您的需求：
请输入手机号
获取短信验证码
请输入正确的短信验证码
预算格式错误
最好本地服务商
在镖狮找营销服务商，能享受到高质量服务，比其他渠道便宜20%以上
一站式营销服务专业平台
不懂营销里的坑？
一对一咨询加智能推荐系统，告别鱼龙混杂的服务市场
怕被忽悠？
精益严选去中间化，让您直达终端“钻石”服务商
效果没保障？
资金托管，全程效果监理，不满意全额退款
请您输入正确的验证码
系统已发送短信验证码到您手机，请注意查收。
您的需求：
请输入正确的手机号码
获取短信验证码
请输入正确的短信验证码
预算格式错误
最好本地服务商
在镖狮找营销服务商，能享受到高质量服务，比其他渠道便宜20%以上
一站式营销服务专业平台
不懂营销里的坑？
一对一咨询加智能推荐系统，告别鱼龙混杂的服务市场
怕被忽悠？
精益严选去中间化，让您直达终端“钻石”服务商
效果没保障？
资金托管，全程效果监理，不满意全额退款
请输入正确的验证码
系统已发送短信验证码到您手机，请注意查收。
我们将在15分钟内与您联系！(联系时间：工作日9:30-18:30)
继续完善以下信息，以便专业顾问为您提供更有针对性的建议
1您要运营的公众号类型？
企业订阅号
企业订阅号
个人订阅号
数据表明，有97%的纠纷是因为线下交易，狮子君提醒您，线下交易有风险，付款需谨慎。
提交成功，专业顾问会尽快联系您，请保持手机畅通，谢谢。
新产品还没有公众号，之前的产品做过，花过几千和一万多元。现在想做个服务号，问微盟这样的系统多少钱。目前主要想做个微商城。
现在在做百度竞价推广，公司内没有专门负责的人员，想找托管公司，日预算100元。
热线电话：
国内领先的营销服务平台
定制您的需求，坐等服务商上门
不需花时间选服务商
需求发布后，15分钟快速响应
大数据智能推荐最优服务商
不向雇主收取任何形式费用
玩转潮营销
代运营经典案例
专业团队，效果保障
带你入手低价高质流量
玩转潮营销
代运营经典案例
专业团队，效果保障
带你入手低价高质流量
玩转潮营销
代运营经典案例
专业团队，效果保障
带你入手低价高质流量
移动应用开发
玩转潮营销
代运营经典案例
专业团队，效果保障
带你入手低价高质流量
玩转潮营销
代运营经典案例
专业团队，效果保障
带你入手低价高质流量
玩转潮营销
代运营经典案例
专业团队，效果保障
带你入手低价高质流量
玩转潮营销
代运营经典案例
专业团队，效果保障
带你入手低价高质流量
提高门店客户下单率
基于已有客户成更多单
吸引门店周边客户
获取门店位置周边更多客源
增加门店客流量
获取尽可能多的客源
《如何提升App留存率？——用GA工具埋8个点，戳中用户G点 》
◣网络获客36计◥为镖狮网旗下的原创栏目，主要提供针对初创、中小企业如何低成本、高产出的通过网络卖货、获取用户的营销干货。内容涵盖头条号/知乎等自媒体运营技巧、天猫京东店铺诊断、0成本推广App、SEO快排技巧、SEM账户优化、社交媒体营销等方面。
?不方便看文章的朋友，戳此听极具磁性嗓音的杜俊鸿朗读干货
这一期分享的主题是：使用GA（Google Analytics）工具进行数据分析与优化，提升App留存率进而提高日活的8个实操要点。
作者是孙维，他是卡车之家用户分析中心总监，拥有14年互联网从业经验，6年数据分析经验，做过很多App端产品的数据分析，比如年轻人熟知的百思不得姐。
全文分为四点来展开叙述：
第一点：留存率对于App DAU有哪些影响？
第二点：怎样更好的提升App留存率？
第三点：提升App留存率需避开哪些坑？
第四点：推荐国内外几款比较知名的数据分析工具
嘉宾 | 孙维（左）
记者 | 孔乐（右）
第一点：留存率对于App DAU的影响
以上数据来自对三款真实App的长期跟踪，它们的短期和长期留存率各有高低。
