成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

小白學數據分析:留存率是什么?(番外篇)

大數據
最近一個時期和很多的人進行了交流,收獲了不少,也思考了不少,如今我們都能得到數據,如今我們也都能按照所謂的定義和框架分析問題,只是我覺得有時候不必要一定要一直站在框架內去分析一些問題,進步和前進的力量來自于質疑,并進行革新和再創造。

留存率這個數據指標不記得從何時起變得那么重要,重要到研發上把它作為游戲好壞的一個標準,運營商(平臺)作為了一個準入的鑰匙,是否值得繼續下去。有時候覺得粗暴,甚至無知了有點。因為膚淺的百分比背后隱藏著更多的金子,也可能是垃圾。

以上算是一點吐槽,更多潛在的問題這里不想累述,前幾日寫過一個關于的留存率是什么的文章,我想肯定很多人看過了,估計也都會用了,今天寫的番外篇將從這個數據的統計源頭說起,換個角度來看待這個留存率的問題。

留存率VS百分比

百分比是用于表達比例的,類似于一種標準化的表達,因為百分比的分母是100,換個較多想想這種表達消除了數量級上的差異,使不同數量級之間的數據可以進行比較,比如:

這里我們看到盡管上周和本周的收入數據相差了一個數據量級,但是在百分比上的表現只是差了10個百分點,能夠更好的進行量化數據,這個意義上,是非常有用的,然而這里如果只是對比本周的強化收入環比上周少了10個百分點就斷言本周的強化道具賣的不好,那我們就錯了。

那么下面我們再來審視這張圖:

 

這張圖我們發現的規律其實和上一張是一致的,如果我們只是在單純的考察留存率,遇到的分析麻煩就是錯誤的相信了百分比,但是這里不能忽略百分比的作用。因此考察留存不是單純的就在看留存率,你還要看到DAU,其后的留存,DNU規模等等信息。之所以要跟這個百分比較勁的原因其實很簡單,你不能看到今天的DAU比昨天的DAU多了一倍,就說今天的DAU好于昨日,玩家更加積極(探尋有價值的DAU)。

留存率VS漏斗

大概我們現在在做留存分析都會用漏斗模型,因為一批用戶進入游戲后,隨著時間上是不斷遞減的,從玩家的游戲生命進程的確是這樣的,然而這里面卻存在了一個問題,這個漏斗不一定是個嚴格意義的漏斗。再來看上面的那張圖,你會發現2日的留存率高于次日飛留存率,這里這種情況是存在的,實際的數據中也是存在的,至于原因后面會具體的來講述。

留存率VS目的

我覺得用到留存率的目的是探尋一批用戶的導入質量情況(包括游戲前期的成長等),或者是市場、渠道的質量研究,進而方便我們后期的調整投放策略,游戲改進方案。大概因此我們建立了留存率,作為一種轉化率機制,來確定和為我們之前的目的服務。留存率是研究固定群體的轉化情況,換句話我們是希望看到這個群體自然的變化情況,由于存在統計上時間滯后性,往往不小心就會帶來錯誤。比如8月1日的次日留存在8月2日統計出來,3日留存在8月4日統計出來,7日留存在8月8日統計出來,但是如果我們夠認真就會出現以下飛烏龍,比如8月2日統計的8月1日留存會錯誤的認為是8月2日的次日留存率。出現這個問題的原因就是統計日展現的數據不是統計日的,這點很多人在使用一些系統都會出現這樣的問題。

其實費了不少話,最終要說的就是在下面這張圖上:

此圖中,我們列出來了每日新登玩家的次日、3日、7日的留存率,我們會發現每個固定的群體(每日新登作為一個獨立的群體)次日、3日、7日的留存表現趨勢基本上是相同的,也就是說,留存率的指標能夠揭示一個群體在一段時間內的變化特征,且這種特征不會因為時間的變化而發生顯著性改變。比如第37日的新登用戶的次日、3日、7日留存表現都是保持一個趨勢,這從某個角度來說,新玩家的期待或者特征我們游戲給予了最好的反饋,而這樣的期待或者特征就是我們留存率使用起來的價值。(此處另外一種方式可以計算相鄰兩日留存率變化百分比,繪制曲線去分析這種趨勢變化)

