销售比例法_百度百科
销售比例法
销售比例法(Ratio-to-sales budget)是按企业目前或预测的销售额的一定百分比或产品售价的一定百分比计算和决定企业的广告费用投入。
销售比例法优点
1、根据公司的“负担能力”制订促销费用。
2、促使管理当局考虑促销成本、售价与单位劳动之间的关系。
3、各竞争者若以近似或相同的比率编列促销预算，那么能促使市场竞争渐趋稳定。
销售比例法缺点
1、错误地视销售为促销活动的“因”而非其“果”；
2、预算的编列是依据资金的有无，而非视市场的机会而定；
3、不鼓励特殊时期为扭转销量而不断变动预算，对于长期规划也会造成不利的影响；
而且在选择特定百分比方面，除了过去的经验及竞争者的做法，并没有任何合理的基础。
销售比例法运用
（1）根据销售总额确定融资需求
1、确定销售百分比
2、计算预计销售额下的和
3、预计增加额
留存收益增加=预计销售额×计划销售净利率×（1-股利率）
4、计算外部融资需求
外部融资需求=预计总资产－预计总负债－预计股东权益
（2）根据销售增加量确定融资需求
融资需求=资产增加－负债自然增加－留存收益增加=（资产销售百分比×新增销售额）－（负债销售百分比×新增销售额）－[计划销售净利率×计划销售额×（1－股利支付率）]
企业信用信息App 运营指标的留存率和回访率有什么区别？
留存率：某天/周/月的用户在安装该App的N天/周/月之后，该App还“留存“的比例，叫做N天/周/月留存率。直白一点，只要App还在，就算做你的用户，俗话说：留得App在，不怕没VC的钱烧，就是这么一个意思。所以留存率是App运营的一个很重要指标。要注意留存率有活跃留存和安装留存的区别，这两者差距较大，分别对应与App还在被使用或者仅仅是没有卸载。回访率：用户在使用该App之后的N天/周/月之后，再次使用该App的比例，叫做N天/周/月回访率。一般的做法是计算用户的回访间隔和回访频率的分布，把用户划成不同的segment，然后有针对性地对产品或运营策略做改进。
转载分享：（本文作者徐懿，北京腾云天下COO）在和大量移动应用开发者接触的过程中，我们注意到有一个现象是：很多开发者只注意应用的下载量和激活量，他们把这些指标看成是一款应用成功与否的标志。于是很多应用出现了“重推广、轻运营”，甚至是“有推广、无运营”的情况。但是，一个人真正成为某款应用的用户是在哪个时刻呢？是他决定下载这款应用的时候吗？还是他安装了这款应用的时候？事实上，都不是。甚至当他启动并进入了这款应用的时候，也还没有真正成为这款应用的用户——通常这时他还带着怀疑的态度。只有当他觉得这款应用符合（也可能是超出）他的期望值、或者至少还有兴趣再次进入应用体验时，他才真正成为这款应用的用户。为了帮助那些移动应用开发者认清这一点，我们通常用以下这个AARRR模型向他们解释一个移动应用背后的运营模式。什么是AARRR模型AARRR是Acquisition、Activation、Retention、Revenue、Refer，这个五个单词的所写，分别对应这一款移动应用生命周期中的5个重要环节。下面我们来简单讲解一下AARRR模型中每个项目的意义。获取用户（Acquisition）运营一款移动应用的第一步，毫无疑问是获取用户，也就是大家通常所说的推广。如果没有用户，就谈不上运营。提高活跃度（Activation）很多用户可能是通过终端预置（刷机）、广告等不同的渠道进入应用的，这些用户是被动地进入应用的。如何把他们转化为活跃用户，是运营者面临的第一个问题。当然，这里面一个重要的因素是推广渠道的质量。差的推广渠道带来的是大量的一次性用户，也就是那种启动一次，但是再也不会使用的那种用户。严格意义上说，这种不能算是真正的用户。好的推广渠道往往是有针对性地圈定了目标人群，他们带来的用户和应用设计时设定的目标人群有很大吻合度，这样的用户通常比较容易成为活跃用户。另外，挑选推广渠道的时候一定要先分析自己应用的特性（例如是否小众应用）以及目标人群。对别人来说是个好的推广渠道，对你却不一定合适。