用户留存分析

用户留存和留存率

在互联网行业中，用户在某段时间内开始使用某一款APP，经过一段时间后，仍然继续使用该APP的用户，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，会按照每隔1单位时间（日、周、月）来进行统计。
留存率是验证用户粘性的关键指标，衡量用户的粘性和忠诚度。
次日留存率：(第一天新增的用户，在注册的第2天还继续使用该产品的用户数)/第一天新增总用户数；
三日留存率：(第一天新增的用户，在注册的第3天还继续使用该产品的用户数)/第一天新增总用户数；
七日留存率：(第一天新增的用户，在注册的第7天还继续使用该产品的用户数)/第一天新增总用户数；

为什么要做用户留存

进入互联网下半场后的人口红利逐渐消失，很多企业面临着拉新困难的问题。
虽然很多公司有营收指标进行数据监测，但营收往往是后置的。
用户来了就走，走了就不再回来，这等于前期的一系列产品策略、运营成本、人力时间都白白浪费掉了。
现阶段公域流量（百度竞价、直播带货等）越来越贵，部分行业的部分企业已经出现获客成本高于客户收益的情况，私域流量（社群、朋友圈等）的产品忠诚度很低，更多的是价格敏感型群体。因此企业在寻找更优质的拉新渠道的同时，需要将重心慢慢转移到老用户的运营上，提高用户留存，用最小的成本使得用户价值最大化。

SQL计算留存率

-- 用户注册表
create table user_info(user_id varchar(10) primary key,reg_time datetime);

insert into user_info values
('u_01','2020-01-01 09:15:00'),
('u_02','2020-01-01 00:04:00'),
('u_03','2020-01-01 22:16:00'),
('u_04','2020-01-01 20:32:00'),
('u_05','2020-01-01 13:59:00'),
('u_06','2020-01-01 21:28:00'),
('u_07','2020-01-01 14:03:00'),
('u_08','2020-01-01 11:00:00'),
('u_09','2020-01-01 23:57:00'),
('u_10','2020-01-01 04:46:00'),
('u_11','2020-01-02 14:21:00'),
('u_12','2020-01-02 11:15:00'),
('u_13','2020-01-02 07:26:00'),
('u_14'