后記:

有關于留存的分析,留存率只是整體留存分析的很少一部分,真正挖掘留存的價值其實還要做很多工作,留存分析也不只是新用戶的專利,比如充值用戶的留存,這里沒辦法展開說。而一些留存率分析方法其實很多,這取決于我們分析的維度和角度,也許有時候你可以嘗試一下做一個顯著性分析,看看兩個服務器的一段時間的留存變化是否顯著,也許你也可以針對同時間的兩個服務器的用戶做分析,或者是不同渠道或者市場的用戶分析,維度方式很多了,關鍵在于是否愿意去做。

其次,我一段時間以來一直使用幾何平均數去處理這種“率”的概念,因為我們總要計算平均留存率,但是算數平均數不能屏蔽極端值的干擾,所以幾何平均數是個很好的辦法。

最后剛才提到一個關于漏斗的問題,這里我想把我的理解說一些,漏斗是作為一種分析轉化率的形象化描述,但是在狹義的漏斗分析觀念上(比如網站分析),我們的漏斗分析是針對一個session(一個會話期間)進行的轉化率分析。然而我們這里的漏斗分析其實是一種廣義上的轉化率漏斗分析模式,即新登用戶在次日登錄了,那么在2日,3日,4日都可以登錄,這里面不存在會話的,而狹義的漏斗是一個不斷篩選的過程。因此這里的留存率是存在我們看到的3日大于次日的情況(這點在最后一部分中已經做了解釋和說明)

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

 

【編輯推薦】

  1. 小白學數據分析:怎么做流失分析
  2. 小白學數據分析之K-means理論篇
  3. 小白學數據分析之從購買記錄分析道具支付環節
  4. 小白學數據分析之付費滲透率
  5. 小白學數據分析之Excel制作INFOGRAPHIC

 

責任編輯:彭凡 來源: 博客園
相關推薦

2013-01-29 09:57:23

數據分析

2012-06-05 09:59:00

2014-01-22 15:34:00

數據分析

2012-05-31 09:33:28

數據分析

2012-06-07 09:51:20

2017-09-21 10:34:38

留存分析數據分析留存

2022-03-29 14:49:14

大數據數據分析

2012-06-28 09:53:11

2012-06-08 13:54:59

2012-09-21 10:12:37

2012-06-14 09:46:55

數據分析

2012-06-29 10:26:47

2012-06-15 10:13:03

2022-08-02 11:29:17

數據分析場景RFM

2016-10-19 19:03:18

javascriptes6React Nativ

2012-08-29 08:49:51

2017-02-06 14:12:29

大數據數據分析基本思想

2016-11-25 13:05:18

2019-10-14 15:57:36

數據分析多維度二八法

2017-04-11 09:08:02

數據分析Python
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板: 91久久精品国产91久久 | 免费国产精品久久久久久 | 欧美一级在线 | 91免费在线视频 | 日日骚av| 中文字幕精品一区二区三区精品 | 视频一区二区三区四区五区 | 国产成人精品综合 | 久久精品成人 | 日韩中文字幕一区 | 中文字幕一区二区三区精彩视频 | 亚洲福利在线观看 | 一级免费毛片 | 亚洲成人一区二区在线 | 国产精品亚洲一区二区三区在线观看 | 国产精品久久 | 久久高清免费视频 | 色婷婷av久久久久久久 | 一区福利视频 | 亚洲欧美一区二区在线观看 | 亚洲精品久久久一区二区三区 | 午夜精品一区 | 国产成人免费视频网站高清观看视频 | 日本一区二区三区在线观看 | 日韩精品一二三 | 青青草精品视频 | 国产欧美精品一区二区色综合朱莉 | 国产高清精品在线 | 亚洲一区二区国产 | 国产精品欧美大片 | 亚洲成人网在线观看 | 亚洲一区久久久 | 国产美女一区二区 | 欧美一级免费 | 久久久久黄 | 日中文字幕在线 | 中文字幕在线一区 | 国产精品一二三区 | 国产精品久久久久久久免费大片 | 男人天堂av网 | 国产成人精品午夜视频免费 |