对于留存率这个概念,相信对每一位游戏运营和分析人员并不陌生,甚至搜索“留存率”也会发现很多关于留存率的解释,留存率的定义,以及留存率的指标表现等等文章。实在是没有什么新意可言。但是笔者前两天和朋友讨论关于渠道对于产品评级标准的时候,发现渠道在制定评级数据指标时,对于留存的释义很少会考虑的周全,而作为CP,上线测试调试数据的时候,如果没有理解指标的真正含义,而是一味的追寻达到这个标准,往往弄巧成拙,把自己绕进去。因此笔者在这里分享下目前对于留存率计算的几种主流方法。

注:目的并不是要把这个简单的概念复杂化,而是要统一认识。如有疑义请联系作者,但是作者并不一定会回复。

留存率的计算方式是以下三个维度的组合合集:

一 新增和活跃

二 账号和设备

三 第X日和X日内

是的你没有看错,留存率的定义有八种方式,分别是:

新增账号第X日:某日新增的账号中,在新增日后第X日有登录行为记为留存

新增账号X日内:某日新增的账号中,在新增日后的X日内有登录行为记为留存

新增设备第X日:某日新增的设备中,在新增日后第X日有登录行为记为留存

新增设备X日内:某日新增的设备中,在新增日后的X日内有登录行为记为留存

活跃账号第X日:某日活跃的账号中,在新增日后第X日有登录行为记为留存

活跃账号X日内:某日活跃的账号中,在新增日后的X日内有登录行为记为留存

活跃设备第X日:某日活跃的设备中,在新增日后第X日有登录行为记为留存

活跃设备X日内:某日活跃的设备中,在新增日后的X日内有登录行为记为留存

(请不要提达到一定条件才算留存,比如登录时长,任务完成度之类,这些还没蒙吗?

-。-)

从定义来看,不难理解,那么从数据表现来看,每种留存有何区别呢?

由于对于X日内有登录记为留存的计算方式往往将留存率的数据显得不可信,因此在这里不做过深入的讨论,如果有兴趣可以在做数据分析的时候追踪试试,出现80%以上的留存率都不足为奇(内测期间100%都可能出现)。因此这种计算留存的方式已经基本没有人在用,这里我们只讨论第X日有登录行为记为留存。

首先锁定某一天为第一天,追踪这一天以后的数据变化

对应留存率:

可以看出,以新增和活跃为维度的统计标准差别很大,但对于账号和设备的维度统计差别并不大,基本一致。

第一,  为何新增账号和新增设备的留存率差距并不大?

在某些情况下,新增账号和设备是相等的。两种情况除外,一是游戏存在账号系统,即存在刷小号的情况,这种情况下,反馈到数据统计中,会出现账号数大于设备数。二是玩家使用相同账号在不同设备上登录,这种情况下会出现统计到的设备数大于等于账号数,因此两种情况中和,在计算的过程中相互抵消,平均情况就是两种计算留存的方式数据表现一致。

第二,  为何新增和活跃的留存率差距较大?

这里解释起来可能涉及到的点很多,但是我们只提一点最本质也是权重最大的影响因素---忠诚度。以新增为维度计算,玩家属于刚刚接触游戏,或是有目的或是没目的,而对于游戏的了解而言,是处于探索阶段(新手),往往会因为一点点挫折而失去对游戏的兴趣而流失,对于游戏的忠诚度是十分脆弱的。相反,以活跃维度统计的话,在活跃玩家中包含新增和老玩家活跃(新增日大于一天)。这部分新增就像前面提到的以新增维度统一一样的表现,而老玩家由于已经度过了前期的探索阶段,已经对游戏形成了认知,因此忠诚度远远高于新增玩家,也就不难理解,为何有较高的留存率表现。

那么,对于不同的计算维度是否存在一定的关系呢?在分析了50款游戏(每10款为一组,每款游戏选取15天的留存率)的留存率后我们发现:

1.(活跃账号留存/新增账号留存)比值曲线

以账号为维度统计,活跃账号计算方法中,次日留存率方面,活跃账号留存率大概是新增账号留存率的1.7倍左右。而七日留存大概在3.6倍左右。

2. (活跃设备留存/新增设备留存)比值曲线

以设备为维度计算,次日留存中,活跃设备留存率大概是新增设备留存率的1.8倍,而七日留存则为3.5倍。利用这个规律,如果我们在统计过程中有遗漏的现象,或者在统计的过程中因为统计缺失而无法及时提供渠道或其他合作方想要的留存,可以利用现有的留存数据进行推算。

当然并不是提倡在以后的统计留存过程中会出现依赖规律进行推算的情况出现,只是发现规律并加以利用,而更大的作用是希望在以后探讨留存以及留存表现的时候,能够首先理解我们所讨论的留存是否是同一个。

浅谈留存率到底有多少种统计方式(口径问题)相关推荐

  1. 浅谈CORS的两种请求方式

    先附上HTTP中文开发手册链接:http://www.php.cn/manual/view/35588.html 参考文章:https://blog.csdn.net/qq_34125349/arti ...

