你岗位的 AI 智能体

用户留存分析

老板要看用户留存分析、想知道新用户第二天还回不回来时,AI 能按你的数仓口径和埋点事件,帮你定义留存规则、算同期群留存率并做成留存曲线对比表。留存口径怎么定、下降原因怎么判,需你结合业务拍板。

你需要准备

  • 留存定义:分析哪类用户(注册 / 激活 / 首次下单)、首日如何认定、回访以哪个埋点事件为准
  • 统计口径:去重按账号还是设备、统计周期与时区、自然日切分规则,确保和现有看板口径一致
  • 数据来源:用户表、活跃埋点事件所在的数仓表与字段,确认首日事件和回访事件能按用户串联、能取到各日去重人数;贴数前用户标识按聚合口径处理或先脱敏,不贴原始明细
  • 拆分维度:渠道、端、版本、地区、新老用户等对比维度及取值,缺失的维度标【待补】
  • 往期基线:上周期或行业参考的留存水平,没有现成基线就标【待补】,不臆造基准

怎么做

  1. 先声明留存定义、统计口径与数据来源,确认首日事件和回访事件在埋点系统里能对上,涉及用户明细先聚合或脱敏再粘贴
  2. 粘贴提示词,让它按同期群逐批计算次日、7 日、30 日留存率并列出计算过程
  3. 抽核各批人数与去重逻辑是否和日常看板一致,口径冲突先统一再继续
  4. 让它按维度拆留存差异、圈出异常同期群并给排查方向,下降原因由你结合版本与活动判断
一句话提示词

请扮演数据分析助手,帮我做用户留存分析:先按我声明的留存定义(分析哪类用户、首日如何认定、回访触发哪个埋点事件)、统计口径(账号 / 设备去重、周期与时区)和数仓数据来源,逐批构建同期群,计算次日、7 日、30 日留存人数与留存率并写出计算过程,再按渠道、端、版本等维度做留存曲线对比,圈出异常同期群并给排查方向,最后输出可固化到看板的指标字段建议。材料:【留存定义与回访事件】【统计口径与时区】【数仓表与埋点字段(用户明细已聚合或脱敏)】【拆分维度取值】【往期基线(无则标待补)】。与现有看板口径冲突处单列并标【需确认】,统一口径后再计算;缺失字段标【待补】、不要臆造人数和基准,所有计数我会人工复核,异常原因只作假设、归因由我结合业务人工判断。

它会交付什么

  • 同期群留存表:各批用户在次日 / 7 日 / 30 日的留存人数与留存率(计数需人工复核)
  • 留存曲线对比:按渠道、端、版本拆分的留存差异表(维度口径需你确认)
  • 异常同期群清单与可能原因假设(原因属推测,需人工判断后再下结论)
  • 留存看板字段建议:指标名、口径说明、更新频率与数据源,便于后续固定监控

效果示例

输入近 30 天注册用户的首日与回访埋点数据 → 输出分周同期群留存表,标出某版本 7 日留存明显走低。(示例为示意,具体数字需人工复核)

常见问题

AI 会不会自己编留存率?

它只按你给的埋点数据计算,缺字段标【待补】、不臆造人数,算完你仍需抽核;导出用户明细时先脱敏,不传播个人信息。

次日留存到底怎么定义?

由你先声明:哪天算首日、回访触发哪个事件、按账号还是设备去重,它不替你定口径。

某一批用户留存特别低能直接找它要原因吗?

它只给数据现象和可能原因,如版本发布、渠道变化,真实归因需你结合业务人工判断。

样本很少时留存率可信吗?

样本少比例波动大,它会提示只看方向不做精细对比,避免被小样本误导。

埋点事件串不起同一用户怎么办?

先检查账号与设备标识的串联规则,它会列出对不上的环节,修复数据后再算。

同岗位其他场景

一句话提示词 · 复制发给你的 AI 智能体
已复制,去发给你的 AI 智能体