淺談使用者行為分析之“留存”

張哥說技術發表於2022-12-29


作者介紹

@趙壯實

微訊號:dataman2020;

資料產品,關於資料分析、BI方向,持續招人中,歡迎各位一起交流學習;

“資料人創作者聯盟”成員。


淺談一:如何定義


使用者的留存,故名思義,就是使用者留下了。留存的定義是首次使用後第N天回來的使用者比例。

 

在使用者行為產品中,我們可以對留存有著更精細的定義:留存就是第一個時間週期內發生了起始事件的使用者在第二個時間週期內發生回訪事件的比率。

 

所以留存的計算方法就是:


(第二個時間週期內發生回訪事件的使用者數/第一個時間週期內發生了起始事件的使用者數)*100%。


不同產品可以根據業務情況,定義不同的起始事件、回訪事件和時間週期長度。

 

有些產品會直接將起始事件和回訪事件都定義為“開啟應用/瀏覽網頁”,比如某些遊戲產品/社交產品(因為使用者開啟這些產品的目的很明確,基本就是玩遊戲/聊天,因而可以直接用“開啟應用/瀏覽網頁”定義起始&回訪事件)。

 

舉個例子,假設一款遊戲產品在定義留存時,將起始事件和回訪事件都定義為“開啟應用”,將觀察週期設定為一週。也就是說,使用者開啟遊戲(觸發了起始事件)後,如果在次周再次開啟了遊戲,那麼該使用者就算作是這款遊戲的次周留存使用者。

 

當然,也有很多產品會對起始事件和回訪事件做出不同的定義。這與產品本身的業務需求有關。比如一款健身類app,如果僅僅用“開啟應用”作為起始&回訪事件,就不太合適——使用者開啟這個app可能沒有真正按照app的指導去健身,僅僅是看了看而已,這種“圍觀黨”對於健身app來說其實是容易流失的。

 

把再次開啟應用的使用者都算作是留存使用者,可能無法為產品的運營與發展提供真正的依據。這種情況下,如果我們把起始事件設定為“開啟應用”,回訪事件設定為“完成1次健身”,再輔之以適當的觀察週期,就可以更好的瞭解使用者在產品中的留存情況。

 

淺談二:如何計算


留存分析主要關注的是在觸發起始事件的使用者中,有多少人發生了回訪事件。

 

舉一個在某使用者行為分析產品的計算方式:


留存=第一個時間週期內發生了起始事件的使用者在第二個時間週期內發生回訪事件的人數比率=(第二個時間週期內發生回訪事件的使用者數/第一個時間週期內發生了起始事件的使用者數)*100%


根據這一公式,我們來具體剖析各種留存的演算法。


1

日留存的計算


某一日的次日/3日/7日/n日留存怎麼算?


在計算這類留存的時候,我們實際上是以“日”作為觀察週期的單位。我們要關心的內容是:


① 某日觸發“起始事件”的使用者數;

② 追蹤這群使用者是否在第n日觸發“回訪事件”;

③ 得到第一步和第二步中的使用者數量後,


某一日的n日留存=第n日觸發“回訪事件”的使用者數 / 第0日觸發“起始事件”的使用者數*100%。


根據上面的步驟,我們很容易得出:


某一天的次留=(第1日發生回訪事件的使用者數/第0日發生起始事件的使用者數)*100%

某一天的3日留存=(第3日發生回訪事件的使用者數/第0日發生起始事件的使用者數)*100%

某一天的7日留存=(第7日發生回訪事件的使用者數/第0日發生起始事件的使用者數)*100%


注:除此之外,還有部分資料產品將觸發起始事件的那一天定義為第1日,可能會對留存的計算造成一定影響,我們在分析時應對此加以留意。

 

某段時間範圍內的次日/3日/7日/n日留存怎麼算?