1.假设App1的新增是每天一千，一年后日活大约是，用户几乎都流失了。
2.APP2的次日留存是这几款里头最高的，但长期留存却不是最高的。假设App2每天的新增都是一样的，一年后它的DAU大概是新增量的40倍。
3.App3的次日留存没有那么高，但它的30日留存率很高，一年以后DAU是新增的48.6倍。
结论是：远期留存率对提升日活非常有好处。
以上数据分析使用的工具GA。
关于提升留存率，我总结了两个相对直接的方法：
● 对比新老用户的行为，理论上说老用户用的更多的那些功能，可能就是他们留下来的原因，结论是把老用户喜欢用的那些东西做的更好，或者说把老用户喜欢的那些东西更多的展示给新用户看。
● 对比留存用户和流失用户，看他们在首次使用App时，用的功能、看到的内容有何不同。后来留存下来的用户用到、看到的，可能就是他们留下来的原因。
第二点：如何使用GA工具埋点功能，提升App留存率
我们用的App大部分都是内容型的
（一）点击内容
用户阅读文章，比如用类似今日头条的一个APP，首先&点击内容&是第一个埋点，我们给用户提供的内容，如果他一个都不看，那也白搭，这是转化的第一步，也是最重要的一个。
（二）分享
分享也十分重要，分享意味着拉新。我们做过计算，如果你的内容比较吸引人，每一次分享大概能带来10到20次的点击，通常来说有可能展示量是上百的。这个价值非常大，所以分享也是一个很重要的埋点。
&转疯了&频道新旧版数据对比&进入和没进入频道数据对比
这是一个真实的的案例，我曾经为一个新闻App做数据分析，发现他们的新闻分享出去之后点击率很高，是获取新用户的好办法。那么如何提升分享率呢？当时我们想到建立一个叫做&转疯了&的频道，里面专门放热门转发的内容。开发完成上线之后，我们利用GA的高级细分功能进行了数据分析。
带有&转疯了&频道的新版本App比旧版本分享率高，并且在新版本里，进入过该频道的用户分享率高于没进过该频道的。
点击、分享（还包括H5分享到朋友圈）的埋点数据都是给运营看的，运营会知道哪种类型的内容热门用户愿意点击，进而多做类似的内容，提升点击率和分享率。
（三）搜索
搜索是能最直接表达用户需求的。搜索有两种情况，一种是搜完了有结果，那就看用户愿意点什么样的内容；还有是搜索没有结果，这个通常都会单拿出来做一张报告，比如哪一天突然有一个新词出来了，在我们App上没有搜索出结果，那就得马上去补充这个内容，搜索也是一个用户需求的风向标。
（四）下拉刷新
下拉刷新的用户习惯应该是今日头条培养出来的，每下拉一下，就推荐一些偏好的内容。
为什么要统计这个？用户每次下拉刷新都意味着一次推荐内容的展示，下拉刷新之后紧接着有多大的概率用户点击了内容，能体现出推荐算法的优劣，这就和上头埋点那个点击内容连上了。
这是两个行为之间的比较，一百次下拉刷新只有三次的阅读行为，那显然这个转化率很差。如果一百次下拉刷新能有80次内容点击那转化率就很好。推荐算法做的是不断地提升下拉之后的点击率。
（五）加载下一页
PC时代大家是点下一页，现在都是下拉加载下一页，下拉一次加载20条，看完之后再继续往下拉，不断地重复这样做，它同时也体现了用户能接受的信息条数。比如一个用户加载了三次，那就是加载出了60条内容，再加上它本身这一页的20条，可能他就扫过了80条内容。
做这个埋点的意义在于可以指导运营每天更新多少内容合适。如果运营每天更新两百条，但绝大部分用户在一百条的时候就止步了，那剩下一百条就是浪费。
（六）推送
推送是个很重要提升日活的手段。假设公司的编辑习惯在每天三个时间点做推送，突然有天数据分析负责人看见前一天日活有明显的降低，于是按小时对比日活，发现只有三个推送的时间点日活降低了，那显然是推送出了问题。