另一个重要的因素是产品本身是否能在最初使用的几十秒钟内抓住用户。再有内涵的应用，如果给人的第一印象不好，也会“相亲”失败，成为“嫁不出去的老大难”。此外，还有些应用会通过体验良好的新手教程来吸引新用户，这在游戏行业尤其突出。提高留存率（Retention）有些应用在解决了活跃度的问题以后，又发现了另一个问题：“用户来得快、走得也快”。有时候我们也说是这款应用没有用户粘性。我们都知道，通常保留一个老客户的成本要远远低于获取一个新客户的成本。所以狗熊掰玉米（拿一个、丢一个）的情况是应用运营的大忌。但是很多应用确实并不清楚用户是在什么时间流失的，于是一方面他们不断地开拓新用户，另一方面又不断地有大量用户流失。解决这个问题首先需要通过日留存率、周留存率、月留存率等指标监控应用的用户流失情况，并采取相应的手段在用户流失之前，激励这些用户继续使用应用。留存率跟应用的类型也有很大关系。通常来说，工具类应用的首月留存率可能普遍比游戏类的首月流存率要高。获取收入（Revenue）获取收入其实是应用运营最核心的一块。极少有人开发一款应用只是纯粹出于兴趣，绝大多数开发者最关心的就是收入。即使是免费应用，也应该有其盈利的模式。收入有很多种来源，主要的有三种：付费应用、应用内付费、以及广告。付费应用在国内的接受程度很低，包括Google Play Store在中国也只推免费应用。在国内，广告是大部分开发者的收入来源，而应用内付费目前在游戏行业应用比较多。无论是以上哪一种，收入都直接或间接来自用户。所以，前面所提的提高活跃度、提高留存率，对获取收入来说，是必需的基础。用户基数大了，收入才有可能上量。自传播（Refer）以前的运营模型到第四个层次就结束了，但是社交网络的兴起，使得运营增加了一个方面，就是基于社交网络的病毒式传播，这已经成为获取用户的一个新途径。这个方式的成本很低，而且效果有可能非常好；唯一的前提是产品自身要足够好，有很好的口碑。从自传播到再次获取新用户，应用运营形成了一个螺旋式上升的轨道。而那些优秀的应用就很好地利用了这个轨道，不断扩大自己的用户群体。通过上述这个AARRR模型，我们看到获取用户（推广）只是整个应用运营中的第一步，好戏都还在后头。如果只看推广，不重视运管中的其它几个层次，任由用户自生自灭，那么应用的前景必定是暗淡的。如何使用AARRR模型通常大家在时，头痛的是后台统计的激活量比渠道提供的下载量小很多。但是前几天，有一位朋友找我咨询，说他们公司的一款App来自某个渠道的激活量突然猛增。但是他查了在那个渠道（是家应用市场）上的下载量，并没有明显的变化。于是他非常困惑，问我有没有办法帮他查到原因。少了多了都会让人头痛——因为数据出现异常，通常就说明有某个环节出了问题。但是光看一个激活量和一个下载量，并不能揭示问题的根本原因。尤其是当我们已经了解了移动应用运营模型时，我们更需要了解在AARRR的每个环节中，我们应当关注什么样的数据，什么样的数据表现才是正常的——简单来说，只知道AARRR还不够，还要会用才行。一、获取用户（Acquisition）这个阶段，最初大家最关心的数据是下载量。到今天，一些媒体的报道中也还经常用下载量来衡量一个应用的用户规模和是否成功。不过，下载了应用不等于一定会安装，安装了应用也不等于一定使用了该应用。所以很快激活量成为了这个层次中大家最关心的数据，甚至是有些推广人员唯一关注的数据。通常激活量（即新增用户数量）的定义是新增的启动了该应用的独立设备的个数。从字面上看激活量似乎更应该是第二层Activation的指标，但是因为下载量、安装量这些数据都比较虚，不能真实反映用户是否已经被获取。所以大家都要看激活，这才是真正获取到了新的用户。另一个非常重要的数据，就是分渠道统计的激活量。因为在渠道推广时，很多应用开发者选择了付费推广。结算的时候，自然要了解在某个渠道有多少真正激活的用户。即使没有付费关系，开发者也需要知道哪个渠道是最有效果的。但是站在更高的高度看，CAC（用户获取成本 Customer Acquisition Cost）才是最需要去关注的数据。目前行业里有种粗略的说法，每个Android用户的获取成本大约在4元左右，而iOS用户大约在8元以上。当然，应用市场下载、手机预置、广告等各种不同的渠道的获取成本是完全不同的。这里面有个性价比的问题，有些渠道的获取成本比较高，但是用户质量也比较高（什么样的叫质量高，后面会有说明）。二、提高活跃度（Activation）看到活跃度，大家首先会想到的指标是DAU（日活跃用户）、MAU（月活跃用户）。这两个数据基本上说明了应用当前的用户群规模，在网络游戏行业这是两个运营人员必看的指标。通常活跃用户是指在指定周期内有启动的用户。但是启动是否真的等于活跃呢？如果在指定周期内只启动了一次，而且时间很短，这样的用户活跃度其实并不高（当然对某些特殊的应用来说可能算高，例如用来记录女性生理周期的应用，一月启动一次就够了）。所以其实还要看另两个指标：每次启动平均使用时长和每个用户每日平均启动次数。当这两个指标都处于上涨趋势时，可以肯定应用的用户活跃度在增加。针对使用时长和启动次数的渠道统计同样很重要。我们把它们称为渠道的质量数据，如果某个渠道上来的用户，这两个指标很差，那么在这个渠道上投入太多是没有意义的。最典型的就是水货刷机的用户，很多预置的应用都是在刷机完成时被激活的。针对这种被动激活的用户，可以看另一个指标，叫一次性启动用户数量，也就是迄今为止只启动过一次的用户的数量。除了渠道，另一个和活跃度相关的分析维度是版本。各个版本的使用时长和启动次数也会有差异。对产品经理来说，分析不同版本的活跃度差异有助于不断改进应用。此外跟活跃度相关的，还有日活跃率、周活跃率、月活跃率这些指标。当然活跃率和应用的类别是很有关系的，比如桌面、省电类的应用的活跃率就比字典类的应用高。三、提高留存率（Retention）下载和安装——使用——卸载或者遗忘，这是用户在每个应用中的生命周期。成功的应用就是那些能尽量延长用户的生命周期，最大化用户在此生命周期内的价值（下一节会谈到生命周期价值这个话题）的应用。对于大部分应用，应该关心的是1-Day Retention 和7-Day Retention。这里我之所以用英文，是因为其中文翻译不统一，容易引起歧义。1-Day Retention通常翻译为首日留存率，其实这个“首日”并不是指应用被安装使用的第一天（假设日期为D），而是D+1日，即安装使用的第二天。因为安装使用的第一天没有留存率这个概念（有的话，只能是100%）。到了第二天，前一天安装使用的用户中还有多少百分比的人还在启动使用这款应用，这就是1-Day Retention。因为是第二天，所以有些文章中也叫“次日留存率”。同样的，7-Day Retention是在D+7日启动使用这款应用的占D日首次安装使用这款应用的用户总数的百分比。通常用户新安装使用后的前几天是流失比例最大的时期（关于用户留存的细节，请参考我们同事的另一篇博客《读懂你的用户留存》）。所以这两个指标在留存率分析是最重要的。曾经有游戏行业的行家指出，如果想成为一款成功的游戏，1-Day Retention要达到40%， 7-Day Retention要达到 20%。有些应用不是需要每日启动的，那样的话可以看周留存率、月留存率等指标，会更有意义。 留存率也是检验渠道的用户质量的重要指标，如果同一个应用的某个渠道的首日留存率比其它渠道低很多，那么这个渠道的质量是比较差的。四、获取收入（Revenue）关于收入，大家最耳熟能详的指标就是ARPU（平均每用户收入）值。对应的比较少提的还有个指标叫ARPPU（平均每付费用户收入）。前几天，@吴刚在微博里贴图比较二战风云的ARPU值时就注明了是周付费用户ARPU（所以其实是ARPPU）。但是很多人误读了以为是六十多元的周ARPU值，就会让他们对Android游戏产生过分的乐观。是不是ARPPU高，ARPU就一定会高呢？答案是不一定。因为其中还有个指标是付费用户比例，也就是付费用户在全部用户中所占的比例。如果付费用户比例较低，那么那些收入摊到所有用户身上的平均值就低了。