在網際網路行業中，使用者在某段時間內開始使用應用，經過一段時間後，仍然繼續使用該應用的使用者，被認作是留存使用者。這部分使用者佔當時新增使用者的比例即是留存率，會按照每隔1單位時間（例日、周、月）來進行統計。顧名思義，留存指的就是「有多少使用者留下來了」。留存使用者和留存率體現了應用的質量和保留使用者的能力。
了解了什麼是留存率，接下來就是留存率到底是如何計算的呢？現在網際網路上實用的是facebook流出來的計算方法：40-20-10，就是次日留存率達到40%，一周留存率達到20%，乙個月的留存率達到10%。其計算公式方法如下：
留存率=登入使用者數/新增使用者數*100%（一般統計週期為天）
新增使用者數：在某個時間段（一般為第一整天）新登入應用的使用者數；
登入使用者數：登入應用後至當前時間，至少登入過一次的使用者數；
活躍使用者數：登入使用者數-新增使用者數；
次日留存率：（當天新增的使用者中，在第2天還登入的使用者數）/第一天新增總使用者數；
第3日留存率：（第一天新增使用者中，在往後的第3天還有登入的使用者數）/第一天新增總使用者數；
第7日留存率：（第一天新增的使用者中，在往後的第7天還有登入的使用者數）/第一天新增總使用者數；
第30日留存率：（第一天新增的使用者中，在往後的第30天還有登入的使用者數）/第一天新增總使用者數。
上面的計算公式只是基本的計算方法，事實上留存率的計算卻不是如此的簡單的，留存的計算有兩個維度，基於裝置或賬號，基於活躍或新增。
對這個計算方式做排列組合，有四種留存的定義：基於裝置的活躍留存、基於賬號的活躍留存、基於裝置的新增留存、基於賬號的新增留存。一般使用乙個統計系統來分析留存率，一定要先搞清楚是哪種口徑的留存率：
以上是留存率的計算方法，事實上大家更感興趣的是如何提高留存率，在這裡就簡單的提一下提高留存率需要注意那幾點：
總結：使用者留存，其實也是一種使用者記憶被喚醒的過程，一款定位準確的優質應用搭配合理有效的運營策略，逐步提公升使用者的互動體驗，才能讓使用者在使用後，還記得這個產品，並且繼續使用。
如何提高訓練模型的準確率
1.dropout 使用dropout收斂變慢，正確率也下降，可能是我使用方法有問題。2.更換優化器，我一般選擇adam優化器，可以提高準確率，收斂速度。3.學習率 改為動態學習率下降有利於快速收斂 4.shuffle 可以明顯提高準確率。5.資料增廣 需要根據實際場景選擇合適的資料增廣方法，否則可...
如何提高機器學習中的分類準確率
1.擴大資料集。俗話說的好，更好的資料往往能打敗更好的演算法。當我們想要提高機器學習的分類準確率時，第乙個可用的方法就是擴大資料集。只要機器學習花費的時間在可以接受的範圍內，就可以繼續擴大資料集，它往往可以使我們獲得更理想的分類準確率。2.分類器選擇。遺憾的是，理想的資料集規模往往是我們可望不可即的...
如何計算APP開發的價格
2 開發人員工資 一 般來說，外包專案 的基礎是開發人員的工資，而工資又是和工作年限 經驗 水平等決定的。這裡的開發人員包括產品經理 ui設計師 前端工程師 服務端 工程師 ios和android客戶端工程師等，不同的外包專案需要的開發人員不同。舉個例子，假設乙個ios開發工程師一月工資22000元...