如何进行用户留存分析
1.用户增长模型AARRR模型（aha时刻（啊哈））
2.留存的价值
●判断产品是否达到PMF (产品满足市场需求)
●大力宣传推广前的基础
●提升拉新效果
●延长用户生命周期，最大限度的产生价值
●体现用户忠诚度
●推荐其他新用户
3.留存监控
用户规模=新增用户+老用户留存
留存率=在观察期重复使用产品的用户规模/指定用户规模
4.留存数据输出（制式）
举例：
首先，假设要计算7天内，每天登录APP的留存率。
1)记录每天登录APP的用户数。
2)追踪这些用户在接下来的每一 天里继续登录APP的数量。
3)通过第1步和第2步，计算每一天登录APP的用户数占第一天登录APP用户数的百分比。
4) 把百分比数据画成曲线图。
第一步和第二步:
上述显示的是总体情况，若指标出现变动，需要进行拆分，拆分思路：
●时间。可以根据实际情况进行输出。比如，次日留存率, 7日内留存率, 14天内留存等。
●用户画像。可以按照性别，年龄，教育背景等信息，将总体指标进行拆分。比如，区分男女来看留存率的差异。
●用户行为。比如，对于微信APP来说，仅登录的用户和完成会话的用户之间，留存率是否有差
异。
●用户来源。可以根据用户的来源来拆分。比如搜索引擎用户，APP商店用户，分享推荐用户等来源之间，留存率是否有差异。
●用户价值。可以根据用户对平台收益的贡献来拆分。比如新用户未付费，新用户付费,老用户非付费，老用户付费等，以此来观察留存率是否有差异。
…
(4-2-1[一般来说留存做的不错，但还是要看具体的情况])
留存率“40–20–10”规则，规则中的数字表示的是次日留存率、第7日留存率和第30日留存率。
5.留存分析方法
●按照总分的思路，观察和拆分留存率。其中，总体留存率是用来反应整体水平和趋势特点的;各维度拆分的留存率是用来定位和聚焦细分领域，并制定有针对性的策略的。
●按照用户行为的人群分类，在实际工作中特别重要，建议重点尝试。这里可以让大家发现用户到底是如何使用产品的，到底是哪个价值是用户最关注的。后面不仅可以指导具体的留存优化策略制定，甚至对产品本身的迭代也会起到指导作用。
●分析的最终目的，是为了拆解、细化、聚焦、落地优化留存指标。在分析过程中切勿跑偏，有时迷失在各种分析方法的选择中，或者产出的数据结论不接地气，无法形成落地方案。
如何进行用户留存分析相关推荐
- 来拿，腾讯数据开发整理的用户留存分析（超详细）
本文循序渐进的讲述了大数据领域用户分析不断优化的过程.借此抛砖引玉,希望读者勇于探索,追求卓越 最近小c同学一直在做用户留存分析. 这天他跟我大倒苦水:接手前同事的留存分析代码不仅可读性差且效率低. ...
- 用户留存分析的几种方法
来源:数据分析不是个事儿 之前跟大家讲过同期群分析: 同期群本质上是留存分析的一种实现方式,对于用户分析有很大的价值,今天再给大家分享几个相关的分析视角. 进入互联网下半场后,互联网流量竞争愈发激烈, ...
- 数据采集和用户留存分析
一.数据采集 数据采集就是通过数据埋点对特定用户行为或事件进行捕获.处理和发送的相关技术及实施过程. 数据埋点 (1)基于业务需求或产品需求对用户行为的每一个事件对应的位置进行开发埋点,通过SDK上报 ...
- 最近在做的用户留存分析，和几种方法。
来源:数据分析不是个事儿 我是小z 之前跟大家讲过同期群分析: 都说经典,同同同期群分析到底是个啥? Python数据分析实战 | 经典的同期群分析(附实战数据和代码) 同期群本质上是留存分析的一种实 ...
- 数仓 DW层 用户留存分析主题
数仓 DW层 用户留存分析主题 1. 背景 在app运营和产品设计中,一般都是拉新和留存2个最关键指标来衡量对用户的吸引力程度. 拉新,顾名思义, 拉新用户进来 留存,顾名思义,让用户留下来,这里面有 ...
- 企业数据可视化实现2020用户留存分析
目录 1 整体客户留存一览明细表 1.1 图表制作 1.2 总结归纳 2 2020留存走势折线图 2.1 图表制作 2.2 总结归纳 3 活跃用户UV三周留存率条形图 3.1 图表制作 3.2 总结归 ...
- 用户行为分析模型-（行为事件分析、用户留存分析、漏斗分析、行为路径分析、用户分群、点击分析）
最近有些忙,但是看到了很好的分析模型也要跟大家分享的,这篇博客有些粗糙,主要是po上一些链接供大家学习,有时间的话,我也会写出自己关于用户行为分析的理解的. 下面是关于用户行为分析常见的分析维度,有助 ...
- 用户留存分析案例 | 以京东、淘宝、饿了么为例！
我们把完成激活并在一段时间内继续进行使用.浏览.或者购买等关键行为的用户叫做留存用户.我们在做用户增长往往重视了获客,而容易忽略留存.就算我们获取的用户很多,如果留存差,当流失的用户大于获取用户数,我 ...
- 《数据中台实战》：用户留存分析
针对留存率有一个"40–20–10"的法则,指的是:产品若要达到100万的日活,那么产品的次日留存率要达到40%,7日留存率要达到20%,30日留存率要达到10%. 通过这组数据可 ...
最新文章
- 解决TensorBoard训练集和测试集指标只能分开显示的问题(基于Keras)
- 效率提升，英特尔助力企业驶入“快车道”
- 关于有窗口元素和无窗口元素
- ApacheCN Pandas 教程集
- internet explorer 无法打开 Internet站点 已中止操作
- Unity UI和场景适配
- 文字渐变效果：图层中的mask属性
- html没有prefix属性,HTML前缀属性(Open Graph Protocol)的含义？
- 老上网本不能上无线网
- 毕业设计实战：单片机智能温控风扇设计 带智能调速人体感应 论文仿真 源码 原理图
- mikrotik固件升级
- 磁珠 符号_电子元件磁珠该如何使用呢？
- EINT、DINT、ERTM、DRTM和INTM、DBGM解析
- Xcode 8 size class
- 儿子于靖洋180天的照片
- YoLo： You Only Look Once: Unified, Real-Time Object Detection译文
- (幼儿园毕业)Javascript小学级随机生成四则运算
- Android音频架构
- 解决Office在修改安装路径后，提示“操作系统当前配置不能运行此程序”的问题
- Elasticsearch 数据迁移方案