留存率分析

最近几年，“数据分析”热度持续增长，百度指数6年增长超600%。与此同时，企业对数据分析的需求越来越强，数据分析能力也逐渐成为互联网行业最稀缺的能力，是职场进阶、提升自我价值的必备能力。然而调研之后我们发现，80%的0-2岁互联网人，面对数据分析时，他们大多数停留在数据统计、浅层次分析，很多结果有都是凭“直觉”推测出来

在笔者过往的互联网从业经历中，曾遇到一个特别棘手的问题：每天都有2-3万的注册用户，可是为什么每天的活跃用户总数却不见增长呢？出于常识的解释是，用户规模不变，那一定是用户来了又走了，新增多少就流失多少。于是很自然的从流失着手，做了诸如流失人群画像、流失原因分析、甚至流失行为预测等调研。而在所有研究方向中，有两组数据在运

在移动 游戏 的运营过程中，我们会关注到许多相关的数据。从《2017移动游戏关键指标分析报告》中，我们可以从7日留存率(Retention D7)、平均游戏时长(Average session length)、每付费用户平均收益(ARPPU)、玩家黏度(DAU/MAU)四个维度分析了游戏表现。

在网站分析、电商分析、网游分析中，对于留存率的关注度极高，这一浪潮随着APP应用、社交游戏的火爆逐渐成为一个很重要的衡量准则，也甚至有了40-20-10准则。对于这个准则不予评价，今天就是简单说说留存率就是是个什么玩意。留存率顾名思义，就是留下来存在的比率。从时间上我们分为次日、三日、七日、14日、30日、90日、18