推送很重要，它是提升日活一个特别有效的手段。但是我们通过GA的高级细分发现，用户时常打开推送直接看完一篇文章就走了，也就是说通过推送开启App的用户粘度明显低于普通用户。我们当然不希望这样的人很多，所以我们会想办法在这个推送打开的这一页里去增加一些延伸阅读，提升推送开启用户的停留时长。
（七）意见反馈
目前意见反馈有不少第三方的解决方案，但是我为什么会坚持用GA也发一份数据过来，目的是为了把个人高级细分出来。通过GA可以查看任何一个反馈用户的手机型号、手机系统版本等，而且每个反馈用户的功能使用路径也一览无余。之后找和他一样或差不多的机器，看看会不会出现他反馈的那个问题，这样就很容易定位他的问题。
（八）报错
最后一个事件是报错。报错跟反馈有点接近，但是遇到错误还能反馈的人毕竟是少数，App程序上知道什么地方出了什么错误，通过系统进行信息收集也是可以细分出来这些报错的用户。
通常大家上手进行App数据埋点时不知道统计什么，那我刚才说的这八个就是最通用的，按照优先顺序排列。对于初创或中小企业，有这些数据就已经能把分析工作做到至少70分了。
第三点：提升App留存率需避开哪些坑？
讲完了为提升App留存率需要注意的八点后，继续讲讲如何避开过程中产生的&坑&。
（一）注意局部功能
某App内有论坛和圈子两个互动频道。改版后，论坛的样式改动比较大，如果仅对比新旧版App的使用时长，新版的数据更好。但经过GA的高级细分发现论坛上的人转移到了圈子，由于圈子本身的使用时长更长，导致从整体看来时长增加，但实际上是老用户被迫走了，这次改版其实是失败的。
这个分析其实有点像经济学的思路：不仅要看一个政策导致的局部变化，更要看到这个局部的变化会对其他系统有何影响。普通的数据统计系统无法精准细分人群，也就无法发现这个深层次的问题。
（二）因果关系别搞反
可能很多人都知道LinkedIn的例子，第一次用LinkedIn时，如果加了四五个好友，它后期的活跃度就会变得高。所以LinkedIn一开始就会引导新手一上来就去加好友，可能推荐一些他同单位或是同行业的一些人去关注，用这种方法去提升留存。
一款网络电话App（可以免费打电话）发现第一次使用就能打4、5次电话以上的人后期留存会很高。然后他们就想办法推荐新注册用户多打电话给别人，但是结果发现没用。后来内部总结的结论是：可能那些留存高的人本来就有打电话的需求，而不是因为开始打得越多后期留存就越高。
第四点：推荐国内外几款比较知名的数据分析工具
最后简单分析下我所了解的App数据分析工具，大家可以自行尝试选择。
App分析用的SDK装的越多，它们互相之间如果有冲突的话，你APP的稳定性就越差。所以通常我觉着尽量别超过两个，一个国内一个国外的就可以了。
国内：友盟（意义在于它是一个行业标准，是大家在沟通数据时共同的基准线）、百度统计（细分功能正在变强）、GrowingIO(多维度村分分析比较有特色)、腾讯MTA、神策数据（支持数据私有化部署）、诸葛IO等
国外：GA（细分功能宇宙最强）、Flurry（用户路径分析比较有特点）、Firebase Analytics（组件非常多，是一整套App解决方案，数据不限量，但细分分析不如GA）
以上我的分析方法对于创业公司、中小企业都是适用的。通常来说，你团队再小，也得有后台开发，GA的话每天可以自动导出数据、转化成PDF，通过邮件发到团队每个人的手机里面，这就变成了一个小的数据后台，在初期完全可以满足简单的数据分析和监控需求，节省大量人力开发成本。
第五点：现场专访花絮
看完还不过瘾？欢迎加入营销社群《狮友会》与大咖面对面交流。加群步骤：扫码以上二维码，备注姓名-公司-职位，我们拉您入群。
国内按效果付费渠道（CPS）的大扒皮 ——甲方、乙方、媒体眼中真实的CPS
零成本零基础推广：知乎流量红利攫取指南
互联网数据分析的一些门道
社群营销：短期见效·易上手·成本低·转化高
