首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >数据分析简易入门(2)| 用户留存率

数据分析简易入门(2)| 用户留存率

作者头像
产品言语
发布于 2022-06-02 00:49:48
发布于 2022-06-02 00:49:48
2.1K0
举报
文章被收录于专栏:产品笔记产品笔记

“ 产品经理在分析产品时,一般会关注DAU(日活跃用户数)、下载数、注册数、用户留存率等指标。留存率是一款产品无论在产品初期、中期或者长期都应该最关注的指标,它反映一个产品是否满足市场需求的数据。”

01

留存率是什么?

在互联网产品中,留存是指用户在起始(新增或使用产品)之后一段时间再次回到产品。留存率是指再次回到产品的用户数量与初始用户数量的比率。

新增用户留存:

新用户留存以用户新增作为留存起始条件进行计算。

示例:如果昨日新增的100个用户,其中30人在今日再次回到产品,则昨日的新用户次日留存率为30%。

新用户留存是最为常用的留存计算方式。在大多数情况下,如果没有特殊说明,留存=新用户留存。

活跃用户留存:

活跃用户留存以用户活跃作为留存起始条件进行计算

示例:如果昨日活跃的100个用户,其中40人在今日再次回到产品,则昨日的活跃用户次日留存率为40%。

图中客户留存率指在2017年1月,合作的客户有80个,而在第二个月第一个月80个客户只有13个客户合作,第一个月留存率为16.3%。

02

留存率和产品DAU有什么关系?

产品DAU实际上就是新增用户数+留存用户数叠加的效果。

假设某产品2021-08-31新增用户为100人,第2天剩40人,第7天剩20人,第30天剩10人。2021-08-31该产品DAU为100人。2021-09-01又新增100人,第二天剩40人,第7天剩20人,第30天剩10人。,2021-09-01该产品DAU为140人。因此可以看出留存率和DAU是息息相关的,当产品的留存率越低,就越快达到产品的DAU天花板。当产品的新增人数较低时,产品的DAU会出现负增长。

在广告费越来越贵的时代,关注用户的留存,努力提升产品带给用户的价值,让用户持续使用产品是所有产品最重要的事情。

留存率在产品的生命周期中对检测产品的状况和营销推广效果都非常有效。当用户留存不好时,在营销推广方面花费大量金额购买流量促进用户增长,用户却大量流失,需要思考产品哪里出了问题,是否不符合市场需求,以及买量策略是否需要继续投入等相关问题。

03

用户留存怎么算?

留存率的时间粒度与计算公式

时间粒度:时间粒度可以分为日、周、月、年。

  • 用户在新增或使用产品后当日回到产品的比率,计为当日留存率。
  • 用户在新增或使用产品后第2天回到产品的比率,计为次日留存率。
  • 用户在新增或使用产品后第n天回到产品的比率,计为n日留存率。
  • 用户在新增或使用产品后第8~14天回到产品的比率,计为次周留存率。
  • 用户在新增或使用产品后第n周内回到产品的比率,计为n周留存率。(注:这里的周是指7天,而非自然周)

计算公式:最常见的用户留存率是以日的时间粒度做计算的,公式为:第1 天新增的用户,在第n天后依然有使用产品的用户数/ 第1 天的新增用户数。其中N 代表的就是N 日留存率的日期,例如7 日留存率就是指,第1 天使用产品的用户,在7 天之后依然有使用的比例。

常见误区:7日留存率vs 7日内留存率

7日内留存率指用户在往后一周内任意一天回到产品的比例。例如第一天新增100个用户,第二天回到产品的40个用户,第三天回到产品的20个用户,……依次算第8天回到产品的用户数为15人。将七天内的用户数相加去重后得到50个用户。

7日内留存率为50/100*100% = 50%。

7日留存率则为15/100*100 = 15%。

各种时间粒度留存率的适用场景

产品经理需要检测一个产品的健康程度,可以通过日留存率和周留存率指标来进行观察。通过新用户的日留存率可以了解用户的产品体验是否良好、产品是否能够满足用户需求等,有多少用户愿意留下来。通过周留存率可以了解到用户是否对产品上瘾,是否持续回访使用。

