Pour les applications d'applications mobiles, tous les jours, vos utilisateurs sont entrés, il y a un nouvel utilisateur augmente chaque jour et a de nouveaux utilisateurs, les utilisateurs anciens et même les utilisateurs à des prix de traitement élevé, juste attention à tous les jours. Le nombre d'utilisateurs actifs, l'augmentation du jour et l'augmentation de l'augmentation de la semaine, l'augmentation est beaucoup moins, il est difficile de trouver le problème.
Attendez un jour, le nombre d'utilisateurs actifs a ralenti et ennuyeux même une croissance négative, et peut prêter attention à cette question. Je crains que tous les utilisateurs passent, la soi-disant accumulation activé par l'utilisateur, l'enregistrement du nombre d'utilisateurs, j'ai couru plus de la moitié et l'application n'a pas été résolu, je veux retirer.
Il faut faire attention à nos jours, nous devons dire, un indice très important: le taux de rétention.
1. Le taux de rétention
D'abord, un exemple d'application a une nouvelle demande 10 000,Dont 3 jours 2, continuez à utiliser votre application, puis le taux conserve le deuxième jour du nouvel utilisateur est de 30%.
La définition des taux de retenue est de faire référence à certains moments un certain nombre de fois, continuera à fonctionner pendant une certaine période. Au fil du temps de l'examen, il peut être divisé en taux restants secondaires, N N, taux de survie, taux de rétention mensuel, v.v.
Le deuxième taux de retenue, généralement
, on peut dire que la définition du taux est maintenue ensemble:
Holding Re, l'actif L'utilisateur continue de fonctionner le deuxième jour;
sur le N N Jour du taux de stockage, l'utilisateur actif continue d'agir dans la journée;
hebdomadaire: l'utilisateur actif continue d'agir la semaine prochaine (c.-à-d. T + 1 ~ t + 7);
Les utilisateurs conservés mensuellement continuent de fonctionner le mois prochain.
L'indice du ratio de rétention existait à cause de la journée T + N, une semaine, un mois ne peut voir que des changements de données, trouver la relation entre la vitesse de mémoire restante, via le coefficient de prédiction, différentes étapes, la vitesse restante est insérée dans un niveau pour surveiller et comparer;
En cas de masse de grands utilisateurs, il y a plus de facteurs qui influencent davantage et n'ont pas de gros problèmes, et de très petites fluctuations. L'élément est positif et négatif, et il est recommandé de configurer les fonctionnalités et objectifs de l'application, puis vérifier tous les types d'utilisateurs restants, tels que les nouveaux utilisateurs d'utilisateurs, les canaux et les utilisateurs de basse valeur de l'école secondaire