用户留存率R的由来 以及 留存率的计算
R的由来
开门见山
假设我们某产品新增一批用户,新增用户总数为Num
我们设第n天时,这部分用户中留存下来的用户数为Num(n),即,第n天依旧登录/活跃的用户
那么,
这批用户的总生命周期为LT(all)
LT(all) = Num*1 + Num(1)*1 + Num(2)*1 +Num(3)*1 + ... + Num(n)*1
这批用户的平均生命周期LT就为
LT = LT(all)/Num = Num/NUm + Num(1)/Num + Num(2)/Num + ... + Num(n)/Num
这里的Num(n)/Num
就是留存率R(n)
,就表示第n天的留存率
R(n) = 第n天的用户留存量/总用户留存量
LT 的一种计算方式就是
LT = 1 + SUM( R(n) )就是对每天留存率的累和
但更加准确的LT的计算方式需要更多的数据,甚至是对未来发展趋势预测出来的数据来充实LT的计算过程,使得LT更加贴合现实情况,详见
留存率的计算
简单来看就是
留存人数/新增人数
需要注意的是算术平均数与加权平均数对留存率的影响,详见:
https://www.zhihu.com/question/35541068 中Wise的回答
或者
https://baijiahao.baidu.com/s?id=1672723291636599258&wfr=spider&for=pc
在这里仅贴图以防止原回答丢失
图1
图2
图3
图4
在图3中可见,标红的部分数据由于使用的计算方式不用(算术平均数与加权平均数),导致T1留存率影响较大,分别是39.76%和32.91
这是因为算术平均数受极值影响大,且7月6日的新增人数暴跌时T1的留存人数刚好处于一个较高的水平。
留存率权重
是如何计算出来的还没有完全搞懂,希望看官指点
标签:平均数,用户,留存,LT,Num,计算 来源: https://www.cnblogs.com/G-Aurora/p/13456360.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。