通常来说，如果某个游戏为了提高ARPPU，提高了虚拟道具的价格，那么付费用户比例就会相应地降低。找到一个ARPPU和付费用户比例的平衡点，才能最大化收入。但是收入并不是最重要的，利润才是。如何最大化利润呢？利润最简化的计算公式是：利润=收入-成本。首先我们看一下成本，我们在上一篇中提到过CAC（用户获取成本）。除此之外，还有应用本身的开发成本、服务器硬件和带宽成本以及运营成本等等。不过在用户量很大的情况下，CAC会成为最主要的成本，而其它成本不在一个数量级，所以我们在后续讨论中只考虑CAC。那么收入如何计算？ ARPU是一个和时间段相关的指标（通常讲的最多是每月的ARPU值），还不能完全和CAC对应，因为CAC和时间段并没有直接关系。所以我们还要多看一个指标：LTV（生命周期价值）。用户的生命周期是指一个用户从第一次启动应用，到最后一次启动应用之间的周期。LTV就是某个用户在生命周期内为该应用创造的收入总计，可以看成是一个长期累计的ARPU值。每个用户平均的LTV = 每月ARPU * 用户按月计的平均生命周期。LTV – CAC的差值，就可以视为该应用从每个用户身上获取的利润。所以最大化利润，就变成如何在降低CAC的同时，提高LTV，使得这两者之间的差值最大化。更进一步的，对不同渠道来源用户做断代分析，根据他们不同的CAC和LTV，就可以推导出不同渠道来源的利润率差异。五、自传播（Refer）自传播，或者说病毒式营销，是最近十年才被广泛研究的营销方法。虽然大家都听过一些病毒式营销的经典案例，但是要说怎样量化评估其效果，却很少有人知道K因子(K-factor)这个衡量指标。其实K因子这个术语并非起源于市场学或软件业，而是来源于传染病学——对，就是研究真正的病毒传播的科学。K因子量化了感染的概率，即一个已经感染了病毒的宿主所能接触到的所有宿主中，会有多少宿主被其传染上病毒。K因子的计算公式不算复杂，K = (每个用户向他的朋友们发出的邀请的数量) * (接收到邀请的人转化为新用户的转化率)。假设平均每个用户会向20个朋友发出邀请，而平均的转化率为10%的话，K =20*10%=2。这个结果还算是不错的效果——当K&1时，用户群就会象滚雪球一样增大。如果K&1的话，那么用户群到某个规模时就会停止通过自传播增长。很遗憾的是，即使是社交类的移动应用，目前K因子大于1的也很少。所以绝大部分移动应用还不能完全依赖于自传播，还必须和其它营销方式结合。但是从产品设计阶段就加入有利于自传播的功能，还是有必要的，毕竟这种免费的推广方式可以部分地减少CAC。以上我们列举了在运营各个层次（各个阶段）需要关注的一些指标。在整个AARRR模型中，这些量化指标都具有很重要的地位，而且很多指标的影响力是跨多个层次的。及时准确地获取这些指标的具体数据，对于应用的成功运营是必不可少的。
App运营的留存率是指app推广锁定一个周期，第二天用户中包含在第一天中的拥护的数量。我们称第一天的用户数为基数，之后每天的留存数是指当天的用户数中包含在第一天中的用户数，依据这个算法计算出来的比例我们称之为留存率。回访率是指在已有客户中，再次访问（登录）app的人数所占的比例，我们称这个比例为回访率。
许多创业公司都乐于尝试通过渠道监测来发现下一个引爆点。然而在我们测试用户获取渠道前，需要问自己一个最重要的问题：该花多少钱获取用户？没有人想要在无效果的渠道投放无意义的广告。因此我们都需要一些判断标准：什么样的渠道更优质？有什么办法可以帮助我们快速了解用户？获取用户的有效方法有哪些？有哪些工具和量化方法值得借鉴？步骤0：基础三问在获得以上核心问题的结论之前，需要先理清如下3个概念：1.付费客户在他的生命周期总价值是多少？所谓的生命周期总价值（LTV），即用户从第一天使用产品到最后一次登录期间，为你的产品带来的收入总和。它可以看成是一个ARPU值的长期累计。传统的LTV计算相对复杂，商业智能创业公司RJ Metrics为此专门开发了一款计算工具。