前言
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。
在这个用户为大的互联网世界中,我们一起发现更多有意思的点......
目录
1
互联网企业面临的留存问题
在极易同质化的今天,流量竞争着实激烈,提高用户留存的重要性不言而喻,且存量用户的获客成本远远低于拉新成本。
企业大规模投广告、做活动,高额支出锁不住新用户,长期可持续发展有些无力,只顾眼前利益治标不治本。
2
什么是留存分析
留存率:某日用户数在第N日仍启动该App的用户比例,留存分析即分析用户随时间变化的活跃情况。获取用户只是第一步,留住用户才是所有产品最终目标。
可以理解为:由初期的摇摆用户转化为忠诚&稳定用户的过程。留存率越高,说明用户对产品越有强烈的依赖感。
可分为三个阶段:
从时间维度划分:
常见的的有:次日留存、3日留存、7日留存、30日留存、周留存、月留存
从用户维度划分:
常见的的有:新用户留存、活跃留存
图解如下:
3
留存分析常用口径
以新用户留存为例
次日留存率=(某日新增的用户中,在注册的第2天还进行登录的用户数)/ 该日新增用户数
3日留存率=(某日新增用户中,在注册的第3天还进行登录的用户数)/ 该日新增用户数
7日留存率=(某日新增的用户中,在注册的第7天还进行登录的用户数)/ 该日新增用户数
30日留存率=(某日新增的用户中,在注册的第30天还进行登录的用户数)/ 该日新增用户数
1周后留存率=(某周新增的用户中,在注册的第2周还进行登录的用户数)/ 该周新增用户数
2周后留存率=(某周新增的用户中,在注册的第3周还进行登录的用户数)/ 该周新增用户数
1月后留存率=(某月新增的用户中,在注册的第2月还进行登录的用户数)/ 该月新增用户数
2月后留存率=(某月新增的用户中,在注册的第3月还进行登录的用户数)/ 该月新增用户数
以活跃留存为例
次日留存率=(某日登录的用户中,在第2天还进行登录的用户数)/ 该日登录用户数
3日留存率=(某日登录用户中,在第3天还进行登录的用户数)/ 该日登录用户数
7日留存率=(某日登录的用户中,在第7天还进行登录的用户数)/ 该日登录用户数
30日留存率=(某日登录的用户中,在第30天还进行登录的用户数)/ 该日登录用户数
1周后留存率=(某周登录的用户中,在第2周还进行登录的用户数)/ 该周登录用户数
2周后留存率=(某周登录的用户中,在第3周还进行登录的用户数)/ 该周登录用户数
1月后留存率=(某月登录的用户中,在第2月还进行登录的用户数)/ 该月登录用户数
2月后留存率=(某月登录的用户中,在第3月还进行登录的用户数)/ 该月登录用户数
4
留存分析的适用场景
日留存率
周留存率
月留存率
5
留存分析参考代码
有些互联网公司面试会出留存SQL题型,该代码仅供参考。
代码运行结果
语法环境:SparkSql或Impala,其他环境也可以,只是个别函数会略有差别,替换个别函数即可,无需更改代码结构。
参考代码如下:
--以a表日期作为主体
select
t.date_a
,t.date_b
,t.diff_ab
,count(distinct t.user) as user_num
from
(
--a、b两段代码一模一样,join之后取二者日期差值
select
a.login_date as date_a
,b.login_date as date_b
,a.user
,datediff(b.login_date,a.login_date) as diff_ab
from
(
--a段代码
SELECT
login_date
,user
from dwd.user_login
where login_date>='2021-08-01'and login_date<=date_sub(to_date(now()),1)
)a
inner join
(
--b段代码
SELECT
login_date
,user
from dwd.user_login
where login_date>='2021-08-01'and login_date<=date_sub(to_date(now()),1)
)b on a.user=b.user
)t
group by 1,2,3
having t.diff_ab>=0
6
留存分析下降的可能性原因
新用户留存下降
老用户留存下降
7
留存分析方法
其中产品功能分析:
目的:找出对留存最有价值的功能&最没价值的功能,便于后期迭代优化。
8
案例实攻
案例一
该图是我在ppt上加工出来的,选取了两日来对比。
解析:
2021年5月1日注册的新用户在注册的第7日留存率趋向于平稳,此时留存率60%;2021年5月2日注册的新用户在注册的第7日留存率趋向于平稳,此时留存率20%;2日注册的用户稳定留存率较1日差。
改进思路:
应使得趋向于平稳时的留存率尽可能提高,即平稳的这段线尽量往上提。
案例二
数据纯属个人虚构,实际分析时建议多扩展日期,该图重在解析分析方法。
该表留存率:(某新增的用户中,在第N天还进行登录的用户数)/ 该日新增用户数
以8月1日的新增用户留存为例
解析:
案例三
解析: