留存分析——以遊戲行業為例
通過了解產品對用戶的黏性可以反映產品品質。留存率的高低則是判斷一個產品是否有價值的一個重要標準。留存，即有多少用戶留了下來。在某段時間內開始使用應用，且一段時間後仍然使用該應用的用戶，被認為是留存用戶。這些用戶佔當時新增用戶的比例即是留存率。
今天我們先來了解下常用的留存分析方式，再以遊戲行業的分析指標為例，藉助Datafocus系統了解 日留存率、周留存率、月留存率 和 加權留存率。
一、留存分析方式
1.1 第N日留存（N-day 留存）
計算第N天完成回訪行為的用戶。觀察單位也可以是周、月 。這一計算方式也是普遍使用的用戶留存計算。
1.2 N天內留存（Unbounded 留存）
累計計算N天內所有完成過回訪行為的用戶。觀察單位也可以是周、月。
1.3 自定義觀察期留存（Bracket留存）
區別於前兩種按照固定觀察單位計算的留存模型，Bracket留存可以自定義劃分幾個觀察期，不受限於固定時間度量。
例如，第一個觀察期為 次日 ；第二個觀察期為 第3日到第7日 ；第三個觀察期為第8日到第14日；第四個觀察期為第15日到第30日。
1.4 自定義留存
上面的三種留存方式，都是進行時間的限定，對留存的定義都是用戶登錄了APP或網站。而有時需要知道基於業務場景下用戶的留存情況。比如閱讀類產品會將看過至少一篇文章的用戶才定義為真正的留存用戶。因此，對留存的行為有了自定義，涉及初始行為和回訪行為的定義。
了解了留存分析方式，我們通過數據指標了解下遊戲行業的留存分析。
二、遊戲行業數據指標
2.1 日留存率
常用「次日留存率」、「7日留存率」和「30日留存率」。
以「7日留存率」為例，指的是新用戶在首次登錄後的第7天再次登錄遊戲的比例，公式為：（當天新增的用戶中，新增日之後的第7天還登錄的用戶數）/第一天新增總用戶數。
在DataFocus系統中，對收集了「第一次登錄時間」、「當天新登錄用戶總數」以及「n天后該批用戶登錄數」的數據表，可直接使用公式計算留存率。
圖 1 7日留存率公式
圖 2 7日留存率統計
2.2 周留存率
和日留存率相似，周留存率為新用戶在第1周登錄後的第2 周再次登錄遊戲的比例，計算公式為： 周留存率=(第1周新增用戶在第2周登錄過的人數)/(第1周新增用戶數) 。
2.3 月留存率
同樣，月留存率為新用戶在第1月登錄後的次月再次登錄遊戲的比例，其計算公式為： 月留存率=(第1月新增用戶在次月登錄過的人數)/(第1月新增用戶數) 。
2.4 加權留存率
指某一段時間內(時間段a)的新增用戶在若干天后的另一段時間(時間段b)的留存數量除以之前那個時間段(時間段a)的新增用戶總量。
之所以使用加權留存率，是因為當遊戲開服時間較長後，人數變化大，會出現因為數據基數減少，導致留存率虛高的情況。數據會產生偏差，加權之後數據更穩定。
以上四類是對遊戲產品進行留存分析時常用的指標，周留存率、月留存率 和 加權留存率的計算，在DataFocus系統中，同樣可以使用公式實現~如果收集的時間數據以「日」為單位，則可以藉助「中間表」來分析哦~