怎么算留存天数

本文适合产品经理,预计需要三分钟。

留存天数

一、留存率 vs 留存天数

产品经理都知道什么是留存率,但要向外人解释什么是留存率,那就有点困难了。即使是面向业内人士,不容易说清楚。

他们通常会问:这是针对新用户还是活跃用户?为什么7日留存和周留存是不一样的?更别提这个指标对他们的工作有什么影响。

即使他们了解留存率这个概念,留存率也难以直观的反映留存的情况。你得通过一组数据,比如次日留存 + 七日留存 + 30日留存,最好有个折线图,才能反映出留存的情况。

一组留存率数据

留存天数,也就是用户生命周期(Life Time),这个概念就容易理解得多了,从字面意思就可以知道,从用户第一天使用,到最后一天使用,用户会使用你这个app多少天。

投资人一听就会明白,你的app留存天数越长,说明你的app价值越大,用户越离不开你;运营的同事一听就明白,他的工作就是尽量留住用户,延长这个留存的时间;销售的同事听了也会明白,过了这个时间段,用户就会走掉,必须在这个时间段内,尽可能的把用户转换为顾客(付费用户)。

二、如何计算留存天数?

方法一:全样本统计

用户最后一次使用的日期,减去他注册的日期,就是单个用户的留存天数。把所有用户的单用户留存天数平均一下,就是留存天数了。

这种方法的缺点是非常不灵敏。样本要足够的大,时间跨度要足够的长,才能得出真实的数据。如果你的app上线时间少于一年,得出的数据都是没有意义的。这样计算出来的数据,显然不会有什么波动。

方法二:倒推法

今天每一个活跃用户,从他们的注册时间到今天的时间差,平均一下,就得出留存天数了。

同样的方法,可以用来计算某一天的,某一周的,某个月的,某一年的。

这个方法听上去不错,用我们的薄荷 app 实际跑一遍数据,就会发现是多么不靠谱。

由于数据不方便完全公开,用上面说的全样本统计,算出来的值设为 X。用倒推法,一天算就是 X 的4.1倍,用一个月算就是 X 的2.5倍,用3个月算就是 X 的2.3倍,一年算就是 X 的1.7倍。

可以看出,时间跨度越短,误差越大。时间跨度越大,误差越小。无论选哪一个时间跨度,都与全样本统计得出的数据相差甚远。

这篇文章里提到了一个计算用户生命周期的公式:

LT:(Life Time)生命周期;指的是新增账户在首次进入游戏到最后一次参与游戏的时间天数;目前大部分取值均以自然月为准;即某个月用户生命周期之和/MAU=平均生命周期

这个方法算出来就是 X 的2.5倍,是不可靠的。

为什么会有这么大的误差呢?因为你统计到的样本,都是已经留下来的用户。那些没有留下来的用户,你都没有统计到。

这就是「幸存者偏差」,典型案例有返航的飞机都买到火车票了吗,有兴趣的朋友可以去了解下。

二战时的美军战斗机

方法三:经验公式

留存天数跟留存率之前是正相关的关系,留存率越高,留存天数就越长。那么,用留存率能直接算出留存天数吗?

这篇文章里提了一个计算公式:

用户生命周期=周期/(1-周期内新增留存率)

这个算法从逻辑上判断就是不靠谱的。

  • 留存天数与留存率虽然是正相关,但不是线性相关,两者的对应关系不是靠一个简单公式就能描述得清楚的。
  • 公式里的周期,用一个月为单位,用户生命周期就是 n 个月,用一周为单位,用户生命周期就变成 n 周啦?

从实际数据来看,我用薄荷 app 的数据算了下,以一个月为单位,把月留存代入公式,得出的结果大约是全样本统计结果的一半。

小结

除了全样本统计的方法,另外两种方法都是不准的。

留存率不够简单,留存天数不够灵敏,有没有一个指标既简单又灵敏呢?答案是有的。

三、月活跃天数

能兼顾简单和灵敏的指标,就是月活跃天数了。意思是,这个月的活跃用户的平均活跃天数

这个概念就比较清晰,界定的样本范围和时间跨度都比较适中。计算方法也非常简单:

月活跃天数 = 当月每天日活的总和 / 月活

我们现在的考核指标,就是用月活 + 月活跃天数,来代替了原来的日活 + 周留存。因为这两个数据受市场推广因素的影响比较小,能更加准确的衡量产品经理的工作表现。

2017年3月,几大知识付费平台的数据

以上数据出自《知识付费走过一年,出现了哪些新趋势》

  • 喜马拉雅FM:月活跃天数 = 707.3万 x 31天 / 3533.3万 = 6.2天
  • 知乎:月活跃天数 = 230.2万 x 31天 / 1222.0万 = 5.8天
  • 得到:月活跃天数 = 18.6万 x 31天 / 198.0万 = 2.9天
  • 分答:月活跃天数 = 0.3万 x 31天 / 4.0万 = 2.3天

我不便直接告诉你薄荷 app 的是多少,可以透露的是,比以上四个app 都要高。

你们家 app 的月活跃天数是多少呢?

四、总结

留存率是我们产品经理非常有用的指标,缺点是对外行人来说不够简单直观。

留存天数,也就是用户生命周期,是很简单直观的概念。只能通过全样本统计的方式来计算,其他算法都不靠谱。这个指标很重要,但波动不大,无法反映短时间内工作的成绩。

如果要作为工作考核指标的话,建议使用月活跃天数这个指标。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,108评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,699评论 1 296
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,812评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,236评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,583评论 3 288
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,739评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,957评论 2 315
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,704评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,447评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,643评论 2 249
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,133评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,486评论 3 256
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,151评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,108评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,889评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,782评论 2 277
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,681评论 2 272

推荐阅读更多精彩内容