小白学数据分析:留存率是什么?(番外篇)

大数据
最近一个时期和很多的人进行了交流,收获了不少,也思考了不少,如今我们都能得到数据,如今我们也都能按照所谓的定义和框架分析问题,只是我觉得有时候不必要一定要一直站在框架内去分析一些问题,进步和前进的力量来自于质疑,并进行革新和再创造。

留存率这个数据指标不记得从何时起变得那么重要,重要到研发上把它作为游戏好坏的一个标准,运营商(平台)作为了一个准入的钥匙,是否值得继续下去。有时候觉得粗暴,甚至无知了有点。因为肤浅的百分比背后隐藏着更多的金子,也可能是垃圾。

以上算是一点吐槽,更多潜在的问题这里不想累述,前几日写过一个关于的留存率是什么的文章,我想肯定很多人看过了,估计也都会用了,今天写的番外篇将从这个数据的统计源头说起,换个角度来看待这个留存率的问题。

留存率VS百分比

百分比是用于表达比例的,类似于一种标准化的表达,因为百分比的分母是100,换个较多想想这种表达消除了数量级上的差异,使不同数量级之间的数据可以进行比较,比如:

这里我们看到尽管上周和本周的收入数据相差了一个数据量级,但是在百分比上的表现只是差了10个百分点,能够更好的进行量化数据,这个意义上,是非常有用的,然而这里如果只是对比本周的强化收入环比上周少了10个百分点就断言本周的强化道具卖的不好,那我们就错了。

那么下面我们再来审视这张图:

 

这张图我们发现的规律其实和上一张是一致的,如果我们只是在单纯的考察留存率,遇到的分析麻烦就是错误的相信了百分比,但是这里不能忽略百分比的作用。因此考察留存不是单纯的就在看留存率,你还要看到DAU,其后的留存,DNU规模等等信息。之所以要跟这个百分比较劲的原因其实很简单,你不能看到今天的DAU比昨天的DAU多了一倍,就说今天的DAU好于昨日,玩家更加积极(探寻有价值的DAU)。

留存率VS漏斗

大概我们现在在做留存分析都会用漏斗模型,因为一批用户进入游戏后,随着时间上是不断递减的,从玩家的游戏生命进程的确是这样的,然而这里面却存在了一个问题,这个漏斗不一定是个严格意义的漏斗。再来看上面的那张图,你会发现2日的留存率高于次日飞留存率,这里这种情况是存在的,实际的数据中也是存在的,至于原因后面会具体的来讲述。

留存率VS目的

我觉得用到留存率的目的是探寻一批用户的导入质量情况(包括游戏前期的成长等),或者是市场、渠道的质量研究,进而方便我们后期的调整投放策略,游戏改进方案。大概因此我们建立了留存率,作为一种转化率机制,来确定和为我们之前的目的服务。留存率是研究固定群体的转化情况,换句话我们是希望看到这个群体自然的变化情况,由于存在统计上时间滞后性,往往不小心就会带来错误。比如8月1日的次日留存在8月2日统计出来,3日留存在8月4日统计出来,7日留存在8月8日统计出来,但是如果我们够认真就会出现以下飞乌龙,比如8月2日统计的8月1日留存会错误的认为是8月2日的次日留存率。出现这个问题的原因就是统计日展现的数据不是统计日的,这点很多人在使用一些系统都会出现这样的问题。

其实费了不少话,最终要说的就是在下面这张图上:

此图中,我们列出来了每日新登玩家的次日、3日、7日的留存率,我们会发现每个固定的群体(每日新登作为一个独立的群体)次日、3日、7日的留存表现趋势基本上是相同的,也就是说,留存率的指标能够揭示一个群体在一段时间内的变化特征,且这种特征不会因为时间的变化而发生显著性改变。比如第37日的新登用户的次日、3日、7日留存表现都是保持一个趋势,这从某个角度来说,新玩家的期待或者特征我们游戏给予了最好的反馈,而这样的期待或者特征就是我们留存率使用起来的价值。(此处另外一种方式可以计算相邻两日留存率变化百分比,绘制曲线去分析这种趋势变化)

后记:

有关于留存的分析,留存率只是整体留存分析的很少一部分,真正挖掘留存的价值其实还要做很多工作,留存分析也不只是新用户的专利,比如充值用户的留存,这里没办法展开说。而一些留存率分析方法其实很多,这取决于我们分析的维度和角度,也许有时候你可以尝试一下做一个显著性分析,看看两个服务器的一段时间的留存变化是否显著,也许你也可以针对同时间的两个服务器的用户做分析,或者是不同渠道或者市场的用户分析,维度方式很多了,关键在于是否愿意去做。

其次,我一段时间以来一直使用几何平均数去处理这种“率”的概念,因为我们总要计算平均留存率,但是算数平均数不能屏蔽极端值的干扰,所以几何平均数是个很好的办法。

最后刚才提到一个关于漏斗的问题,这里我想把我的理解说一些,漏斗是作为一种分析转化率的形象化描述,但是在狭义的漏斗分析观念上(比如网站分析),我们的漏斗分析是针对一个session(一个会话期间)进行的转化率分析。然而我们这里的漏斗分析其实是一种广义上的转化率漏斗分析模式,即新登用户在次日登录了,那么在2日,3日,4日都可以登录,这里面不存在会话的,而狭义的漏斗是一个不断筛选的过程。因此这里的留存率是存在我们看到的3日大于次日的情况(这点在最后一部分中已经做了解释和说明)

原文链接:http://www.cnblogs.com/yuyang-DataAnalysis/archive/2012/09/10/2678958.html

 

【编辑推荐】

  1. 小白学数据分析:怎么做流失分析
  2. 小白学数据分析之K-means理论篇
  3. 小白学数据分析之从购买记录分析道具支付环节
  4. 小白学数据分析之付费渗透率
  5. 小白学数据分析之Excel制作INFOGRAPHIC

 

责任编辑:彭凡 来源: 博客园
相关推荐

2013-01-29 09:57:23

数据分析

2012-06-05 09:59:00

2012-05-31 09:33:28

数据分析

2014-01-22 15:34:00

数据分析

2012-06-07 09:51:20

2017-09-21 10:34:38

留存分析数据分析留存

2022-03-29 14:49:14

大数据数据分析

2012-06-14 09:46:55

数据分析

2012-06-15 10:13:03

2012-06-29 10:26:47

2012-06-28 09:53:11

2012-06-08 13:54:59

2012-09-21 10:12:37

2022-08-02 11:29:17

数据分析场景RFM

2017-02-06 14:12:29

大数据数据分析基本思想

2016-10-19 19:03:18

javascriptes6React Nativ

2012-08-29 08:49:51

2019-10-14 15:57:36

数据分析多维度二八法

2017-04-11 09:08:02

数据分析Python

2017-08-01 10:15:56

数据分析大数据
点赞
收藏

51CTO技术栈公众号