但我们完全可以通过一个简单的公式来计算客户生命周期内的总价值：LTV = (付费用户月均消费 - 毛利) / 流失率其中，毛利即：商品售卖价格除去基本的产品销售的成本，比如说支持和组织费用；月流失率即：有多少比例的用户会离开、取消订阅、停止付费，按月计算。2.付费用户比例当付费客户的生命周期总价值有一定保证后，提升付费用户比例，就将成为提升公司应收的有效途径。产品推广初期，很多公司会以免费吸引客户；而后通过增值服务，将部分免费用户转化为付费用户，实现收入的增长。因此，对我们而言不是每个注册用户都在付费。那么，计算和提升付费用户的比例与转化率，就显得十分必要。付费用户比例 = 付费用户数 / 注册用户数3.访客注册成功比例通过简单的注册率渠道分析，你可以得知各个渠道用户在landing page上的注册转化率（或App的渠道下载转化率）：注册用户数 / 渠道访客数对营销活动而言，其目标通常是获取一些中间事件数据，比如说获取试驾用户资料、销售线索数据等。此时，计算方式应该是这样的：线索数 / 访客数 or 成单数 / 线索数对于电商公司来说，因为没有免费的商品，所以可以简单地计算：成交率 = 成单数 / 访客数现在我们已经计算了三个数值：用户生命周期价值、注册付费率、访客注册率，那么我们就可以很清楚地知道获取一个新用户的成本是多少，获取一个付费用户来访又需要多少钱。接下来的5个步骤，将解决我们最开始的疑问：有哪些方法与工具可以帮助我们深入了解并获取新用户呢？步骤1： 用户获取成本计算除去在电商平台上的CPS（每笔成单的成本），另外两个核心的成本指标是：CPA和CPC。 CPA计算的是获取一个用户注册的成本，CPC是获取一个点击到站的成本。CPA的计算，对于提供Freemium产品的公司来说包含两个部分：1. 获取一个付费用户的成本CPPC：单个付费用户的获取成本LTV：用户生命周期价值 (基础问题1)CPCC = LTV / 3用户生命周期价值的1/3是你获取一个付费用户的成本的上限。在测试新的渠道的时候可以不受这个限制。但是当你发现了一个还不错的渠道时，你的优化目标就是将成本降低到LTV的五分之一。2. 对于一个用户注册应该花费多少的成本？CPA：单用户的获取成本CPPC：单付费用户的获取成本CR：注册用户的付费转化率 (基础问题2) CPA = CPPC * CR如果你的注册用户中有部分是免费或试用用户，在计算获取单个用户注册时需要考虑这个额外的因素。注意：有些面向企业服务的公司，他们的收费是远远高于自助服务的。在这种情况下需要将自助服务向企业服务转化的转化率考虑进来，此时企业服务的获取成本公式将为：自助CPA * 企业服务转化率 * (企业服务LTV/3)步骤2：计算单个到站流量的成本步骤2：计算单个到站流量的成本通常广告平台会让你选择一个单词点击的最高竞价，而并不让你按照实际获得的注册数来支付广告费。这就是基础问题3中“访客注册率”存在的价值，它将帮你了解这些渠道流量中有多少能转化为注册用户。CPC：单个点击的成本CPA：单个用户注册的成本CR：注册率 (基础问题3)CPC = CPA * CR这个公式将告诉你每个用户获取的成本。借此你可以一目了然的查验真实的用户获取成本，看看到底是赚了还是赔了。步骤3：优化你的渠道以上的公式告诉你该如何支配预算，而事件跟踪、分析和归因工具将帮助你持续优化渠道的用户获取成本。比如说：通过百度的SEM带来用户的成本，可能会比通过SNS推广（微博、知乎等）更高。作为一个高级的运营人员，每个渠道注册用户的LTV值都是必须被考量的，它们将决定渠道的选择。通过上述公式，你只需要输入相关的数字，就可以轻松地评估各个渠道。请注意，以上计算需要有足够的流量作基础才有统计意义。如果发现某个特殊平台的用户LTV值太低或获取成本太高，则可以弃用该渠道。又或者你发现了一个便宜的渠道，也不妨任性一把。步骤4：相关工具1. A/B 测试A/B 测试本质上是个分离式组间实验。通过建立一个测试页面，这个页面可能在标题、字体、背景颜色、措辞等方面与原有页面有所不同。然后将这两个页面以随机的方式同时推送给所有浏览用户。