30日留存率怎么写

Posted 2023-05-09

首发于数据驱动游戏

SQL数据分析实战（五）：计算留存率

128 人赞同了该文章关于留存率和LTV的计算，是很多家游戏公司大厂的笔试题目之一。
前面有读者跟我反映近期写的几篇文章太硬核了，快要掉粉了。我非常了解你们的心情，因为大家更喜欢看故事型的文章。但是，考虑到留存率和LTV的重要性，我愿意承担掉粉的风险，也要把最后两篇写完。
留存率是指新增用户在一段时间内再次登录游戏的比例。留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程，随着这个留存率统计过程的不断延展，就能看到不同时期的用户的变化情况。数据分析师可以通过分析不同业务属性的用户的留存差异来找到产品的增长点。

一、日留存率
1、次日留存率
次日(第1天)留存率指的是新用户在首次登录后的次日再次登录游戏的比例，因此其计算公式为：
次日(第1天)留存率 = （第一天新增用户在第二天登录过的人数）/（第一天新增用户数）
例如第一天新增用户100人，其中50人在第二天登录过，那么次日留存率为：50/100 = 50%

2、 7日留存率
7日留存率指的是新用户在首次登录后的第6天再次登录游戏的比例，其计算公式为：
7日留存率=（第一天新增用户在第六天登录过的人数）/（第一天新增用户数）
例如1月1日作为第一天，有新增用户100人，其中30人在1月7日登录过，那么7日留存率为：30/100 = 30%

3、 30日留存率
30日留存率指的是新用户在首次登录后的第30天再次登录游戏的比例，其计算公式为：
30日留存率=（第一天新增用户在第30天登录过的人数）/（第一天新增用户数）
例如1月1日作为第一天，有新增用户100人，其中10人在1月30日登录过，那么30日留存率为：10/100=10%

二、加权留存率
加权留存率指的是某一段时间内（时间段a）的新增用户在若干天后的另一段时间（时间段b）的留存数量除以之前那个时间段（时间段a）的新增用户总量。
每日留存率和加权留存率的关注点一样，根据留存率数据可以了解到产品对用户的黏性，反映产品品质。
使用加权留存率的原因是，当人数变化大时，数据会产生偏差，加权之后数据更稳定。如：游戏开服1天后，用户的导入量逐渐变少，日新增用户数逐步下滑，好像日留存率提高了不少，主要是因为数据基数减少了，导致留存率虚高，如果直接做平均，那么均值出来的留存率也会存在虚高的现象，所以需要对留存率做个加权平均。
以下表为列，第1天的加权留存率为53.64%，而留存率均值为 70%，相差16.36%。

三、留存率与游戏质量的关系

游戏从封测开始，多数公司都会投入固定的内、外部宣传资源作为游戏的初期市场费用，以收集游戏的封测数据，这其中主要就是留存率，无论是端游还是手游，都非常重视这一指标，留存率成为衡量产品质量的重要指标之一，用以判定游戏的基本品质，为后续的市场资源调配提供参考。
游戏封测主要有两种形式，发放激活码测试和不发放激活码测试，由于发放激活码测试针对的用户群体更偏向核心用户，一般来说，其留存率高于非激活码测试。
1、限量发放激活码封测的游戏评级留存率标准
因用户规模对留存率有一定影响，当测试用户过少时，可能不能反映游戏真实的留存率数据，因此为保证封测数据准确性，封测周期要求7天及以上，新登录总人数在5000以上，才能按相应标准评估游戏级别，下表是某渠道对游戏限量发放激活码测试节点进行评级的留存标准：

2、不限量封测，不发放激活码的游戏评级留存率标准
不限量封测时需要接入渠道，由渠道导入自然用户量，其用户导入量不能高于封测服务器最高承受的用户能力，当用户规模接近服务器上限时停止导入，因此从某种意义上讲也是限量的。同样考虑到用户规模对留存率的影响，为确保数据准确性，要求不限量封测的用户规模至少1万人。下表是某渠道对游戏不限量封测节点进行评级的留存标准：

说明：通过历次测试的手游数据发现，不限量封测的留存率接近于公测后的留存率

四、如何通过Hsql计算留存率
数据分析师跟进项目时输出项目日报、分析用户流失原因，留存率是必须要输出的内容之一。如果能准确、快速地计算出留存率，那么能大大提升效率。下面就以某款游戏为例，计算每日留存率和加权留存率。

计算每日留存率

运行结果为：

计算一个月内的每日加权留存率

运行结果为：

如果你认为我写的对你有帮助，不妨关注微信公众号“数据驱动游戏”。

展开阅读全文

发布于 3 月前著作权归作者所有
 参考技术A 30日留存率怎么写？30日留存率指的是新用户在首次登录后的第30天再次登录游戏的比例,其计算公式为: 30日留存率=(第一天新增用户在第30天登录过的人数)/(第一天新增用户数) 例如1月1日作为第一天,有新增用户100人,第一天新增总用户数，第30日留存率。

Hive面试题系列第三题-用户留存问题

视频讲解地址：https://www.bilibili.com/video/BV1Rd4y1T7iU/?spm_id_from=333.788&vd_source=aa4fb0436f6d978af872cafb81a01178

Hive面试题系列第三题-用户留存问题

题目：求用户1日、3日、7日留存率
概念问题：
第N日活跃用户留存率：以基准日的活跃用户数为主，第N日后依然活跃的用户占基准日活跃用户的比例
第1日留存率（即次日留存）：（以基准日当天活跃的用户中，基准日之后的第1天还活跃的用户数）/基准日当天总活跃用户数；
第3日留存率：（以基准日当天活跃的用户中，基准日之后的第3天还活跃的用户数）/基准日当天总活跃用户数；
第7日留存率：（以基准日当天活跃的用户中，基准日之后的第7天还活跃的用户数）/基准日当天总活跃用户数。
表结构:

1. create table user_log(

2.  userid bigint,           
   

3.  time string              
   

4. )
5. row format delimited
6. FIELDS TERMINATED BY ‘|’
7. LINES TERMINATED BY ‘\\n’;
   用户表数据:
8. 1 2019-07-11 01:44:27
9. 1 2019-07-12 02:44:27
10. 1 2019-07-14 03:44:27
11. 1 2019-07-16 04:44:27
12. 1 2019-07-17 05:44:27
13. 1 2019-07-18 06:44:27
14. 1 2019-07-19 07:44:27
15. 1 2019-07-21 08:44:27
16. 2 2019-07-11 01:44:27
17. 2 2019-07-12 02:44:27
18. 2 2019-07-13 04:44:27
19. 2 2019-07-14 06:44:27
20. 2 2019-07-15 07:44:27
21. 2 2019-07-16 12:44:27
22. 2 2019-07-17 13:44:27
23. 2 2019-07-18 23:44:27
24. 3 2019-07-11 02:44:27
25. 3 2019-07-13 03:44:27
26. 3 2019-07-14 06:44:27
27. 3 2019-07-17 07:44:27
28. 3 2019-07-19 09:44:27
29. 3 2019-07-20 10:44:27
30. 3 2019-07-21 11:44:27
31. 3 2019-07-22 12:44:27