月留存率或者年留存率适合检测订阅会员付费类的产品。N个用户付费了VIP会员,下一个月或者下一年持续付费的比例。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-09-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 产品言语 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
做数据分析应该了解的——留存率模型
几乎所有的运营工作都是围绕着“拉新”、“留存”、“促活”、“转化”4个环节来开展的。
朱小五
2020/04/02
4.1K0
八大数据分析模型之——自定义留存分析模型(五)
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。
双面人
2019/07/15
1.2K0
八大数据分析模型之——自定义留存分析模型(五)
干货 | 如何用SQL做留存率分析
无论是产品经理、产品运营还是数据分析师,在评估一个产品的用户使用情况时肯定离不开留存率、忠诚度等观测指标。这些指标可以反映用户对于产品的粘性、产品用户价值质量的高低,及时了解用户留存、流失趋势,有助于帮助产品做更好的功能迭代,也有助于运营及时进程运营策略的调整,比如:当新用户留存率低的时候,是不是需要调整新用户的活动策略,或者当老用户留存率低的时候,是不是某个产品功能的问题,或者活动对老用户不友好而导致流失等等……
CDA数据分析师
2021/09/28
5.1K0
电商用户行为数据分析系统的设计与实现_基于大数据的用户行为分析
本文针对淘宝app的运营数据,以行业常见指标对用户行为进行分析,包括UV、PV、新增用户分析、漏斗流失分析、留存分析、用户价值分析、复购分析等内容; 本文使用的分析工具以MySQL为主,涉及分组汇总,引用变量,视图,关联查询等内容。
全栈程序员站长
2022/11/10
5.8K1
电商用户行为数据分析系统的设计与实现_基于大数据的用户行为分析
3500字的留存分析干货文章(附实现代码)
网上有关留存的文章很多,这篇不敢说是最全的,但最起码是较全的。由于上班加带娃,又要坚持原创,又要精细的准备每一篇干货,所以大概一周一更。如有做的不足的地方,请于后台留言,督促我改进,以分享更有价值的干货。
张俊红
2021/08/20
4270
3500字的留存分析干货文章(附实现代码)
微信数据分析和微信传播模型
什么是微信数据分析呢? 试想一下,如果是你,会怎么向你的领导、向你的下属,进行数据分析呢?是像描述天气一样“昨天阴天,今天天气挺好,风和日丽的,明天预报多云”,还是用其他的方式?大多数人所为的数据分析
用户1756920
2018/06/20
1.2K0
【新技能 Get】程序猿需必备基础的运营数据
前两天有个用户反馈,应用在更新时会自动下载安装某些应用,怀疑与 Bugly 有关。经过分析,原来是 apk 地址被劫持,强制换成应用的下载地址。在这里,腾讯Bugly郑重声明:Bugly 不会监控和拦截任何网络请求,也不会自动下载安装任何应用,我们目前提供的能力只限捕获崩溃、卡顿等异常,帮助产品提升质量。所以,请大家放心使用! 根据 Bugly 目前提供的能力,统计数据主要包括:崩溃率、卡顿率等,用于衡量产品质量的一些标准。自 Bugly 上线以来,越来越多用户建议:能否提供用户数据的统计,帮助了解产品基本
腾讯Bugly
2018/03/23
1.1K0
【新技能 Get】程序猿需必备基础的运营数据
技能 | 如何轻松搞定APP数据分析?
《三个要点解构数据分析的思维模式》(复制打开:http://mp.weixin.qq.com/s?__biz=MzA3OTAxMDQzNQ==&mid=2650607860&idx=3&sn=52a7
CDA数据分析师
2018/02/13
1.4K0
数据分析简易入门(1)
通过合适的工具对数据进行一定程度的预处理,结合具体业务分析数据,帮助公司业务部门监控、定位、分析、解决问题。从而提高业务部门决策能力和经营效率,发现业务机会,取得持续竞争优势。现代管理学之父彼得·德鲁克提出用管理促进企业增长说过:“如果你不能衡量,那么你就不能有效增长”。
产品言语
2022/06/02
4230
数据分析简易入门(1)
数据分析中不得不知道的留存知识
互联网流量竞争愈发激烈,获客成本不断提升,企业不可能无限制的投入成本拉取新用户,那么最大限度的保证用户的留存就变得异常重要。最近看了红杉资本一篇关于留存的文章,翻译了大概的要点,也稍微添油加醋。
曲奇
2022/05/09
1.2K0
数据分析中不得不知道的留存知识
运营人员必须知道的核心数据详解
一、运营数据 (1)平均同时在线人数(ACU: Average concurrent users):即在一定时间段抓取一次数据,以一定周期为期限;周期内的ACU可取时间段的平均数据。[例如:系统每一小时抓取一次数据,全天24小时共24个不同时刻的在线数据,则每天的ACU是这24个数据的平均值(每个公司有每个公司的定义,一般ACU取平均值,若针对某一时刻,则直接在某时刻内直接统计用户数) (2)最高同时在线人数(PCU:Peak concurrent users):即在一定时间内,抓取最高在线数据。(例如