  2. 浅谈js函数三种定义方式 四种调用方式 调用顺序

    在Javascript定义一个函数一般有如下三种方式: 函数关键字(function)语句: function fnMethodName(x){alert(x);} 函数字面量(Function Li ...

  3. 浅谈常用的几种web攻击方式以及解决办法

    身在互联网的时候,web在给我们带来便利的同时,有些人也在盯着这些便利,因此出现了攻击网站的现象.所以我们在开发的时候,要注意这些容易被攻击的地方,以及做好防御的措施,下面将介绍一些这些 常见的攻击手 ...

  4. 一个简单的线性拟合问题,到底有多少种做法

    一个简单的线性拟合问题,到底有多少种做法 相信大家都做过线性拟合问题吧,其实就是给很多点,来求线性方程的斜率和截距.早在高中数学就有这类问题,我记得很清楚,如果出现在试卷中,一般出现在解答题的第二题左 ...

  5. java布尔类型比较器_浅谈Java中几种常见的比较器的实现方法

    在java中经常会涉及到对象数组的排序问题,那么就涉及到对象之间的比较问题. 通常对象之间的比较可以从两个方面去看: 第一个方面:对象的地址是否一样,也就是是否引用自同一个对象.这种方式可以直接使用& ...

  6. 居中到底有多少种方法

    前言 居中可以说是网页布局中非常常见的布局了,垂直居中,水平居中,其中又分为块级元素和行内元素,没有系统的整理过还真有点搞不清楚.来看看各式各样的居中到底有多少种. 水平居中 行内元素水平居中 行内元 ...

  7. 世界上到底有多少种编程语言

    今天在找选题的时候,发现一篇<世界上最不流行的编程语言>.程序员常常讨论世界上最流行的编程语言有哪些,各种编程语言排行榜也会定时发布出来,例如Python.JavaScript.Java这 ...

  8. 从0到9四位数组合用c语言,0到9的四位数密码有多少种排列方式

    生命密码中天赋数是2.9,然后将2和9相加得到11,- 1号个性独立.有主见.自主能力强.生命力旺盛.积极进取.有领导潜力.如能正确发挥自己的领导力,必能获得成功.负面呈现的行为:固执.个人利己主义. ...

  9. 小提琴机器人拉法_好和弦 | [Ep.195]小提琴跟中提琴到底有多少种拉法?

    原标题:好和弦 | [Ep.195]小提琴跟中提琴到底有多少种拉法? 好和弦创始人:官大为 本文文字编辑:弦姐 编者按: 这节课,官大为老师要接着上节课的内容,给我们介绍小提琴和中提琴的演奏法啦,这次 ...

  10. N阶楼梯上楼问题:一次可以走两阶或一阶,问有多少种上楼方式

    题目描述: N阶楼梯上楼问题:一次可以走两阶或一阶,问有多少种上楼方式. 输入: 输入包括一个整数N. 输出: 可能有多组测试数据,对于每组数据, 输出当楼梯阶数是N时的上楼方式个数. 样例输入: 4 ...

最新文章

  1. Houdini FX 14 重磅推出!(附下载方式)
  2. java Jsoup不能获取完整响应内容
  3. Netty3之ServerBootstrap分析
  4. QLineEdit学习
  5. CSS/CSS3常用样式与web移动端资源
  6. java获取当前年月
  7. 学会用感情营销是最高的智慧
  8. Scala中class、object、case class、case object区别
  9. Spring学习-入门
  10. 动态数组是怎么创建的?BQe
  11. CKEditor配置使用
  12. 2017——小米——句子反转
  13. Gremlin 基础知识
  14. C程序设计 谭浩强 第十章
  15. 华为吐糟竞争对手外挂5G基带,然而它却用这种方式忽悠消费者
  16. 注册jar包为windows服务
  17. 遥感tif图像中如何忽略背景值为NAN或者-inf求均值和最值
  18. 计算机毕业设计springboot+vue+elementUI股票交易模拟系统
  19. linux查看计算机信息,Linux下查看计算机信息
  20. Python爬虫——爬取Bing壁纸

热门文章

  1. Towards Enhancing Fine-grained Details for Image Matting
  2. 汽车4G车载TBOX智能信息终端
  3. iOS-苹果应用商店审核指南中文翻译
  4. 第一次创建百度脑图介绍自己,把创建过程分享一下吧,嘿嘿。
  5. 联邦贸易委员会:大数据带来的歧视风险
  6. 效率篇-定时任务管理系统,替代crontab
  7. 手把手教你如何 远程控制另一台电脑 保姆教程
  8. 小窍门:简历邮箱格式的正确写法,个人简历怎么发送到邮箱?
  9. mac更新后Git无法使用的问题
  10. python_sklearn机器学习算法系列之LogisticRegression(逻辑回归)----识别垃圾邮件(短信)