以提高广告点击率（CTR）为目标的文案创意优化指南
微信公众号
(C)Designed by @ 北京发镖网络科技有限公司 京ICP备<!-- super cache当前位置：&&&&&
我们不能这么浮躁 手游市场次日留存率注水严重
目前很多手游企业都将次日留存率当作非常重要的宣传点，在2014年年初，40%以上的次日留存率就可以称之为S级手游了，而目前到了2014年Q3，指标有上涨的趋势，大有S级手游不过60%次日留存就不可称为S级手游之势，目前这种次日留存率的攀比之风也可以称呼为噱头之风越刮越烈，动辄会出现70%、80%甚至还有90%的宣传数据。次日留存率本该是衡量一款游戏是否具有吸引力的良好指标，却被片面曲解为比率越高，手游产品越成功。
何为次日留存率
用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用应用的被认作是留存;这部分用户占当时新增用户的比例即是留存率，会按照每隔1单位时间(例日、周、月)来进行统计。顾名思义，留存指的就是&有多少用户留下来了&。次日留存率即为第二日仍然登陆游戏用户占第一日新增用户的比例。从整体来说留存用户和留存率体现了应用的质量和保留用户的能力，次日留存更加突出的体现了产品保留用户的持续粘度。
业内人士如何看待产品是否成功
在9月TFC广州大会上，针对如何衡量一款游戏成功与否这个问题时，天拓游戏总裁黄挺在答上方网记者问时表示，&我认为既叫好又叫座的手游产品是成功的产品。&从这句话不难看出，这个回答包含了&叫好&与&叫座&，即人气高，收益高。
次日留存率高低并不能严格影响畅销与否
以IOS中国地区畅销排行榜为例，并未出现次日留存高就一定有更高的名次情况，也就是说45%留存也可排第一，同样道理同样适用于安卓平台榜单。
1.刀塔传奇-剑圣的觉醒 次日留存超过45%
2.雷霆战机 次日留存超过80%
3.天天富翁 删档内测时的次日留存超过50%
4.天天酷跑 次日留存60%左右
如何综合数据指标科学分析
次日留存率仅仅是一个指标，仅仅体现的是游戏连续吸引玩家登陆的粘度，如果将次日留存率、3日留存率、7日留存率、月留存率、付费率以及用户数量综合进行考察，那么就更加准确。
盲目追求次日留存率 数据掺杂水分
当然现在手游业也有很多乱象，如接近午夜12点开服，导入流量过低，导致次日留存率掺杂了过多水分，运营活动鼓励用户多开账号、连续登录、介绍朋友登陆即可领取丰厚奖励，这些都无疑造成了虚假的次日留存率。
目前手游行业吸引流量成了最大难题，为了拉人气宣传上有些夸张并不为过，但动辄80%以上的留存率，让人大跌眼镜，国内手游行业最好的数据大致如下：玩家次日留存率在50%左右，三日留存率在30%左右，七日留存率在25%左右，付费率5%以上。随着手游市场越来越规范，企业在宣传上还应回归真实，否则这种浮夸攀比风一起，次日留存率这一本来具有意义的指标作用将不复存在。
【来源：91】
推荐理由：卡通明星跑酷游戏，游戏里有很多我们熟悉的卡通明星：你可以和兔八哥、BB 鸟、崔弟以及其他受欢迎的乐一通角色一起奔跑
推荐理由：不同于一般的滑雪，这款游戏中玩家将背着喷射器去滑雪场竞赛!借助火箭喷射器，在各种设计得鬼斧神工的赛道上以超高速
推荐理由：战斗机大战是一款动作类游戏，在空战中感觉作战飞机的实力!开始操作你的飞机驾驶盘机并一直勾板机，直到肃清天空内的
推荐理由：世界厨师是一款模拟经营类休闲游戏，游戏中玩家将扮演一名大厨从一间小餐馆开始逐步发展壮大;你可以尽情的释放自己的
推荐理由：《无声狂啸》是游戏史上第一个批判现实主义的冒险游戏，游戏中涉及到有关战争、性、人与人之间的虚伪和冷漠等众多社会
