总用户涨了但老客在流失？用 Amplitude 公式排除新增，看清真实留存
总用户涨了但老客在流失？用 Amplitude 公式排除新增，看清真实留存 排除新增客户的留存计算公式通过（期末客户减新增客户）除以期初客户，旨在剥离新客干扰以反映老客真实去留，但需明确适用边界与报告规范。 为什么需要“排除新增客户的留存计算公式”？ 该公式用于识别总用户增长中由新客涌入掩盖的老客流失真相，避免管理者因数据幻觉误判产品健康度与实际留存状况。 某 SaaS 产品期末总用户数比期初多…
CATEGORY DOSSIER
标签：数据驱动
已收录 51 篇运营与数据复盘报告
INDEX & INSIGHTS
数据筛选与指标跟踪已就绪
登录算活跃还是购买算活跃？三种定义下留存率为何天差地别
登录算活跃还是购买算活跃？三种定义下留存率为何天差地别 登录和购买分别代表访问行为与交易行为，同一批用户在不同活跃标准下留存率差异显著，不可在没有明确口径时互相替代。 为什么“登录和购买算哪种活跃用户”没有标准答案？ 活跃用户定义缺乏标准答案，因为登录、购买等行为本质不同，强行统一指标会导致数据失真并掩盖真实的业务流失风险。 把“活跃”当成一个固定标签，往往会让留存数据失真。同一个用户在今天可能…
别拿刚发芽的树苗比大树：新上线产品队列成熟期短，横向对比怎么才不翻车
别拿刚发芽的树苗比大树：新上线产品队列成熟期短，横向对比怎么才不翻车 新上线产品队列因成熟期短，不能直接与观察周期更长的旧队列进行横向对比，需记录成熟度差异以避免误判留存与收入关系。 为什么“新上线产品队列成熟期短”会导致错误的横向对比结论 将刚上线的短周期用户数据直接对比长周期的老用户数据，会忽略时间变量导致的成熟度差异，从而得出错误的因果结论。 把刚上线一个月的用户数据，直接拿去和跑了半年的…
留存率涨了，收入却没动？拆解活跃与价值的中间层陷阱
留存率涨了，收入却没动？拆解活跃与价值的中间层陷阱 高留存率仅表示满足活跃定义的用户比例提升，并不直接等同于该群体的收入、毛利或长期价值更高，必须保留交易与付费持续性的中间层分析。 为什么高留存率不等于高收入增长？先打破三个常见误判 次月留存率跃升不能直接证明经营质量改善，需拆解活跃定义、队列起点成熟度及身份拼接逻辑，以消除测量层次混淆导致的误判。 一家公司发现次月用户留存率从 30% 跃升至 …
大促后留存率飙升？别把透支需求当成用户习惯
大促后留存率飙升？别把透支需求当成用户习惯 短期促销带来的活跃不能算作长期留存，因为这种爆发式增长往往透支了未来需求，无法证明用户形成了持续行为。 先别急着下结论：爆发式增长背后的陷阱 大促后数据曲线的陡峭上升通常源于短期刺激而非经营质量改善，混淆爆发与习惯是导致误判的核心原因。 某次大促结束后，后台数据显示用户留存率上升，曲线陡峭得让人欣喜。这是否意味着产品经营质量真的改善了？很多人会立刻给出…
盯着漂亮的 LTV:CAC 比率别高兴太早：缺了这 5 个字段，数据全是假象
盯着漂亮的 LTV:CAC 比率别高兴太早：缺了这 5 个字段，数据全是假象 报告 LTV 和 CAC 必须明确标注司法辖区、合同语境、收支口径定义及归因窗口等缺失字段，否则指标将失去复核追溯能力，无法支撑实际业务决策。 盯着屏幕上那个漂亮的 LTV:CAC 比率，你很容易误以为掌握了业务的确定性。事实并非如此。GGR（毛博彩收入）和 NGR（净博彩收入）是已发生的交易事实，像账本上盖了章的结算…
别被 LTV:CAC 比率骗了：数据口径不一致，跨渠道比较就是假象
别被 LTV:CAC 比率骗了：数据口径不一致，跨渠道比较就是假象 跨渠道比较 LTV 与 CAC 比率会得出错误结论，因为数据源、时间窗口或归因规则不统一时，该比率缺乏可比性基础。 你看到两个渠道的 LTV:CAC 比率分别是 3:1 和 5:1，便断定后者更优。这种判断往往建立在虚假的确定感之上。将交易审计的确定性直接转移给预测性指标，是 LTV 和 CAC 比率为什么不能跨渠道比较的核心原…
获客成本算不准？只因“新增客户”定义不同，注册还是首投差几倍
获客成本算不准？只因“新增客户”定义不同，注册还是首投差几倍 新增客户定义直接决定分母大小，仅计算注册、首次存款或首笔有效投注会导致获客成本数值剧烈波动，从而误导对真实获客效率的判断。 CAC 公式背后的陷阱：分子不变，分母为何决定生死 获客成本公式中分子固定时，分母里“新增客户”的界定标准差异会引发数值倍数级震荡，使看似精确的数据沦为缺乏统一基准的数学游戏。 你盯着报表上的获客成本（CAC）数…
LTV 报表对不上？调取原始日志，一眼分清是业务下滑还是归因规则变了
LTV 报表对不上？调取原始日志，一眼分清是业务下滑还是归因规则变了 核对 LTV 报表需直接调取底层点击与付费日志，通过比对原始事件流剥离归因窗口干扰，还原真实经营数据并识别供应商二次加工造成的偏差。 为什么 LTV 报表数据会“失真”：归因窗口与收入定义的陷阱 LTV 数据失真通常源于渠道商调整归因窗口或修改收入定义标准，导致同一行为被不同工具判定为成功，从而产生看似合理却与实际不符的数值幻…
同一批用户，为什么注册留存60%、付费留存只剩20%？
同一批用户，为什么注册留存60%、付费留存只剩20%？ 同一批用户因分母定义不同，注册口径与付费口径算出的留存率数值会截然不同，两者本质回答的问题不同，无法直接换算或横向比较。 为什么同一批用户会出现不同的留存率？ 留存率并非固定不变的绝对值，而是依赖统计口径的相对值，分母从注册变为付费时，即便用户群体未变，计算结果也会发生剧烈波动。 同一个用户群，上个月报表显示 60% 留存，下个月换个标准后…
注册留存被稀释？用“首次付费日”算留存，才看清真金白银的粘性
注册留存被稀释？用“首次付费日”算留存，才看清真金白银的粘性 按首次付费日计算留存，是将分母锁定为已付费用户群体，以此评估该核心人群在变现后的持续经营状态与复购能力。 某产品注册后首月活跃人数高达十万，但真正掏钱的用户不足一成。若用注册日作为分母计算留存，数据会被这九万未转化用户严重稀释，掩盖了核心变现群体的真实表现。这种“大数掩埋小数”的错觉，正是传统口径最大的盲区。要看清商业价值，必须把分母…
苹果归因窗口期到底多长？点击30天，浏览仅24小时
苹果归因窗口期到底多长？点击30天，浏览仅24小时 苹果应用归因窗口期指点击安装后三十天、浏览后安装仅二十四小时的隐私规则时限，此数据源自 iOS 平台强制机制。 苹果应用归因窗口期有多长：官方数据直接看这里 Apple App AttributionKit 规定点击广告后的归因窗口为三十天，而单纯浏览未点击行为的窗口则严格限制在二十四小时。 用户点击广告后，系统究竟保留多久的“记忆”来判定这笔…