的几天还是否活跃,是以每天为单位进行计算的. 一般收到的需求都是一个时间段内的新增用户的几天留存 (1)找到这个时间段内的新增用户(也可能含有地区啊的各种附加条件),一般在日活表中有记录是否是新增状态. 　　注意,需要以天为单位进行分组找出用户的id.因为留存率都是以每天为单位进行计算的. 　　表结构(register_date,user_id) (2)找到这个时间段内的活跃用户(active_date,user_id) (3)以 1表 为主表left join 2表 以user_id为关联键,统计留存数 　　这样后的记录类型为:register_date,user_id,active_date 　　register_date为新增日期,即留存率的单位天. 　　user_id为用户id,distinct user_id来计算用户数 留存率怎么算? 　　active_date - register_date = 1,说明注册的次日用户是活跃的,所以count+1 　　所以我们只要关注 active_date 和 register_date 相差天数即可统计留存数 　　取天数差的时候用datediff(active_date,register_date)来计算,active_date 和 register_date

如何高效计算用户留存率 简单介绍留存率的概念，说明数仓建设中对留存率计算的优化思路 什么是留存率 在互联网行业中，用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用该应用的用户，被认作是留存用户。 留存率就是留存用户与全部用户的比值，计算公式 留存率 = 留存用户数 / 用户数 * 100% 比如昨天来了100个人，今天这100个人里面的60个人又来了，那么留存率就是60%。 留存率反应了一个产品的用户黏性，留存越高说明用户在使用这个产品之后，继续使用的概率越大。 在用户运营越来越重要的今天，留存率作为公司的重要指标，也越来越被重视起来。 留存率的口径 留存率有很多计算口径，适用于不同的分析场景。但都是要确定两个时间窗口，第一个时间段用来圈人，第二个时间段用来观察被圈的人有没有再次访问。一般来说看的比较多的有如下几种口径 口径名称 前一时间段 下一时间段 次日留存 1天 1天 次三日留存 1天 3天 次七日留存 1天 7天 次30日留存 1天 30天 周留存 7天 7天 月留存 30天 30天 自然月留存 上个自然月 下个自然月 此外游戏产品还很看重用户注册之后的第一日留存、第二日留存…一直到第7日留存，含义是第0天来的人，在第1天、第2天…第7天的留存，是一个不断下降的曲线，游戏策划的一大目标就是让这条曲线下降变慢一点。 可以看到留存率的计算口径众多，时间跨度广

对于刚刚接触数据分析的人来说，经常会有这样的困惑和疑问： 数据分析究竟难不难？难的话难在哪？为什么有时候作分析不知道从何下手，只能眉毛胡子一把抓？ 其实就连我这种已经在数据分析行业浸淫十几年的老油条，有时候做起分析来也会手忙脚乱，根本原因就在于没有抓住数据分析的本质，我们是为了用大量数据去分析、解释和预测基于数据的事实，你首先要明白自己做数据分析的目的是什么，是为了描述事件分析？还是为了预测？又或者是做规范性分析？ 按照我的经验来说， 掌握数据分析方法有一条好的捷径——套用分析模型 ，对新手来说几乎是百试百灵，只要掌握了下面几个分析模型，基本上可以应对工作中的所有业务分析场景。 AARRR模型 AARRR模型是做数据分析最基础的模型之一了，所谓的AARRR就是指获取、激活、留存、变现和传播。 其中， 获取 就是指获取用户线索，我们可以分析SEO、SEM等分析网站的获取情况； 激活 就是指提高用户的活跃程度，主要是通过促销、内容说服等方式让用户成为最有价值的活跃用户； 留存 就是把上面的活跃客户沉淀下来，划归到自己的流量池中，比如常见的社区UCG、O2O服务留存等方式，我们可以通过日留存率、周留存率、月留存率等指标监控应用的用户流失情况，并采取相应的手段在用户流失之前，激励这些用户继续使用应用。 变现 其实就是获取收入，我们可以通过监控成交率等指标进行分析； 传播

下面内容来自首席增长官年会上，小红书增长技术负责人占雪亮「精细化运营在小红书的实践」的演讲，通过这个内容，我们学习在实际工作面对数据如何去分析。其中，红色字体是我标注的，方便大家对应之前学过的分析问题套路去理解。 1.关于小红书增长之路 在开始分享之前，想先给大家介绍一下小红书，小红书是一个泛品类的生活方式分享平台。 截止到2018年 6 月 6 日，我们的用户数过亿了，昨天我又拉了一下数据，现在是 1 亿 8 千万了，这个增长相对而言还是比较快的了。 回想 2014 年年底、 2015 年年初我刚加入小红书的时候，当时小红书只有 20 人左右的规模，而现在我们用 1644 天完成了用户数过亿。 好，接下来我们进入分享的主题。这是两周前我们公司内部做的一次关于低龄用户留存差的数据分析。 2.为什么低龄用户的留存比较差？（观察数据图表后，提出的问题） 刚刚很多嘉宾都讲到现在获客成本在不断的提高，在 AARRR 的模型里，当 A（获取用户） 越来越贵的时候，我们该如何保证最后的利润 R （增长收入）？如何在利润 R 和越来越贵的A 之间寻找一个平衡点呢？ 就比如说以前 1000 元可以拉来 100 个用户，留存率 10 %，结果有 10 个人留下来了（新增用户100人*留存率10 %=10个人留下来）； 现在 1000 元只能拉来 50 个人了，如果还想留下 10个人，那怎么办

最近在×××读书上看了《增长×××》，感觉收益不少，提高了自己不少眼界，所以总结出来，供大家参考，如有不对，请不吝指出 什么是增长××× 一群以数据驱动营销、以市场指导产品，通过技术化手段贯彻增长目标的人。通常采用低成本的手段解决初创公司产品早期的增长问题。 主要手段： A/B 测试 SEO 优化 邮件召回 病毒营销 AARRR 漏斗转化模型 整本书其实都是围绕 AARRR 转化模型来介绍增长×××的哥哥环节 Acquisition（获取用户） Activation（激发活跃）：激活 Retention（提高留存）：留住一个老用户的成本远远低于获取一个新用户的成本 Revenue（增加收入）：直接向用户收费、广告展示、业务分成 Referral（传播推荐） 创造正确的产品 「创造正确的产品」，需要达到PMF，即产品与市场相契合（Prodcut/Market Fit）。产品的完美不是最重要的，能否与市场契合才是成败的关键。 产品达成PMF最重要的方式之一，就是从一小部分早期用户那里得到反馈，并以低成本持续改进产品。 “MVP（Minimum Viable Product，最小化可行产品）” 是达到PMF的神器。 对于互联网大厂来说，MVP同样是一种行之有效的方法。据说，腾讯每推出一个新功能，会先在小范围用户中推广，观察用户使用情况再放大受众范围，效果不好则折叠。最后他们发现自己70