中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

對數據基本功的扎實了解，是溝通的橋梁，本文作者對常見的數據指標進行了分析，希望通過此文能夠加深你對基礎數據指標的認識。

01 新增用戶

如果大家看過咱們系列的第一篇文章：《數據掃盲（1）：我們常說的DAU、MAU是啥？》應該是知道這樣一句話：

對數據基本功的扎實了解，是溝通的橋梁！

這句話是貫穿我們數據掃盲系列始終的，跟著新增用戶我們舉一個場景，大家可以再次深度感受一下這句話。

我們的運營同學為了推廣app，去找渠道商進行合作，涉及到結算錢的時候，商量以新增用戶為指標進行結算，但是對于新增用戶的具體定義，大家發生了爭執：

• 渠道商：只要用戶在我們渠道的推廣頁面點擊了產品下載按鈕，就記作一次新增用戶。
• 運營喵：那不成，點了按鈕沒下載那意義不大啊。咱們下載成功記作一次新增，且多次點擊記作一次。
• 產品狗：錯了錯了，咱們app這么牛，至少也要啟動一次記作一次，讓他們體驗下，要不然數據質量不大，不具備參考價值。
• 工程獅：都打住啊，你們這yy半天不行啊，不注冊我們后臺都沒有數據。必須注冊了才算新增用戶。

面對這樣的場景，我們很難去說對錯，我們更關心的是彼此間對于數據指標如何達成共識！

那么新增到底指的是什么呢？

我們把新增用戶進行說文解字般的拆解，新增=新+增。接下來我們需要明確兩個問題：

Q1：什么是增？在哪個節點為增？

A1：一般來說，在用戶與產品發生關系之前，往往會經歷如下圖所示路徑：

用戶通過不同的渠道銜接進入到渠道頁（例如某度廣告頁，某企鵝廣告頁）；用戶在渠道頁面點擊下載或者通過渠道頁進入到應用商店下載；安裝，啟動應用，來到應用首頁；觸發相應的激活行為（不同業務激活行為不同，例如注冊成功、購買商品、亦或是觀看一次視頻等等）。

理論上不同的節點，都是可以作為一次新增，這里呢，我總結一下不同節點作為新增的優劣勢，以及適合的場景。

大家就可以根據表中總結的，結合自己公司業務選擇適合自己的節點。

Q2:怎么判斷是否為新？

A2：這個問題是由一個實例引入的，假設我們以安裝啟動這個節點作為增，一個用戶下載了某app并安裝啟動，裝了兩天卸載了，又重新安裝啟動，此時他是否算作新增用戶？這里，我們一般有兩種判斷方法：

1. 基于設備：用戶第一次安裝啟動時，記錄設備。再次安裝則不記錄。其中涉及的不同系統之間（ios，安卓，web）判斷設備的門道，詳情細節可見上一篇文章《再也不怕別人問我DAU和MAU了》其中關于user部分的介紹。
2. 基于賬號關聯。

以賬號作為判斷基準，和后臺已有的賬號進行比對，看以前是否存在此賬號。

02 留存用戶

本文提到的留存都是指的新增用戶的留存，下不贅述。

首先我們來看一下友盟平臺對于留存是怎么下定義的。

宋老濕還是給大家引入一個案例，來幫助大家理解定義。

案例還是一款悲催的app，上線第一天新增了100名用戶，之后就再也沒有獲取新增用戶。下面給出其上線七日的日活表：

我們由表可以得出MAU=100，這點如果有疑問，請查看數據掃盲系列文章一《再也不怕別人問我DAU和MAU呢~ 數據掃盲系列（1）》。

問題：如何計算新增用戶七日日留存？

這里給出兩個算法。

算法一：（第七天留存用戶數/第一天新增用戶數）*100%

算法二：（第二天~第七天去重后的留存用戶數/第一天新增用戶數）*100%

根據留存的定義，“某段時間內的新增用戶，經過一段時間后，仍繼續使用應用的，為留存用戶”。從中可以提煉出留存用戶是某段時間新增用戶的子集。

就本題而言，上線第一天新增了用戶100人且之后再沒有新增用戶，所以第一天之后幾天的活躍用戶都是第一天新增用戶的子集,即第X日留存用戶數=第X日活躍用戶數，第一天的新增用戶=第一天的活躍用戶。

但是，如果沒有“第一天新增100人后再無新增用戶”的前提，則第X日留存用戶數≠第X日活躍用戶數，準確表述應為第X日留存用戶數=第X日來自于第一天新增用戶中的活躍用戶。

