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。
更灵活的留存率分析: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
留存率的可视化设计: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
Copyright © 2024 妖气游戏网 www.17u1u.com All Rights Reserved