2.3 經典數值案例速查表

為了方便在實際工作中快速使用，針對已知部分留存率數據，本書基于經典留存率曲線擬合計算出累計貢獻日活數，做成了一張速查表（包含30組經典數值），如表2-3所示。對于某款移動應用產品，若我們已經知曉次日留存率（ r1）、7日后留存率（r7）、14日后留存率（r14）等，即可快速查得該款產品在特定周期內的累計貢獻日活數（R_cum）的相近數值。

表2-3 經典數值速查表

（續）

可以發現，很多互聯網產品期望對標的留存率節點規則為“40-20-10”，即次留在40%左右，7日后留存率在20%左右，30日后留存率在10%左右。

在產品使用的后期，通常用戶對產品的貢獻能力持續變弱，同時用戶在后期階段流失嚴重，也就是說由于存在用戶生命周期的限制，所以可以認為很多產品的留存率曲線在后期是截斷的，并不是任何產品的累計貢獻日活數都能夠用該指標在180天或更長周期的計算數值，具體使用哪個周期的數值，需要依據業務特性和用戶生命周期時長進行評估。

利用經典數值速查表，將所參與的業務的留存數據進行比對，可以很精準地了解到該產品的黏性在整個互聯網行業中所處的水平，也能夠比較精準地估算到該產品在關鍵節點周期內的累計貢獻日活數。我們在使用經典數值速查表時，可以結合產品的已有關鍵節點的留存數據靈活匹配，比如某款移動應用產品的次日留存率為32%，7日后留存率為12%，30日后留存率為5.5%，比對時發現，與經典數值速查表中的編號18和19最為相近，那么可以知道，該產品的一個新用戶在90天內的累計貢獻日活數在6～7范圍內。