接下来分别统计两个页面的用户转化率，即可清晰的了解到两种设计/创意的优劣。以前进行A/B测试的技术成本和资源成本相对较高，但现在一系列可视化工具的出现，如：Optimizely、Leanplum、Taplytics等，使A/B测试逐渐成为运营策略优化的常用方法。2. 营销自动化即由事件驱动的邮件和通知服务，像、Outbound、vero和Kahuna等工具就可以帮助开发者优化用户激活的流程，通过个性化的交互内容和实时交互通道来提升注册用户的购买率。3. 归因分析如果你做了大量的活动，监测活动的转化率和花费有很多的小技巧。移动APP的数据跟踪工具是最好的工具。GA和国内类似友盟、诸葛io、Talkingdata等工具都可以很方便的告诉你那个渠道的表现更好。步骤5： 整合平台在团队规模有限时，确定一个方便易用的平台型工具来获取以上所有计算需要的数据，然后将这些数据分发到相关的分析工具。这些数据分析平台的好处在于，只需完成一次嵌入开发，你可以随时查验运营所需的数据、随时切换不同的统计分析方法。无论是对于团队内部协作的优化、还是对运营策略效率的提升，这都是一个最省时的方式。本文编译自Segment博文，转载请注明出处。
留存率看的是新用户的表现回访率看的是老用户的表现
基于以上的回答，基本可以认为回访率和留存率都是以：当前周期的再次使用人数 / 对比周期的使用（新增）人数（基数）来计算的。2者最大的区别在于，留存率一般基数针对的是新用户。 而回访率的基数是对于特定功能的所有用户。回访率的适用范围比留存率高。我的观点是回访率概念是从web时代继承下来的：访问过你网站的用户是否还会回来。而进入app时代后，由于用户有安装行为，天然在用户匹配度上获得了提升在用户终端上保留了展示入口，此时只要没删除，用户就有很高的再次访问几率。因通过将留存率这个指标细化独立出评判自己产品的好坏，并设法提升。
（一楼答非所问了，有炫技的感觉）这里我只想去解释这两个指标，先说下回访，回访率在web分析时代就已经较为普遍的出现，Google Analytics一开始就有Returning Visitor这个维度，回访率就是已有用户（或符合某些特征的已有用户）在某一时间段再次访问的比例。而留存率是在移动互联网盛行后才逐渐被广泛应用的指标，它属于对回访概念的一个细分，即某一日新增的用户在第N日有访问行为的用户，即通常所说的N日留存率，描述新增用户的留存概况。
大神们说的都很全面，所以我可能回答的比较片面。我认为：留存率是指今天在，明天还在；回访率是指今天在，明天不在，后天不在，大后天不在……突然有一天回来了。如果回来的那天的明天也在，那就又是留存率了。我来自诸葛io，给我们产品打个广告，我们做精细化运营及分析。
灵活、牛逼的留存率是怎么样计算的？留存率这个概念对于大家来说一点也不陌生，平时看到的更多是固化的留存率，一般统计周期按天，常见有次日、7日、14日、15日、30日、60日等；如果大家想看更加灵活维度的留存率，比如按照某一日期时间段的留存率，都有经历这样的流程：给分析师提需求——分析师给技术提需求——分析师拿到数据并分析留存率——将数据结果给PM/运营，这个流程至少需要持续一天，一天后才能拿到最终的结果，不仅耽误了调整网站运营策略的最佳时间，还可能因为时间间隔存在数据误差的情况。这样的流程的确降低了工作效率，那有没有什么方法能更加自主、灵活地计算留存率呢？1、何为留存率？在互联网行业当中，因为拉新或推广的活动把用户引过来，用户开始访问网站/应用，但是经过一段时间可能就会有一部分客户逐渐流失了。留存率定义为用户在某段时间内开始使用网站/应用（一般定义是注册），经过一段时间后，仍然继续使用的人被认作是留存用户。留存率体现了网站/应用的质量和保留用户的能力。留存率计算方法：留存率=登录用户数/新增用户数*100%（一般统计周期为天，常见的周期维度有次日、7日、14日/15日、30日、60日、90日）比如：次日留存率：（第一天新增用户数，第2天还登录的用户数）/第一天总注册用户数7日留存率：（第一天新增用户数，第8天还登录的用户数）/第一天总注册用户数30日留存率：（第一天新增用户数，第31天还登录的用户数）/第一天总注册用户留存率 ≠ 活跃率留存率和活跃率混为一谈，这是一个很严重的误区。