這里有一點繞，我舉一小例子幫助大家理解一下。

（假設5月份新增用戶200，這200人在6月份啟動過應用的有100人，7月份啟動過應用的有80人，則6月份留存用戶為100人，7月份留存用戶為80人。）

那么采用哪一個算法呢？

如果您有心記得，宋老濕反復強調過：數據分析一定是基于業務的，是有目的（即留存用戶這個數據指標的意義）。

目的一般來說，留存的計算與分析有以下目的：

1. 觀測不同渠道帶來用戶的質量；
2. 版本更新后的新功能上線的效果反饋。（功能這一塊，會涉及到用戶關鍵行為的觸發。屬于精準留存的問題，后期文章我們會講解）

此處我們以區分渠道質量來做講解：

算法一

假設某app有兩個獲客渠道A和B，且都是1月1日上線，當日新增用戶100名之后再無新增用戶。已知兩個渠道1月1日~1月7日每日的活躍用戶的數量，用算法一【（第七天留存用戶數/第一天新增用戶數）*100%】計算分別得到兩個七日留存率。

這里可能會有一些朋友會覺得，用算法一計算忽略了2日到6日的用戶數據，這樣計算得到數據不準確。其實不是這樣的，我們獲取了兩個數據是為了進行數據對比，從對比中洞察業務爆破點。因為無論是渠道A還是渠道B，我們都只使用第一天和第七天的數據，同時忽略了2日到6日的數據，忽略的信息是一致的。

因為單一影響因素相同，所以采用算法一計算進行對比是相對公平合理的。

當然，即使這樣，可能還會有一些朋友會問那有什么辦法不忽略2日到6日的數據呢？

算法二

【第二天~第七天去重后的留存用戶數/第一天新增用戶數）*100%】這種計算方式就是把2日到6日之間的活躍用戶計算在內，但是這樣的計算方法是否適合用來評估渠道質量呢？

我們可以看下下圖是關于渠道A和B七天日活用戶的折線圖，我們嚴格按照算法二計算會得出渠道A留存率高于渠道B，實際上我們由圖可以看出渠道B的活躍用戶曲線更接近于自然平緩下降，同時第七日的活躍用戶也高于渠道A。綜合來說渠道B的用戶質量是高于渠道A。

所以用算法二來計算留存評估渠道質量是不ok的，究其原因，恰恰是引入第二日和第六日的數據，反而影響了結果的判斷。

通過以上的案例，大家應該理解了兩者的區別。

算法一我們可以稱之為七日日留存，算法二為七日內留存。

當然，存在既有合理性，算法二并不是沒有適用場景，針對一些用特定使用周期的app就更適合，例如某app是專注于周末轟趴，活躍用戶大部分聚集在周六和周日，我們如果去計算工作日（周一至周五）任一天的新增用戶七日日留存，會發現明顯偏低于周末。

針對這種情況，我們只看第七天的日留存顯然不能反應真實情況，反之，關心七日內的留存就更為真實可靠。

那么，宋老濕還是以友盟數據平臺一組七日留存的表格，大家可以嘗試看下友盟采用的是算法一還是算法二。

有些朋友可能有些摸不到頭腦，有些朋友直覺可能覺得友盟用的是算法一。實際上，友盟平臺計算方法和算法一很相似但有些許不同。我們暫且稱之為算法三。

算法三

（第七天的留存用戶數/第0天的新增用戶）*100%。

這個第0天其實指的就是計算留存的當日，和算法一中的第一天指的是同一天。如上圖所示，如果計算2018—08—01的七日日留存，則算法一中的第1天和算法三中的第0天都是指的08-01的新增用戶數339人。再仔細看上圖會發現，友盟統計時采用1天后，2天后對應就是算法一中的第二天與第三天。

那么友盟為什么采用算法三，這樣計算有什么好處嗎？希望大家動腦子想一下。

（這里給一個提示：和一周七天有關聯）。

揭曉答案：這是因為采用算法三我們可以規避星期對數據的干擾。

舉一個例子，2018-08-01是星期三，采用算法一的第七天則是08-07星期二，算法三則是七天后08-08星期三，這樣同時用星期三的數據，就可以合理規避今日是周幾對數據的干擾。

那么我們一共講了三種算法，每種算法都有其存在的意義，具體的要根據自己公司業務進行選擇，保證公司內部采用同一種標準即可。

這里，宋老濕給大家做一個表格進行總結，大家可以保存圖片備用。

基于此，新增或和留存咱們是聊得差不多了。大家應該會有種毛塞頓開的感覺。

下一期，具體主題宋老濕可能會繼續聊一些數據指標，也可能會聊一些UI設置的基礎。敬請期待。

作者：宋老濕，公眾號：產品經理吐槽喵，一個有溫度的公眾號 互相學習交流進步

本文由 @產品吐槽喵 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。