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，平时看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；如果大家想看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。
（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DAU）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，只查看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，可以查看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，可以任意查看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间，可以选择固定时间（今天），也可以自定义时间段；
数值设置：留存率、留存数，这个应该不难理解；
图1含义：今天的注册用户在2016-08-04到2016-08-31的留存情况；
图2含义：2016-07-21到2016-08-03的新用户总数在2016-08-04到2016-08-31的留存情况；
另外，需要注意一下高级选项中“在计算留存率的时候计算值可能存在多个状态”这句话是这样理解的：比如大部分网站使用用户ID来计算新用户、用户留存率，新用户只是对用户ID做了一个计算判断（比如，访问时间-创建时间=0，即此用户ID为新用户），留存率也是针对用户ID进行计算，那访问日期来的用户除了之前留下来的用户，还有访问当天来的新用户，这时候就必须把访问当天的新用户给排除，只剩之前留下来的用户才能算作留存用户，计算出来的留存率才是正确的。
若留存率计算对应的字段不存在这种例外情况，可以忽视这个所谓的“高级选项”。
以上就是留存率是如何在数据平台灵活设置的相关内容，下期想跟大家分享的是留存率的设计理念和一些实际应用的场景，以产品设计角度跟大家分享更多有关留存率的知识。
作者：连浩，BDP高级产品经理，微信号（businessdataplatform）Team Leader。多年互联网产品从业经验，擅长并十分热爱数据分析工具，希望能真正实现数据化运营。
关键字：产品运营, 数据分析, 用户留存, 留存
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