小莹莹
2018/04/23
2.4K0
运营人员必须知道的核心数据详解
微信数据分析和微信传播模型
什么是微信数据分析 试想一下,如果是你,会怎么向你的领导、你的下属,进行数据分析呢? 是像描述天气一样——昨天阴天,今天天气挺好,风和日丽的,明天预报多云?还是用其他的方式? 大多数人所谓的数据分析就像刚才描述天气一样,那不是分析,而是描述数据。 数据分析需要从来源、行为、流失等方面进行分析。 微信数据分析要根据微信传播的特性而定,微信传播是基于好友分享内容而产生的。这里不考虑单纯的复制粘贴, 那样的传播指向性不明确,这里我们只讨论指向性明确的分享链接和内容。 微信数据分析需要从用户入手——新增、活跃、留
数据派THU
2018/01/26
1.2K0
产品经理必知的 20 个数据指标
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
葆宁
2019/12/10
1.5K0
最全的用户数据指标解读
现代管理学之父 彼得·德鲁克 提出用管理促进企业增长,他讲过一句非常经典的话:如果你不能衡量,那么你就不能有效增长。
猴子聊数据分析
2019/08/26
1.2K0
数据分析(2)|数据分析师应该如何构建指标体系
一个APP的构建与运营工作通常由多个角色分工实现,由于大家的工作重点不同,仅关注一个方面的数据就如同管中窥豹,无法全面了解产品运营情况,不能提出行之有效的分析建议。因此,只有搭建完善的数据运营分析框架,才能全面的衡量移动应用产品运营情况。除此之外,完整的数据运营分析框架还可以让产品经理和开发者不仅知道产品运营的基本状况和使用状况,更了解用户到底是谁,深入发现用户的需求。
用户8612862
2021/05/13
1K0
数据分析(2)|数据分析师应该如何构建指标体系
App 数据分析到底要分析什么
本文主要介绍了APP分析中的数据分析、用户生命周期、关键指标、用户行为分析、数据分析模型、产品优化和迭代、数据驱动决策、技术社区和招聘的10个重要方面。
serena
2017/12/07
3.4K0
App 数据分析到底要分析什么
谈谈游戏数据分析的那点事
因为我实习的工作是游戏后端开发,所以难免会遇到游戏领域的一些专业知识,就比如游戏数据分析。因为之前从未接触过游戏这一块,所以很多东西得去学,在之前老大给我一个任务:统计一下XX款游戏近三个月的留存情况、Guide分布、付费情况,当时接到任务脑袋里是蒙的,留存??Guide分布??付费的指标有哪些??这些我都不知道,这些都属于游戏数据分析的内容,本文就记录一下我近期学习的游戏数据分析吧。
beifengtz
2019/09/24
2.9K0
谈谈游戏数据分析的那点事
一篇文章让你看懂数据分析的目的、方法、工具及实际应用
  我特别不喜欢装逼的产品经理,看文章也一样不喜欢华而不实的。所以督促自己写文章时,把懂的、经历过的能细就写的尽量详细;不懂的就去学,然后把整理的笔记分享出来,数据分析方面我涉入不多,内容由于缺少实战经验,会比较基础和理论,希望同样对你有帮助。 1. 明确数据分析的目的   做数据分析,必须要有一个明确的目的,知道自己为什么要做数据分析,想要达到什么效果。比如:为了评估产品改版后的效果比之前有所提升;或通过数据分析,找到产品迭代的方向等。   明确了数据分析的目的,接下来需要确定应该收集的数据都有哪些。 2
小莹莹
2018/04/23
2.7K0
一篇文章让你看懂数据分析的目的、方法、工具及实际应用
数据分析方法入门
| 导语   2019年底开始我开始接触数据分析,从初期的数据分析小白,到现在慢慢入门有些经验,想把我这里学到的数据分析的方法以最简单的方式解释给和当时的我一样小白的同学们,以下内容将分为【数据分析的意义】【基础指标体系搭建】【数据分析的方法】三大模块进行介绍 数据分析的意义 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。 数据分析是当前企业管理过程中不容忽视的重要支撑点,企业需要有完整、真实、有效的数据进行支撑,才能够对未来
腾讯大讲堂
2020/10/26
1.1K0
你应该了解的数据分析入门知识
1、明确分析的目标 做数据分析,必须要有一个明确的目的,知道自己为什么要做数据分析,想要达到什么效果。比如:为了评估产品改版后的效果比之前有所提升;或通过数据分析,找到产品迭代的方向等。 明确了数据分析的目的,接下来需要确定应该收集的数据都有哪些。 ◆ ◆ ◆ 2、收集数据的方法 说到收集数据,首先要做好数据埋点。 所谓“埋点”,个人理解就是在正常的功能逻辑中添加统计代码,将自己需要的数据统计出来。 目前主流的数据埋点方式有两种: 第一种:自己研发。开发时加入统计代码,并搭建自己的数据查询系统。 第二种
大数据文摘
2018/05/22
5320
相关推荐
做数据分析应该了解的——留存率模型
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档