用户留存图

搜索用户留存曲线,偶然在知乎上发现了比较好看的图,原地址

图1:留存并不好

840488-20180906191817712-1417382123.jpg

图2:正常的留存图

840488-20180906191840645-125605996.jpg

我利用公司数据自己做出来的图,当然还可以在其基础上进行优化:

其中 newData2为:

start_time month count
1 O_2017_06 1 612
2 O_2017_06 2 167
3 N_2017_07 2 1473
4 O_2017_06 3 115
5 N_2017_07 3 592
6 M_2017_08 3 3027
7 O_2017_06 4 80
8 N_2017_07 4 218
9 M_2017_08 4 542
10 L_2017_09 4 1083

newData3为:

newData3 <- newData2 %>% group_by(month) %>% summarise(sum = sum(count))

A tibble: 10 x 2
month sum

1 1 612
2 2 1640
3 3 3734
4 4 1923
5 5 3051
6 6 4676
7 7 5447
8 8 3256
9 9 2959
10 10 7882

library(ggplot2)

datex <- c("2017-06", "2017-07", "2017-08", "2017-09", "2017-10", "2017-11", "2017-12", "2018-01", "2018-02", "2018-03", "2018-04", "2018-05", "2018-06", "2018-07", "2018-08")

ggplot(newData2, aes(x=month, y=count)) + 
  geom_area(aes(fill=start_time)) + 
  geom_point(colour="grey80", position="stack") +
  geom_line(aes(group=start_time), colour="white", position="stack") +
  geom_line(aes(x=month, y=sum), newData3, size=1.5, colour="red") +
  geom_text(aes(x=month, y=sum, label=sum), newData3, nudge_y=400) + 
  scale_x_continuous(breaks=1:15, labels=datex) + 
  scale_y_continuous(breaks=seq(0, 10000, 1000), labels=seq(0, 10000, 1000))
  # scale_colour_brewer(palette="Set3")

840488-20180908140614788-354765181.png

红色的粗线是指每个月有订单的总用户数变化曲线,每种颜色的面积代表着对应用户的留存数量趋势。x轴必须为连续型变量。

转载于:https://www.cnblogs.com/shaocf/p/9600384.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Power BI是一款由微软开发的商业智能工具,可以用于数据分析和可视化。留存率是衡量用户持续参与应用程序的指标之一。在Power BI中,可以通过使用DAX函数和可视化工具来计算和展示留存率。 留存率是指在特定时间段内用户的持续参与程度。通常,留存率是根据用户在特定时间段内的活跃度来计算的。可以使用Power BI中的时间和日期函数,如TODAY()和DATESBETWEEN(),来定义特定的时间段。然后,可以使用COUNT()和DISTINCTCOUNT()函数来计算用户在不同时间段内的活跃度。 计算留存率的一种常用方法是使用透视表工具。首先,数据需要被导入到Power BI中,并进行必要的清洗和转换。然后,可以在透视表中选择相应的字段用作行和列,并将计算字段设置为留存率。计算字段可以使用DAX函数来计算活跃用户的数量,并将其与初始用户数量进行比较。最后,可以应用适当的可视化格式和样式,以便直观地展示留存率的趋势和变化。 使用Power BI的另一种方法是使用DAX函数来计算留存率,并创建定制的可视化。可以使用CALCULATE()函数和FILTER()函数来筛选出参与用户的活动,并使用DIVIDE()函数来计算留存率。然后,可以使用Power BI提供的各种表和形来展示留存率的结果。 无论采用哪种方法,Power BI都能够帮助用户轻松计算和展示留存率。借助其强大的数据分析和可视化功能,用户可以更好地了解和监测用户参与程度,并采取相应的措施来提高用户留存率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值