2.3 经典数值案例速查表

为了方便在实际工作中快速使用，针对已知部分留存率数据，本书基于经典留存率曲线拟合计算出累计贡献日活数，做成了一张速查表（包含30组经典数值），如表2-3所示。对于某款移动应用产品，若我们已经知晓次日留存率（ r1）、7日后留存率（r7）、14日后留存率（r14）等，即可快速查得该款产品在特定周期内的累计贡献日活数（R_cum）的相近数值。

表2-3 经典数值速查表

（续）

可以发现，很多互联网产品期望对标的留存率节点规则为“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。

在产品使用的后期，通常用户对产品的贡献能力持续变弱，同时用户在后期阶段流失严重，也就是说由于存在用户生命周期的限制，所以可以认为很多产品的留存率曲线在后期是截断的，并不是任何产品的累计贡献日活数都能够用该指标在180天或更长周期的计算数值，具体使用哪个周期的数值，需要依据业务特性和用户生命周期时长进行评估。

利用经典数值速查表，将所参与的业务的留存数据进行比对，可以很精准地了解到该产品的黏性在整个互联网行业中所处的水平，也能够比较精准地估算到该产品在关键节点周期内的累计贡献日活数。我们在使用经典数值速查表时，可以结合产品的已有关键节点的留存数据灵活匹配，比如某款移动应用产品的次日留存率为32%，7日后留存率为12%，30日后留存率为5.5%，比对时发现，与经典数值速查表中的编号18和19最为相近，那么可以知道，该产品的一个新用户在90天内的累计贡献日活数在6～7范围内。