手机访问手机扫描二维码访问我建议是用户群的迁移是往后看的，就是当日的用户在于哪一层，是看他多少天之后回回访，而不是当天来了就沉到0层。如果某一天产品的改动使得更多的高层的用户迁移到了低层，说明用户变活跃了。比如，之前隔两周才来的用户，现在隔一周就会回来。这样不同日的比较会显得更加直接，产品良性增长的表现是向下的用户比向上的用户多，而且幅度越来越大。
我建议是用户群的迁移是往后看的，就是当日的用户在于哪一层，是看他多少天之后回回访，而不是当
我建议是用户群的迁移是往后看的，就是当日的用户在于哪一层，是看他多少天之后回回访，而不是当天来了就沉到0层。如果某一天产品的改动使得更多的高层的用户迁移到了低层，说明用户变活跃了。比如，之前隔两周才来的用户，现在隔一周就会回来。这样不同日的比较会显得更加直接，产品良性增长的表现是向下的用户比向上的用户多，而且幅度越来越大。
啊，谢谢建议~不过我比较追求在一张图里同时反映出用户活跃的迁移和流失两件事情，注意力同时放在回访用户和流失用户身上。其实很多用户并不是拥有定期访问的习惯的。比方说某天产品做了推广，来了大量新增用户，那么是可以看到这些新增用户是怎么样通过流失化迁移渠道一天天走的，也很有可视化效果。
正在费力的把图脑补成动画
啊，谢谢建议~不过我比较追求在一张图里同时反映出用户活跃的迁移和流失两件事情，注意力同时放
啊，谢谢建议~不过我比较追求在一张图里同时反映出用户活跃的迁移和流失两件事情，注意力同时放在回访用户和流失用户身上。其实很多用户并不是拥有定期访问的习惯的。比方说某天产品做了推广，来了大量新增用户，那么是可以看到这些新增用户是怎么样通过流失化迁移渠道一天天走的，也很有可视化效果。
往后看也是在一张图里同时有转化、迁移和流失的。往前看和往后看的图本质上是等价的。往前看的优点是当天结束就能看当天的数据，但缺点是不能在一张图里面看到有多少用户变得更活跃，有多少用户变得更不活跃，因为全部跃迁到0层只是看到了回访的组成，还不能反映出活跃度的变化，需要多张图综合起来看才能看出来活跃程度的变化。当然，有可能我还没能理解对你的意思，不过这是个很好的思路。
往后看也是在一张图里同时有转化、迁移和流失的。往前看和往后看的图本质上是等价的。往前看的优
往后看也是在一张图里同时有转化、迁移和流失的。往前看和往后看的图本质上是等价的。往前看的优点是当天结束就能看当天的数据，但缺点是不能在一张图里面看到有多少用户变得更活跃，有多少用户变得更不活跃，因为全部跃迁到0层只是看到了回访的组成，还不能反映出活跃度的变化，需要多张图综合起来看才能看出来活跃程度的变化。当然，有可能我还没能理解对你的意思，不过这是个很好的思路。
嗯哈，你的理解没问题！我其实就想把这样一张张的图在一段时间内联系起来看，这样可以看到整个活跃化和用户流失的路线图~
写的好难理解。森森的符合了D系开发无限拆分、剖析的能力。
从我的看法出发，这个分析思路的默认 关键是：活跃用户对整个产品价值是有贡献的，用户转化为活跃用户是要解决的关键问题。（这样写下来，看起来就是句超级大废话）
OK，我们再往下说一句，我觉得PM和GH或者只是GH的责任是找到哪个层级的改变引起的活跃用户转变最有效。
现在写的可能有所保留，我也的确没看太清楚思路。 给我的个人感觉是，这些层就是这样子啦，他们的联系也是这样子啦，Pm能针对这个现状做些什么。有调理但是感觉没方向。
象一个推导的过程，缺乏最后的公式的赶脚。
B.T.W douban能解释问题的人真的不少（其他公司连解释问题的人都没有），但是的确没有人能去把这些信息用来解决问题啊。。。
写的好难理解。森森的符合了D系开发无限拆分、剖析的能力。
从我的看法出发，这个分析思路的默
写的好难理解。森森的符合了D系开发无限拆分、剖析的能力。
从我的看法出发，这个分析思路的默认 关键是：活跃用户对整个产品价值是有贡献的，用户转化为活跃用户是要解决的关键问题。（这样写下来，看起来就是句超级大废话）
