一、引言

在互联网业务中，“用户增长”并不等于“留存增长”。很多公司在获取大量新用户后，发现活跃率却在持续下滑。
这时，用户行为分析（User Behavior Analysis） 就显得尤为关键。通过对注册、登录、购买等行为数据的分析，我们能更好地理解用户留存、流失和转化的背后逻辑。

本文将以 Python 为主要工具，从零实现一套简单但实用的留存分析流程。

---

二、数据集与问题定义

假设我们有以下用户行为数据：

字段名	含义
user_id	用户ID
event_type	行为类型（register/login/purchase）
event_time	行为发生时间
channel	注册来源渠道

我们的目标是：

分析用户在注册后的第1天、第3天、第7天的留存率，并找出影响留存的关键因素。

---

三、数据加载与清洗

import pandas as pd # 读取数据 df = pd.read_csv('user_behavior.csv') # 时间格式转换 df['event_time'] = pd.to_datetime(df['event_time']) # 去重、删除异常数据 df.drop_duplicates(inplace=True) df = df[df['event_type'].isin(['register', 'login', 'purchase'])] print(df.head())

清洗后的数据可用于分析注册用户的后续活跃情况。

---

四、计算留存率

留存率（Retention Rate）衡量的是：

在某段时间注册的用户中，仍在后续某天活跃的比例。

下面用 Pandas 实现一个基础的留存分析：

# 找出每个用户的注册日期 register_df = df[df['event_type'] == 'register'][['user_id', 'event_time']] register_df.rename(columns={'event_time': 'register_date'}, inplace=True) # 合并登录数据 login_df = df[df['event_type'] == 'login'][['user_id', 'event_time']] merged = pd.merge(login_df, register_df, on='user_id', how='inner') # 计算登录距注册的天数 merged['days_after'] = (merged['event_time'] - merged['register_date']).dt.days # 分组计算留存 retention = merged.groupby('days_after')['user_id'].nunique() / register_df['user_id'].nunique() print(retention.head(10))

输出示例：

days_after 0 1.000000 1 0.682312 3 0.422891 7 0.215947 14 0.120584

这表明第1天留存为68.2%，第7天留存降至21.6%。

---

五、可视化展示留存曲线

import matplotlib.pyplot as plt plt.figure(figsize=(8,5)) plt.plot(retention.index, retention.values, marker='o') plt.title('User Retention Curve') plt.xlabel('Days After Registration') plt.ylabel('Retention Rate') plt.grid(True) plt.show()

📈 图解：

• 曲线呈明显下降趋势，符合典型用户流失规律；

• 若留存下降过快，说明产品“新手期体验”存在问题。

---

六、渠道对比分析

很多时候，不同渠道的用户质量差异明显。
我们可以分渠道计算留存情况：

df_reg = df[df['event_type'] == 'register'][['user_id', 'event_time', 'channel']] df_login = df[df['event_type'] == 'login'][['user_id', 'event_time']] merged = pd.merge(df_login, df_reg, on='user_id') merged['days_after'] = (merged['event_time_x'] - merged['event_time_y']).dt.days retention_by_channel = merged.groupby(['channel', 'days_after'])['user_id'].nunique().unstack().fillna(0) retention_by_channel = retention_by_channel.div(df_reg['channel'].value_counts(), axis=0) print(retention_by_channel.head())

通过这个表格，我们可以清楚看到：

• 某些广告渠道带来的用户注册量高，但留存差；

• 自然渠道（Organic）虽注册量少，但长期留存更稳。

---

七、从留存到生命周期价值（LTV）

进一步分析可以结合购买行为，计算 用户生命周期价值（LTV）：

purchase_df = df[df['event_type'] == 'purchase'] ltv = purchase_df.groupby('user_id')['event_time'].count().mean() print("平均生命周期购买次数：", ltv)

结合留存率与 LTV，就能清晰评估：

哪类用户真正创造了长期价值。