Leer Retentieanalyse | Kernstatistieken en Metingen

Veeg om het menu te tonen

Retentieanalyse is een van de belangrijkste hulpmiddelen om te begrijpen hoe goed je product gebruikers over een langere periode betrokken houdt. Stel je voor dat je een fitness-app beheert en wilt weten of nieuwe aanmeldingen daadwerkelijk blijven terugkomen. N-dagen retentie en onbegrensde retentie zijn twee belangrijke manieren om dit te meten.

N-dagen retentie geeft het percentage gebruikers aan dat op een specifieke dag na hun aanmelding terugkeert. Bijvoorbeeld, dag 7 retentie beantwoordt de vraag: van alle gebruikers die zich op een bepaalde dag hebben aangemeld, hoeveel zijn er precies 7 dagen later teruggekomen? Je kunt het vergelijken met een reünie – hoeveel mensen komen een week na hun aanmelding weer opdagen?

Onbegrensde retentie is breder. In plaats van te vragen of gebruikers op een specifieke dag zijn teruggekomen, wordt gekeken of ze op of na een bepaalde dag zijn teruggekeerd. Dus, dag 7 onbegrensde retentie is het percentage gebruikers dat op enig moment op of na de zevende dag is teruggekomen. Dit is vergelijkbaar met de vraag: wie is er ooit teruggekomen na een week, ongeacht wanneer?

Beide statistieken helpen bij het signaleren van trends in gebruikersloyaliteit en productgezondheid.


              1234567891011121314151617181920212223242526
            
import pandas as pd

# Sample user activity data
data = {
    "user_id": [1, 1, 2, 2, 3, 4, 5, 5, 5],
    "activity_day": [0, 7, 0, 1, 0, 1, 0, 7, 30]
}

df = pd.DataFrame(data)

def n_day_retention(df, day):
    signups = df[df["activity_day"] == 0]["user_id"].unique()
    returning = df[df["activity_day"] == day]["user_id"].unique()
    retained = set(signups) & set(returning)
    return len(retained) / len(signups) * 100

def unbounded_retention(df, day):
    signups = df[df["activity_day"] == 0]["user_id"].unique()
    returning = df[df["activity_day"] >= day]["user_id"].unique()
    retained = set(signups) & set(returning)
    return len(retained) / len(signups) * 100

print(f"Day 1 N-Day Retention: {n_day_retention(df, 1):.1f}%")
print(f"Day 7 N-Day Retention: {n_day_retention(df, 7):.1f}%")
print(f"Day 7 Unbounded Retention: {unbounded_retention(df, 7):.1f}%")
print(f"Day 30 N-Day Retention: {n_day_retention(df, 30):.1f}%")

Definitie

N-dagen retentie meet het percentage gebruikers dat op een specifieke dag na aanmelding terugkeert.

Bij het berekenen van retentie begin je met het identificeren van je gebruikerscohort – meestal iedereen die zich op dezelfde dag heeft aangemeld. Vervolgens controleer je hoeveel van deze gebruikers op een specifieke dag zijn teruggekomen (N-Day retentie) of op elk moment daarna (onbegrensde retentie). Bijvoorbeeld, als je ziet dat de N-Day retentie op dag 7 sterk daalt maar de onbegrensde retentie hoger is, betekent dit dat gebruikers wel terugkeren, maar niet altijd volgens een voorspelbaar schema.

Het interpreteren van deze cijfers helpt bij het nemen van productbeslissingen:

Hoge retentie op dag 1 betekent dat de onboarding sterk is;
Hoge retentie op dag 30 betekent dat gebruikers langdurige waarde ervaren;
Als de retentie laag is, kan het nodig zijn om onboarding, notificaties of kernfunctionaliteiten te verbeteren;
Het volgen van deze statistieken in de tijd laat zien of aanpassingen gebruikers helpen om terug te blijven komen.

Zowel N-Day als onbegrensde retentie laten zien hoe goed je product gebruikers betrokken houdt en waar verbetering mogelijk is.

1. Wat meet retentie in productanalyse?

2. Vul het ontbrekende woord in:

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 2. Hoofdstuk 2

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Sectie 2. Hoofdstuk 2