OK，我们再往下说一句，我觉得PM和GH或者只是GH的责任是找到哪个层级的改变引起的活跃用户转变最有效。
现在写的可能有所保留，我也的确没看太清楚思路。 给我的个人感觉是，这些层就是这样子啦，他们的联系也是这样子啦，Pm能针对这个现状做些什么。有调理但是感觉没方向。
象一个推导的过程，缺乏最后的公式的赶脚。
B.T.W douban能解释问题的人真的不少（其他公司连解释问题的人都没有），但是的确没有人能去把这些信息用来解决问题啊。。。
这里只是个起点，我的想法是，先把PM从每天麻木的观察新增和留存上拉出来，然后告诉他们现在用户们是怎么迁移，变的活跃，慢慢变得不活跃，直至流失的整个过程。它最终呈现的形式是选定日期范围内的动态变化。
另外，这里也提供一把较为靠谱的尺子。很多产品手段使用后可以从这里观察效果。当然，这里的假设是日活为唯一目标，如果是装机量那又是另一回事。很多变量可以作用到活跃度上，比方说推送策略，社交互动等。这些功能反馈到活跃用户池迁移上会比反映到留存率上更为直接。之后会针对提升活跃度做若干尝试，我相信对于这些尝试的正向反馈最终会作用到日活这个唯一目标上去。
回答一下那个层级的改变引起活跃用户转变最有效的问题。就这个产品来看，次日和隔天的活跃对于产品至关重要。当然这是没有做任何产品优化时的结论。
其实给PM提建议很难，一次性给出一个结论，他们并不一定可以认同，需要潜移默化通过细碎的手段让PM接受自己的想法。在这一点上，我还是相信可以用一些信息解决问题的。不过，第一步还是得用比较形象的方式去描述问题。
你这样想有点天真啊，之所以PM麻木的观察新增和留存，还有其他的可能性。教育的成本太高
你这样想有点天真啊，之所以PM麻木的观察新增和留存，还有其他的可能性。教育的成本太高
你这样想有点天真啊，之所以PM麻木的观察新增和留存，还有其他的可能性。教育的成本太高
有一定可能性是因为没别的选择，这个会做进报表系统，给他们每天多看一些有趣的数字。PM作为决策的唯一出口，教育成本高也要教育啊~不然我就不职业了
挺有意思的分析，赞先~
不过最后“可以做的事情”里面，暂时只提到了1、减少流出活跃池的用户；2、增加流入活跃池的用户。但我觉得这只是一个最表面可做的事儿，可能很大头的工作会在如何提高活跃用户的活跃频率。比如如何让6天一开的用户变成4天一开。
用户相关的数据分析，关键一点是基于行为数据可以将用户聚或者分出可理解的类，然后针对不同的类进行具体的产品和运营优化。@nullpointer 之前做的PAHG模型和这里的用户分层都是类似的思路。如果从用户增长管理的系统工程角度来看，个人觉得难点不在数据层面，而在于数据和业务如何形成很好的互动，将数据驱动、业务执行和数据评价构成闭环。
挺有意思的分析，赞先~
不过最后“可以做的事情”里面，暂时只提到了1、减少流出活跃池的用户
挺有意思的分析，赞先~
不过最后“可以做的事情”里面，暂时只提到了1、减少流出活跃池的用户；2、增加流入活跃池的用户。但我觉得这只是一个最表面可做的事儿，可能很大头的工作会在如何提高活跃用户的活跃频率。比如如何让6天一开的用户变成4天一开。
你说的没错，其实产品这边早就准备了多种手段，各种推送策略，社交化尝试等等。下面对这些手段实施的过程中会逐一去看对哪方面产生了影响，然后根据反馈调整策略，直到达到一个平衡~这个平衡的天花板应该是产品定位和用户固有使用习惯共同决定的~
试着改写一下
1. 所谓分析就是找不同维度（dimensions）下，指标（metrics）的对比、相关和因果
2. 对比、相关和因果都得具体到能指导行动
3. 对一坨用户看整体metrics不能指导行动，得拆
4. 活跃度是拆用户群的一个不错的dimension
