用户留存率

诸葛君说：在流量越来越贵背景下，留住老用户显得愈发重要，对于用户而言，留存率越高，说明产品对用户的核心需求把握的越好，用户对产品产生强烈的依赖。对于产品而言，留存率越高，说明产品的活跃用户越多，转化为忠实用户的比例会越大，越有利于产品变现能力的提升。 一、留存定义和公式 定义：满足某个条件的用户，在某个时间点有没有进行回访行为 公式：若满足某个条件的用户数为n，在某个时间点进行回访行为的用户数为m，那么该时间点的留存率就是m/n 以我们常用的指标举个例子：“新增用户日留存”，就是某天新来的用户，第二天打开app或网站的比例，第三天打开app或网站的比例，第七天打开app或网站的比例，第N天打开app或网站的比例。 图1：新增用户留存 这一指标就是N-day留存，即第几日留存，这里的“日”可以是“周”，也可以是“月”，大家现在普遍认识的用户留存，一般都是“N-day”留存了。 除了N-day留存，业内常见的留存分析方式还有“Unbounded留存”、“Bracket留存”，这3类留存的区别就在于时间条件的差异，具体关注哪种留存，需要根据业务来定。 -Unbounded留存（N天内留存） Unbounded留存就是我们常说第N日内留存，N-day留存是只计算第N天完成回访行为的用户，Unbounded留存会累计计算N天内所有完成过回访行为的用户。 -Bracket留存

有的运营人员做渠道投放，每个渠道都投放了，点击量特别高，但激活量只有个位数。也有可能点击激活数量都很高，但是留存率很低。费用都花光了，但是效果没有出来。自己去分析后台数据，却得不到结论。 我想说的是，分析的前提是拿到靠谱的数据。如果数据不准确，结论可想而知~ 当然，再靠谱的平台，也有可能出现一些不靠谱的情况。为什么呢？俗话说，有榜单的地方就有刷榜，有数据统计的平台就有数据作弊的作坊。 在移动互联网生态中存在很多不为人知的渠道刷量工作室，这些工作室以非常低廉的价格贡献质量同样低廉的用户数据。 早期的统计分析平台的SDK基于明文的jason数据包，工作室可以很方便的用程序伪造这些数据包，模拟出新增活跃、留存、时长等用户数据。随着统计分析平台的发展，很多分析平台推出了基于二进制协议的SDK，开发人员还可以自行调用加密开关。这些技术的提升使统计平台的安全性和数据准确性得到了提高。如果App升级到安全协议版本的SDK，刷量工作室已经很难采用直接模拟数据包的形式来刷量了。 所谓道高一尺魔高一丈，平台有平台的方法，刷量工作室有刷量的招数。除了采用分布式人肉刷量的方式来刷量(形式可以参考基于任务的积分墙);有技术实力的都能够通过编写程序脚本，修改真机参数，驱动真机运行(有兴趣的同学可以了解一下igrimace这个iOS的刷量工具)。这些行为已经跟真实的用户行为几乎没太大差别

有的运营人员做渠道投放，每个渠道都投放了，点击量特别高，但激活量只有个位数。也有可能点击激活数量都很高，但是留存率很低。费用都花光了，但是效果没有出来。自己去分析后台数据，却得不到结论。 我想说的是，分析的前提是拿到靠谱的数据。如果数据不准确，结论可想而知~ 当然，再靠谱的平台，也有可能出现一些不靠谱的情况。为什么呢？俗话说，有榜单的地方就有刷榜，有数据统计的平台就有数据作弊的作坊。 在移动互联网生态中存在很多不为人知的渠道刷量工作室，这些工作室以非常低廉的价格贡献质量同样低廉的用户数据。 早期的统计分析平台的SDK基于明文的jason数据包，工作室可以很方便的用程序伪造这些数据包，模拟出新增活跃、留存、时长等用户数据。随着统计分析平台的发展，很多分析平台推出了基于二进制协议的SDK，开发人员还可以自行调用加密开关。这些技术的提升使统计平台的安全性和数据准确性得到了提高。如果App升级到安全协议版本的SDK，刷量工作室已经很难采用直接模拟数据包的形式来刷量了。 所谓道高一尺魔高一丈，平台有平台的方法，刷量工作室有刷量的招数。除了采用分布式人肉刷量的方式来刷量(形式可以参考基于任务的积分墙);有技术实力的都能够通过编写程序脚本，修改真机参数，驱动真机运行(有兴趣的同学可以了解一下igrimace这个iOS的刷量工具)。这些行为已经跟真实的用户行为几乎没太大差别

传统网站数据分析 1. 访问Visit： 一次访问就是指一个人来到网站，然后浏览了一些内容之后离开网站的过程；这个过程也被称之为会话，也就是session。注意关闭浏览器后session会话并不会自动销毁，因为服务器端session往往默认有个20分钟的过期时间，如果关闭浏览器后又打开并且访问了同一个网址，这时候只要浏览器的cookie还是存在的（即：浏览器关闭时，cookie不设置为自动销毁的话），那么服务端还会认为是登录状态，也就是属于同一次会话。相反，如果没有关闭浏览器，但未做任何操作，但是过了30分钟后则session销毁。后面的访问就属于另外一个新的session 2.访问量visits： 一段时间内的访问量就是这段时间内的会话次数 3.访客数（UV) Unique Visitor，就是访问网站的人数。如何识别一个用户？在网站分析系统中，会根据用户的浏览器，设备型号等信息为用户分配一个编号，这个编号成为cookie. 访客数就是访问网站的cookie数。如果同一个人换了浏览器或者设备访问网站，那么，他的cookie也就变化了，也就是说是另外一个用户了。 4.浏览量： 常被称为PV（Page View)，就是浏览额面的数量。访问量(visists),访客数（UV),浏览量(PV）是网站的人气指标 5.页面停留时长： 访客一次访问在页面上停留的时间

一、什么是生动用户/客户 　　用户/客户每天既会不断新增，也会不断丢掉，假定单独只看每日生动用户数，是很难发现问题的实质的，所以一般会结合生动率和整个APP的生命周期来看。 　　生动率是指生动用户/总用户，经过这个比值能够了解你的用户的全体生动度，但随着时刻周期的加长，用户生动率总是在逐渐下降的，所以经过一个长生命周期（3个月或半年）的堆积，用户的生动率还能安稳坚持到5%-10%，则是一个十分好的用户生动的表现，当然也不能完全套用，得视产品特色来看。 　　二、什么是留存用户/客户 　　留存用户和留存率一般反映了不同时期获得的用户丢掉的状况，剖析这个成果往往是为了找到用户丢掉的详细原因。 　　留存用户/客户的留存政策 　　次日留存：因为都是新用户，所以结合产品的新手引导规划和新用户转化途径来剖析用户的丢掉原因，经过不断的修正和调整来下降用户丢掉，前进次日留存率，一般这个数字假定达到了40%就标明产品十分优秀了。 　　周留存：在这个时刻段里，用户一般会履历一个无缺的运用和体会周期，假定在这个阶段用户能够留下来，就有可能成为忠诚度较高的用户（ sbsfudao ）。 　　月留存：一般移动APP的迭代周期为2-4周一个版别，所以月留存是能够反映出一个版其他用户留存状况，一个版其他更新，总是会或多或少的影响用户的体会，所以经过比较月留存率能够判别出每个版别更新是否对用户有影响。 　　三

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

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