游戏数据分析-用户留存率详解与计算案例

运维 数据库运维
留存率,越来越受到大家的关注,从网站用户到客户端产品,游戏产品,无线APP产品,都非常重视这一指标,留存率成为衡量一个产品是否健康成长的重要指标之一。

留存率的“40–20–10”规则

Facebook平台流传出留存率“40–20–10”规则,规则中的数字表示的是次日留存率、第7日留存率和第30日留存率。规则所传达的信息如下:如果你想让游戏的DAU超过100万,那么新用户次日留存率应该大于40%,7天留存率和30天留存率分别大于20%和10%。

这里要注意的是,7日留存率的概念,很多人容易误解为周留存率,在知乎上,也看到有人说,7日留存率的计算,就是第1天注册,后推1周,也就是后推的7天,只要有1天登录,就算留存。这是一种就算方法,但不是上文“40–20–10”法则中的7日留存率。

第7日留存率和周留存率是不同的概念和计算方法。下面我们分类看看几种留存率的定义和计算公式。

新增用户留存率

谈用户留存率,必须先搞清楚新增用户,用户活跃。通常我们说的用户留存率,一般是指新增用户的留存率。

新增用户通常指***次使用该产品的用户。例如QQ的新用户,通常指当天注册的QQ帐号用户,这里的新,是专指这个QQ号,是新号;或许该号的主人并不是***次用QQ,但他今天新注册了一个QQ号,那么,我们就说这个QQ号是当天新增用户。

据传,现在每天仍有大量的新QQ号诞生,但绝大部分都只是新帐号而已,背后的自然人,大部分都是QQ的老用户。

一些没有帐号的产品怎么计算呢?一般是采用机器ID的识别,例如基于网卡MAC地址创造出来的一套新用户算法。

用户活跃

活跃用户:每个产品活跃的定义千差万别,如果是有帐号的客户端产品,例如IM、端游等,通常以帐号登录作为活跃标识。

以QQ的活跃为例,腾讯2013年第3季度财报显示该季度月活跃账户数达到8.156亿,可以理解为月登录QQ用户数为8.156亿。

如果是某些工具软件,有的以启动作为活跃,例如看天气的。有些需要进行一些核心操作,例如拍照软件,至少是完成一张照片拍摄,才能算活跃吧。

有效用户

达到某一个指标(一般是在线时长)的日登录用户数量,例如登录5分钟以上的用户;或者,定义为完成某个核心操作的用户,例如YY语音产品,可以将有过语音交流的用户定义为有效活跃用户。这里的语音交流,又可以分为单向和双向,这就是不同程度的用户活跃。

如果是新增用户,可以衍生出有效新增的概念,就是新增和活跃的交集。例如当天新注册100个账号,其中60个登录超过5分钟,我们可以认为有效新增为60。

以此类推,可以计算新增留存,有效新增留存。

按天留存率计算

就是指用户在首日新增后,在接下来的后推第N天活跃情况,用后推第N天活跃的用户除以首日新增用户,就得到后推第N天的新增用户留存率。

留存率计算案例

1月1日,新增用户200人;

次日留存:第2天,1月2日,这200人里面有100人活跃,则次日留存率为

100 / 200 = 50% ;

2日留存:第3天,1月3日;这200名新增用户里面有80人活跃,

第3日新增留存率为: 80/200 = 40%;

7日留存:第8天,1月8日,这200名新增用户里面有25人活跃,

第7日新增留存率为: 25/200 = 12.5%;

整理为表格如下:

 

 

留存率反映的实际上是一种转化率,即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程。

新增用户的***天尤为重要,上文的421规则也显示多数产品的新增次日留存达到40%已经不易,根据以往做产品的经验,又有50%的用户在***个30分钟就决定了他是否会继续使用产品,因此,产品经理们好好思考如何做好新用户在***个小时,***个10分钟的用户留存吧。

Talkingdata:APP产品次日留存率

来自Talkingdata.com.cn网站的APP产品次日留存率数据,供大家参考。

 

原文链接:http://www.36dsj.com/?p=5652

责任编辑:彭凡 来源: 36大数据
相关推荐

2013-01-29 09:57:23

数据分析

2013-02-22 09:31:02

游戏运营留存率案例

2012-09-11 11:29:25

2017-09-21 10:34:38

留存分析数据分析留存

2023-07-28 08:11:28

数据分析开源框架

2021-09-23 17:10:48

Python可视化漏斗图

2024-07-08 11:33:45

2023-11-24 08:47:36

ScipyPython

2024-04-18 08:30:00

留存分析模型数据分析

2015-08-14 10:28:09

大数据

2013-03-19 10:33:48

大数据相亲数据分析

2021-12-24 10:45:19

PandasLambda数据分析

2022-11-14 10:36:55

数据科学数据分析

2012-10-24 13:46:28

货币化政策

2022-05-10 18:24:04

模型组件存储

2012-06-05 09:59:00

2016-11-29 12:22:03

2018-04-20 12:12:18

数据分析可视化数据挖掘

2016-12-15 21:15:58

大数据

2020-10-21 10:51:43

数据分析
点赞
收藏

51CTO技术栈公众号