5. （for doubaner）按活跃度来拆，其实就是某种PAHG（Plant-Animal-Human-God），翻以前NP的资料即可。
6. 活跃度既可以作为dimension，也可以作为metric
7. 楼主这个描述系统活跃状态的东东，一句话表述为：“上一周期的活跃度（作为dimension）-&本周期的活跃度（作为metric）”
8. 要指导行动的一个办法，可以看这个相关关系：“用户本周所作所为（作为dimension）-&(上一周期活跃度, 本周期的活跃度) （作为metric）”，也就是找出用户干过的事情跟他的状态迁移有什么关系。实际上PAHG就做过这个。当然还有无数的组合，请自行想象。
9. PM缺失的是拆的思维和方法，要演示教育之
弱弱地问下，前一天新增用户留存到后一天的人数那里，%是从哪里出来的。。
弱弱地问下，前一天新增用户留存到后一天的人数那里，%是从哪里出来的。。
弱弱地问下，前一天新增用户留存到后一天的人数那里，%是从哪里出来的。。
36.5%应该是lz的次日留存率，7345就不清楚了，照这样的算法，7345应该是前一天新增的用户，但是表格中并没有体现，也不知道怎么算的……
这里只是个起点，我的想法是，先把PM从每天麻木的观察新增和留存上拉出来，然后告诉他们现在用户
这里只是个起点，我的想法是，先把PM从每天麻木的观察新增和留存上拉出来，然后告诉他们现在用户们是怎么迁移，变的活跃，慢慢变得不活跃，直至流失的整个过程。它最终呈现的形式是选定日期范围内的动态变化。
另外，这里也提供一把较为靠谱的尺子。很多产品手段使用后可以从这里观察效果。当然，这里的假设是日活为唯一目标，如果是装机量那又是另一回事。很多变量可以作用到活跃度上，比方说推送策略，社交互动等。这些功能反馈到活跃用户池迁移上会比反映到留存率上更为直接。之后会针对提升活跃度做若干尝试，我相信对于这些尝试的正向反馈最终会作用到日活这个唯一目标上去。
回答一下那个层级的改变引起活跃用户转变最有效的问题。就这个产品来看，次日和隔天的活跃对于产品至关重要。当然这是没有做任何产品优化时的结论。
其实给PM提建议很难，一次性给出一个结论，他们并不一定可以认同，需要潜移默化通过细碎的手段让PM接受自己的想法。在这一点上，我还是相信可以用一些信息解决问题的。不过，第一步还是得用比较形象的方式去描述问题。
现在你的这个模型还在用么？厂子里的pm反馈如何？想了解一下
现在你的这个模型还在用么？厂子里的pm反馈如何？想了解一下
现在你的这个模型还在用么？厂子里的pm反馈如何？想了解一下
一直在用的～作为描述活跃度和活跃用户迁移的指标，还是很直观的
同问这些数据是从哪儿来：前一天新增用户留存到后一天的人数大约为：%=2615，占次日回访用户的=6.4%，说明绝大部分回访用户都不是近期的新增用户
同问这些数据是从哪儿来：前一天新增用户留存到后一天的人数大约为：%=2615，占次日回
同问这些数据是从哪儿来：前一天新增用户留存到后一天的人数大约为：%=2615，占次日回访用户的=6.4%，说明绝大部分回访用户都不是近期的新增用户
是个成熟产品咯
舒克struggleGB的最新日记
&&&&&&&&&&&&
&(2人喜欢)
&(2人喜欢)
&(983人喜欢)
&(6人喜欢)
&(1820人喜欢)
&&&&&&&&&&&&
江歌遇害案庭审在即 · 733人参与
观前指南都在这里了 · 1人参与
拆完快递就后悔了 · 1863人参与
那一天我登上了东方快车 · 2498人参与
请回答1998 · 4432人参与
从本格派到社会派 · 205人参与
推荐这篇日记的豆列
&&&&&&&&&&&&
&(12419人关注)
&(915人关注)
&(495人关注)
&(8578人关注)