留存率预估模型在活跃、流水预测中至关重要,有很多模型都可以进行留存率预估,比如回归分析预测、平滑型指数预测、幂函数拟合模型等,笔者根据多年经验建议采用幂函数拟合模型(b值越大,说明留存率越好,如图所示),无数次数据实验证明该模型的拟合度更高。

在留存率公式取得以后,我们可以计算日活跃。日活跃=当日新增+前1日留存+前2日留存+…+n日留存,例如9月30日的活跃=9月30日的新增+9月29日的1日留存+9月28日的2日留存+月27日的3日留存+…+8月31日的30日留存。这里我们暂且取30天留存率估算,至于到底要取多久的留存率,具体要视该游戏的用户生命周期而定。

02

流失用户回归主要指流失之后的用户再次登录游戏,根据回归用户数可以计算得到用户回访率，即:

流失用户回归率=回归用户数÷流失用户数×100%

流失用户回归率在流失用户定义合理的情形下通常数值比较低,移动游戏的用户回归率通常在5%以下。用户流失的流失期限长度与流失用户回归率通常成反比,即随着流失期增大,流失用户回归率递减,并逐渐趋近于0

 

拐点理论

X轴上数值的增加会带来Y轴数值大幅增益(减益),直到超过某个点之后,当X增加时Y的数据增益(减益)大幅下降,即经济学里面的边际收益的大幅减少,那个点就是图表中的“拐点”

假设我们以1天为单位定义用户流失期限,即用户某日登录游戏,在此后1天内没有继续登录,我们就认为它已流失;再假设以3天为单位,那么在用户某日登录游戏,在此之后3天内没有继续登录游戏,我们就认为它已流失。以此类推,我们也可以以周为单位。图示是以3天为单位的流失用户回归率曲线,可以看到,当流失期限超过15天的时候,曲线逐渐平滑,那么我们可以认为当一个玩家连续15天没有登录游戏时,即判断它已经流失。

通过设置不同流失天数单位，我们可以获得不同收敛速度。单位越大收敛越快，但误差也越大。

03

用客观赋权法的标准差系数权重法来确定各个指标的权重。

计算过程如下:

①先根据各个渠道的指标数据,分别计算这些渠道每个指标的平均数和标准差;

②根据均值和标准差计算标准差系数,也叫离散系数,就是用标准差除以平均数的结果得这些渠道的导入量的离散系数为0.56,其他以此类推。

③计算各指标权数:等于各指标的离散系数除以所有指标的离散系数之和。

对于拥有多指标评判的系统间进行对比分析时，每个指标都要作用在最终的结果值上。通过离散系数可以快速鉴别出不同系统在哪些指标上差别最大，这些指标在最终结果的计算中就要占据较大权重；同理，不同系统在某些指标上离散系数小、差别不大甚至没有，这些指标在最终计算中就要降低权重。