博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
小白学数据分析----->留存率的三个普适原则
阅读量:5135 次
发布时间:2019-06-13

本文共 992 字,大约阅读时间需要 3 分钟。

关于留存率的文章,现在很多,以下要说的内容实际上算是对于留存率使用的一个小归纳。这篇文章所要阐述的内容其实早在去年就已经形成了,一直没有足够的时间组织起来,因为我觉得虽然简单,不过影响的范畴和可扩展的领域很多。值得去思考和借鉴。

留存率存在三个原则

留存率原则之一

不同用户群之间的留存率趋势是一致的

针对这点,其实可扩展的内容很多,比如不同渠道之间的用户留存趋势是一致的,不过不同渠道之间的留存率水平是不一致的,这一点在前一篇文章中已经有涉及过,这里不详细讲述。不同用户群,渠道的留存差异可以作为衡量玩家使用粘度的一个量化。

而说到这点,我再多说一下,往往我们的游戏会有推广时期和自然增长时期,我们可以对比推广时期和自然增长两个时间的用户群的留存率表现,这点其实作用很大,如果我们只是使用一个次日、三日、7日,其实很多时候会规避问题,因此,也建议在做留存率分析,多多进行不同时期的留存率对比,而这点可行的基础就是留存曲线整体上的趋势是一致的。

留存率原则之二

不同产品之间的留存率趋势是一致的。

这一点对于开发者而言,也是具有很大意义的,因为每个公司不止研发一款产品,在系列产品中,用户的留存表现可以帮助开发者理解自己的产品质量,此外我们可以把同一款产品的两次更新当做是两款产品来看待,这样也帮助我们比较前后版本的粘性和质量情况。

再者,留存曲线本身就存在流失期、蒸馏期、稳定期,通过横向,纵向的对比,帮助开发者尽快找到玩家的生命周期长度。同时,这条曲线其实对于渠道而言,也存在很大的意义,因为同一个位置,什么游戏的质量更好一些,我们就可以通过对比多款产品的留存曲线表现,来进行决定,当然这只是渠道在量化最佳位置收益最大化的一个数据分析点,不止于此。

 

留存率原则之三

不同日期之间的留存率趋势是一致的

这点我想是大家最不陌生的,也是我们常用的,如果我们只是每日孤立看待留存率,效果并不是很明显。

对于不同日期的留存率衡量不是只限于两日,也可以是自定义时间点,自定义用户属性(比如时间段内,启动至少3次,这部分在后续文章会说),总的来说,就是要说明,不同时期的用户留存的变化情况,这有利于我们把握不同时间点的推广和投放情况。

转载于:https://www.cnblogs.com/yuyang-DataAnalysis/archive/2013/04/01/2994089.html

你可能感兴趣的文章
background-clip,background-origin
查看>>
【Linux】ping命令详解
查看>>
java学习第三天
查看>>
django+uwsgi+nginx+sqlite3部署+screen
查看>>
浅谈项目需求变更管理
查看>>
经典算法系列一-快速排序
查看>>
设置java web工程中默认访问首页的几种方式
查看>>
ASP.NET MVC 拓展ViewResult实现word文档下载
查看>>
8、RDD持久化
查看>>
第二次团队冲刺--2
查看>>
Linux上架设boost的安装及配置过程
查看>>
[转载]加密算法库Crypto——nodejs中间件系列
查看>>
使用Xshell密钥认证机制远程登录Linux
查看>>
Android 画图之 Matrix(一)
查看>>
【模板】最小生成树
查看>>
设计模式之结构型模式
查看>>
jQuery EasyUI 的下拉选择combobox后台动态赋值
查看>>
timeline时间轴进度“群英荟萃”
查看>>
python if else elif statement
查看>>
网络编程
查看>>