从留存率业务案例谈0-1的数据指标体系-技术圈

背景

大家好，我是宝器！

经常会听到互联网人形容一个产品的体量和知名度用活跃用户来衡量，比如：“微信的日活接近10亿了，真社交巨兽。”

这里面有个几个关键的词：衡量、日、活跃、用户。这些综合起来是什么，DAU。对于分析师来说，这是一个可反应业务产品活跃用户现状的一个指标。

这样思考下去你可能会问想知道：

指标是什么？

按照比较官方的定义是在一定条件和时间下反应某种现象的规模和比例，由指标名称和数值构成。

实际上是不是所有的这种反应某种现象和规模的数据都可以叫做指标呢？我觉得不是，因为不是所有这样的数据都是对业务有参考价值的。

张涛老师的说法个人较为认可：对当前业务有参考价值的可统计的数据可以是指标，它是可以反应哪个用户做了哪些行为，给业务带来了什么样的结果指标^[1]。

所以常用的数据指标可以分成：用户数据（新增、日活、留存等）；行为数据（访问深度、转化率等）；业务数据（一般会和用户数据指标和行为数据指标有些交叉，反应的是业务大盘的情况，比如GMV、ARPU值等）。

使用这些指标的注意和坑

假如你是一名分析师吗，可能你会遇到这样的场景，”同一个指标“不同的人可能也得到不一样的结果：

比如产品经理A说的本月的留存率是20%，产品经理B说本月的留存是24%，那到底谁是对的，为什么他们计算的结果会不一样？

其实没有绝对的对错，只是A和B对这些数据指标背后的定义和口径是不一致的。但后续分析过程中一定要注意形成统一明确的数据指标定义，这样才能去做后续的分析，不然后续的对比结果可能也是错的。

留存率的案例

某高质量用户产品在2020年国庆节那一天（10月1日）开始试运营，那天通过拉新来了5位用户，国庆节过完来，老板想知道10月1日这波拉新用户的7日留存率。

Fake数据表

CREATE TABLE ods_study_1.ods_study_retain_1
(
userid int,
min_date DATE,
active_date DATE
);

INSERT INTO ods_study_1.ods_study_retain_2(userid,min_date,active_date) VALUES(1,'2020-10-01','2020-10-02'),(2,'2020-10-01','2020-10-02'),(3,'2020-10-01','2020-10-02'),(4,'2020-10-01','2020-10-03'),(5,'2020-10-01','2020-10-03')

查看下数据

 SELECT userid,min_date,active_date,active_date-min_date FROM ods_study_1.ods_study_retain_2

国庆后，产品经理A汇报说，“老板，我们这次7日留存下来的用户是0，7日留存率0，效果非常不好，不可以继续投放拉新了

SELECT 
  min_date,
  COUNT(CASE WHEN (active_date-min_date) = 6 THEN userid ELSE NULL END ) restay_num,
  COUNT(DISTINCT userid) all_num 
FROM
  ods_study_1.ods_study_retain_2 
GROUP BY 
  min_date;

国庆后，产品经理B汇报说，“老板，我们这次7日留存下来的用户是5，7日留存率是100%，效果非常好，可以继续投放拉新”。

SELECT 
  min_date,
  COUNT(CASE WHEN (active_date-min_date) <= 6 THEN userid ELSE NULL END ) restay_num,
  COUNT(DISTINCT userid) all_num 
FROM
  ods_study_1.ods_study_retain_2 
GROUP BY 
  min_date;