1.乙個使用者流失在與使用者多久時間長度沒有和產品進行交叉（比如消費，瀏覽**之類的），主要問題在於怎麼合理的去定義使用者流失時間段長度的問題。有個指標叫做回訪使用者：指的是使用者指流失之後再次訪問**的使用者，即使用者曾經流失過，滿足流失時間期限內完全沒有訪問、登入**、消費之類的條件，但之後重新訪問、登入**、消費。
這樣就可以計算出回訪率：回訪人數/流失使用者數。回訪使用者率的數值大小間接地可以驗證對使用者流失定義的合理性，一般來說，使用者流失時間定義的越長，使用者的回訪率越低。
2.使用者流失的流失期限的長度與使用者的回訪率成反比，隨著定義的流失期限的增大，使用者回訪率一定是遞減的，並逐漸趨近於0。那麼如果選擇合適的流失期間長度？我們可以設定不同的流失期限長度，進一步統計每個流失期限的使用者回訪率，並觀察使用者回訪率隨定義的流失期限增大時的收斂速度，這個過程你可以用**寫出來，並且將圖畫出來。
這是用python畫出來的圖，縱軸是回訪率，橫軸是以「周」為單位的流失期限。現在需要找出最合適的流失週期，可以根據經濟理論裡的利潤最大化理論，去找出那個拐點，超過那個拐點之後，當x（流失週期）增加，y（使用者回訪率）的縮減速度明顯下降，這個點就是我們需要找到的點，類似於邊際收益等同於邊際成本時，企業利潤最大化。
注意事項：這個點不是數學意義上的拐點，數學上的拐點，是一條曲線判斷凹凸性的分界點，即函式的二階導數為0的那個點。也不是函式上的極值點，極值點為曲線增長（衰減）趨勢為0時的那個點，即一階導數為0的點。在經濟學理論中，這個拐點為邊際收益函式和邊際成本函式的交點。
找出方法：將回訪率進行一階差分，可以得出回訪率隨著流失週期的下降趨勢，然後畫出趨勢圖。可以看出在週期等於40的那個點，回訪率下降趨勢趨於平穩，即可以將40這個點作為定義的使用者流失期限長度
3.還有一種方法來判斷使用者是否流失。根據使用者最近的消費或活動間隔，跟使用者平時消費或活動間隔做比較，如果前者大，則判斷使用者流失，反之則不是。這種方法的好處在於，不同使用者之間的流失期限是不相同，可以根據使用者平時的行為習慣去判斷使用者是否流失
公式：if 最近的消費或活動間隔 > 平時消費或活動間隔，then 流失使用者
注意事項：平均消費或活動間隔的計算，假如乙個使用者的歷史消費或活動間隔為[3，15，75，23]，可以根據一次指數平滑法計算下一次的消費間隔，公式如下圖所示。
這種方法的問題在於計算出的流失使用者偏差較大，不穩。這個取決於你計算的平均消費或活動間隔的合理性，不過你可以在公式裡加入穩定因子，比如最近的消費或活動間隔》平均消費或活動間隔 * 平穩係數，這樣的話，計算出來的流失使用者會比較合理。
怎樣合理地定義使用者流失
最近最常被問到的就是一些使用者的統計指標，無論是決策層還是產品部門，所以這篇文章重點說下使用者指標的一些內容。假設你想用盡量簡潔有效的資料了解乙個 或產品的使用者情況，你會問哪幾個使用者資料？其實乙個聰明的提問者永遠不會問 的累計使用者數有多少，甚至不會問 的uv是多少，因為這些指標都不能從真正意義...
怎樣合理地定義使用者流失
很久沒有更新部落格了，這篇再寫一些關於 使用者流失 的內容。之前發布的 的活躍使用者與流失使用者這篇文章對 的活躍使用者 流失使用者及新使用者流失做了定義，這裡修正下對流失使用者的英文叫法，一般對流失使用者常用的英文為 churn user 之前用的wastage away lost等都不是太規範。...
如何合理定義執行緒池大小
在這個專案裡，是為 查表，以及domain層分別建立了乙個執行緒池 coreporesize為20 最大為50 活躍時間為60s 採用linkedblockingqueue 容量為20，防止佇列過度擴充套件 高併發 任務執行時間短的業務怎樣使用執行緒池？併發不高 任務執行時間長的業務怎樣使用執行緒池...