① 在所選時間範圍內,篩選出能夠計算n日留存的每一天,並記錄與之對應的,每日完成“起始事件”的使用者數之和;

② 針對能夠計算n日留存的每一天,計算其第n日觸發“回訪事件”的使用者數之和 ;

③ 得到第一步和第二步中的使用者數後,


·某段時間範圍內的n日留存=step2中的使用者數/step1中的使用者數*100%


淺談使用者行為分析之“留存”


在圖中,我們選定的時間範圍為最近8天(20200831-20200907)。此時我們想要計算這8天內的5日留存資料,如何計算出來的呢?

 

最近8天的5日留存率=(20200831-20200907每一天的5日留存使用者數之和 / 20200831-20200907每一天發生起始事件的使用者數之和)*100%;

 

2

周/月留存的計算


某一週的n周留存怎麼算?某一月的n月留存怎麼算?


① 記錄該周/月(第0周/月)內觸發過“起始事件”的使用者數;

② 追蹤這群使用者是否在第n周/月內是否觸發了“回訪事件”,並記錄這部分觸發“回訪事件”使用者的數量;

③ 得到第一步和第二步中的使用者數後:


某一週的第n周留存=第n周觸發過“回訪事件”的使用者數/第0周觸發“起始事件”的使用者數*100%

某一月的第n月留存=第n月觸發過“回訪事件”的使用者數/第0月觸發“起始事件”的使用者數*100%


某段時間範圍內的周留存/月留存是多少?


① 在所選時間範圍內,篩選出能夠計算n周/n月留存的每一週/月,並記錄與之其對應的,每週/月完成“起始事件”的使用者數之和;

② 針對能夠計算n周/n月留存的每一週/月,計算其第n周/月觸發“回訪事件”的使用者數之和 ;

③ 得到第一步和第二步中的使用者數後:


某段時間範圍內的n周/月留存=step2中的使用者數/step1中的使用者數*100%


舉個例子,如何計算“最近6周的2周留存”呢?


淺談使用者行為分析之“留存”


在圖中,我們選定的時間範圍為最近6周。

我們在 2012年02月26號選擇時間範圍為“最近6周”,一週週期預設為“週一至週日”,最近六週選擇如下:


淺談使用者行為分析之“留存”
淺談使用者行為分析之“留存”


書歸正傳,此時我們想要計算最近6周的2周留存資料,是如何計算出來的呢?


最近6周的2周留存 =(每一週的 2周留存使用者數之和 / 每一週的發生起始事件的使用者數之和)*100%

 

淺談三:留存分析 場景應用


日常工作中,留存分析常用於下述場景:

 

1.瞭解一個渠道的質量。可以使用「日留存」來衡量各渠道使用者的表現,並以此作為衡量渠道質量的標準之一。如對不同渠道來源的使用者進行次日留存、7日留存的對比(不同行業可能選擇不同週期),以此衡量不同渠道的使用者留存情況。一般來說,留存情況較好可以反應這個渠道質量較好。

 

2.判斷運營手段/某項功能改動是否奏效。當我們期待某個運營手段/某項功能可以期提升留存時,可以對透過分析該運營手段/功能,「覆蓋到的新使用者」和「未覆蓋到的新使用者」的留存率,對兩部分使用者的留存進行對比,來驗證手段/功能的有效性。

 

以貼吧為例,該貼吧想檢驗“看貼”功能是否對新使用者的留存是有提升效果,於是對同樣來自A渠道的新使用者(一部分使用了看貼功能,一部分沒有使用看貼功能)進行留存對比。透過比較發現,使用過看貼功能的新使用者,三日留存率比未使用過該功能的新使用者,多了10%以上。這說明“看貼”功能對新使用者留存有著正向促進作用。

 

3.衡量一個產品是否健康 。可以使用「周留存」、「月留存」等指標觀察使用者在平臺上的粘性,衡量產品的健康情況。

 

當然,除此之外,不同產品可能有更多的分析方法,在此我們不作一一列舉。

 

總的來說,今天我們透過介紹留存的定義、計算方法和使用場景,深扒“留存”。未來,留存應當是我們工作中需要關注的一大重要指標。如果想要更加深入地學習留存分析,需要在實際的工作當中實踐它~


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70024923/viewspace-2929972/,如需轉載,請註明出處,否則將追究法律責任。

相關文章