小白学数据分析----->留存率的三个普适原则

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。

时间: 2024-09-20 16:23:18

小白学数据分析----->留存率的三个普适原则的相关文章

小白学数据分析----->留存率与运营活动分析_I

有关留存率的事情最近扯得比较多,因为在分析数据的时候,越发觉得,分析一定是要来解决问题的,留存率不知何时突然变得流行了,在此讨论留存率倒不是因为流行,而是觉得以留存率为核心,的确是可以帮助我们解决不少的问题,但前提是,不要只停留在你所知道的次日,3日,7日留存率就OK,因为纵然你知道与benchmarks是差距,如果只抱着这个指标,你依然不知道自己该怎么做.下面会给大家一张图,让小白们看到,真正懂得要如何看待和分析留存率的,恰好,也验证我之前的一个观点. 公测100+周,各周新用户在他们各自生命

小白学数据分析----->留存率使用的窘境_I

随着移动游戏整体的火热,现在看到太多的数据,太多信息,很多时候我们仰慕和钦佩别人的成功,我们总是把这个行业达成所谓共识的一些数据来出来说明问题.因为我们笃信数据是有力的证据,并且可以说明实力.然而太多的时候,因为沾染了更多的外在气氛,以至于在一些情况下看不到自己接下来的清晰的方向.比如今天说的留存率问题. 关于留存率,之前也谈到了很多,包括计算标准和使用方法,不过细心的人应该懂得那些只是一个最初级的阶段,因为即使你知道的留存率是什么,但是你会发现你依旧不知道要去做什么?原因在于,你觉得大家都在谈

小白学数据分析-----> 留存率是什么?(番外篇)

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

小白学数据分析------>日活跃人数分析

从今天开始,特开辟一个小专栏,题目暂定为小白学数据分析,鄙人不才,在数据分析的道路上走的崎岖坎坷,同时数据分析本身是一个多面和复杂的工作,要懂得理论(统计.概率.数据挖掘.算法.模型)更要懂得业务,懂得行业理论,还要有灵活多变的思维,想想还是很复杂和麻烦的,所讲内容不但是理论,不仅是数据,尽量把这些东西综合起来,立体的来看,鄙人水平有限,很多的内容是尝试和改进,参考了很多的材料,在木有高人指点和牛人帮助的情况下,我只能借助浩瀚的网络知识和自己的悟性,今天决心拿出来给各位主要是帮助大家和我一起进步

小白学数据分析----->付费用户的金字塔模型实践操作

免费游戏中付费用户模型分析 最近看了不少文章,对于付费用户的模型也有了很深刻的理解和认识,早先我做了不少关于大R,中间R,低端R用户的分析,想来还是觉得草草了事,近来有网友提出来,理论探讨的多了些,实践上手的东西少了点,毕竟还是叫做小白学数据分析啊,今天就把以前说过的付费用户的模型具体的实践一下. 感悟和理论 得到的灵感首先要感谢Nicholas Lovell 的这篇文章,是我得到了一些处理和分析这个模型的办法.连接如下: http://www.gamesbrief.com/2011/11/wh

小白学数据分析----->数据指标 累计用户数的使用

小白学数据分析--à数据指标累计用户数的使用 累计用户数是指注册用户数的累计,即可以认为是新用户的累计.在一般的数据统计中,我们基本上都会涉及到这个指标,且这个指标是逐渐累加的,比如: 时间                   注册用户数[新登用户]           累计注册用户数 1日                    100                                                 100 2日                    120   

小白学数据分析----->什么才是留存率的关键?

最近花了很多的时间在体验各种游戏,从火爆的卡牌,到策略,RPG等等,有一个问题在影响我,什么才是留存率的关键?今天就先讨论一些我的想法. 留存率已经成为大家最常提到的词汇,也是拿出来show一下的武器,不过一个困扰的问题在于,什么影响了留存,怎么优化留存.关于留存指标的描述这里不去解析,要说的就是什么影响留存,怎么优化留存. 我们会发现一个事实,即使那些在7日还返回游戏的玩家,并不是在新增后的每一天都会一直登录游戏,这点是有数据参考的,大家可以计算一下新增用户在新增日后到第7日之间登录过几天的分

小白学数据分析------>把握分析标准与敏感度

写在正文之前,想说几句话,今天是2012年3月16日,是我开博客以来的第9个月,9个月让我成长的非常迅速,这期间我收获了很多东西,认识了很多人,开了群,见了网站,持续的写博,从来没想到我的博客会有这么大的作用,从来没有SEO,从来没推广,从来没有任何宣传,我想到和我做的就是把我自己的成长纪录下来,把网游数据分析的点滴分享出来,当然我希望有人看,但是我毕竟不是高手,只是一个小白,小白只能是学习心得的纪录和整理,帮助自己理顺思路,很希望自己的文章有人看,因为那样就会有高手帮助我指点问题.今天 博客9

小白学数据分析----->什么是活跃_I(DAU)

最近和几个人聊天,大家对于活跃都有着自己的看法,此外因为一些标准的问题,不熟悉分析术语的很多人把活跃,留存等很多信息都搞混了.后来发现这是一个很现实的问题.在一些我 看来不是问题的问题都变成了问题了,因此在此特地说说活跃的事,帮助更多从事游戏数据分析的小白们成长. 究竟什么是活跃?在日常与外界合作过程中,我们经常日活跃.周活跃.月活跃等等信息,貌似听起来比较简单,但是真正如果自己实施操作统计数据时却发现自己又不懂这些定义,因此作为一些分析师.甚至开发人员就会发现很难去操作.以下我将描述三个活跃的