在上篇中，我们分享了留存中的一些概念，本篇我们具体介绍留存率的相关计算
二、留存率的计算分析下面我们用数据可视化工具BDP，一起看下具体的数据分析过程，以新增用户的日留存率计算为例
1、数据准备
包含字段：用户id 、该用户访问时间、账号注册时间
2、表格设置
维度：访问日期（按日分析）
数值：新增用户数（即用户id计数值）
1日留存率：将用户id字段拖至数值栏，在高级计算中选择留存率
在基本设置中，可以选择留存周期，设置第1日留存率，即次日留存，以次类推，还可以拖拽字段，分别设置2、3、4、5、6、7、15日的几日留存
当维度中为日期字段时，留存的计算配置会根据日期字段的粒度调整，如果为按日，则计算的是1日、2日后的留存；如果为按月，则计算的是1月、2月后的留存。按周、按季、按年同理。
注：
在上面的示例中，我们添加了一个新增用户数字段，这里使用了筛选器，来确保排除老用户的访问记录影响。
使用day_diff([日期字段1],[日期字段2])，求出两个日期差，通过日期差是否=0，来判断是否为新注册的用户
此时后续添加的留存率也会受筛选器影响，如果不想影响后面的留存率数值，可以在高级选项中，添加例外字段，排除影响。
留存率计算中的留存周期还可以设置为范围时间和自定义时间段：
范围时间：可以设置一个范围时间来统计留存，例如设置为1~3日留存，则会将3日内有重复访问的用户计为留存用户，并以此计算留存率
自定义时间段：可以设置一个固定的时间段来统计留存，例如设置为2016年12月7日~2016年12月11日，则会将在此时间段重复访问的用户计为留存用户，并以此计算留存率
在上面的图中，根据不同的留存率数值大小设置了颜色显示，可以通过色阶显示，清晰展示用户留存率的变化或异常值