大家经常会用日活（简称DAU）来监测网站/应用，有时候日活在一段时期内都是逐渐增加的，按理说这是一个好现象，但是如果忽略了留存率计算，这个结果很可能是一个错误。比如某公司做了很多拉新、推广的活动，带来了很多新用户，其日活数据应该也是增加的，但是最终留下来的用户不一定在增长，甚至有可能在减少，只不过是新用户太多而掩盖了留存率问题，实际上用户的留存是在逐渐降低的。2、留存率在数据平台中是如何实现的？1）如何设定：维度：日期维度数值：新增注册用户+留存设置（注：留存率可同时计算多个，如次日留存、第7日留存、第30日留存、第1季度留存等；）2）留存率设置：经过很多相关的数据调研，我们最终确定留存率可以按日、周、月、季度、年、或自定义时间段来计算，以往大部分留存率都是以日为维度，但这些按周、按月甚至自定义时间段的个性化需求是很强烈的，能帮助我们客户了解更加网站的具体留存数据，做出更加正确的网站运营策略。按固定时间：最基础的设置，只查看未来某个固定时间的留存率留存周期：选定按固定时间计算，包括：日、周、月、季、年，比如第n日，第n月，上图设置第7日；日期字段：选择工作表里是日期的字段，比如用户访问时间；所选日期：即留存周期的开始时间，默认固定时间，也支持自定义设置时间段；数值设置：留存率、留存数，这个应该不难理解；上图含义：今天之后的第7天留存，即7日留存；按范围时间：设置更加灵活，可以查看未来某一段时间范围（按固定的周期，比如第1周-第7周）的留存率留存周期：选定按范围时间计算留存率，包括：日、周、月、季度、年，比如第n日到第m日，第n月到第n月，上图设置第1日到第7日（即次日-7日留存）；日期字段：选择工作表里是日期的字段，比如用户访问时间；所选日期：即留存周期的开始时间，默认固定时间，这里我们选择自定义设置时间段；数值设置：留存率、留存数，这个应该不难理解；上图含义：到这段期间的新用户总数对应的次日-7日留存情况；按自定义时间段：最个性化的设置，可以任意查看未来某一段时间范围（无固定周期设置，任意设置日期范围）的留存率（图1，所选日期：固定时间）（图2，所选日期：自定义时间段）留存周期：选定按自定义时间段计算留存率，比如从到；日期字段：选择工作表里是日期的字段，比如用户访问时间；所选日期：即留存周期的开始时间，可以选择固定时间（今天），也可以自定义时间段；数值设置：留存率、留存数，这个应该不难理解；图1含义：今天的注册用户在到的留存情况；图2含义：到的新用户总数在到的留存情况；另外，需要注意一下高级选项中“在计算留存率的时候计算值可能存在多个状态”这句话是这样理解的：比如大部分网站使用用户ID来计算新用户、用户留存率，新用户只是对用户ID做了一个计算判断（比如，访问时间-创建时间=0，即此用户ID为新用户），留存率也是针对用户ID进行计算，那访问日期来的用户除了之前留下来的用户，还有访问当天来的新用户，这时候就必须把访问当天的新用户给排除，只剩之前留下来的用户才能算作留存用户，计算出来的留存率才是正确的。若留存率计算对应的字段不存在这种例外情况，可以忽视这个所谓的“高级选项”。以上就是留存率是如何在数据平台灵活设置的相关内容，下期想跟大家分享的是留存率的设计理念和一些实际应用的场景，以产品设计角度跟大家分享更多有关留存率的知识。转载出处：《若想及时留住流失用户，请认真读完此文章！》
用户留存可以告诉您用户的忠诚度有多高。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用户；这部分用户占当时新增用户的比例即是留存率。通过用户留存，您可以掌握每周（月）的新增用户在初次使用之后一段时间的留存率，还可以比较不同渠道的差异。留存率越高，说明应用的质量越高，用户的忠诚度越好。
已有帐号？
无法登录？
社交帐号登录