新用户留存怎么分析

新用户留存怎么进行埋点和分析

1、昨天新来的用户，今天又来了多少

最近有客户咨询：昨天的新用户，今天又来了多少，希望通过 WebFunny 埋点系统查询、分析该数据。其核心需求是：统计昨日新用户的次日回访情况。

 

针对该需求，推荐 3 种高效分析方法，适配不同业务场景：

 

1. 留存分析法
   经典次日留存分析，是用户生命周期分析的核心方法，用于衡量新用户首日拉新后的次日粘性。
2. 用户分群交集法
   圈定「昨日新用用户」和「今日活跃用户」两个用户群，通过人群交集计算，精准统计回访用户规模。
3. 趋势对比分析法
   按日 / 周维度对比回访人数、留存率波动，直观判断拉新质量的变化趋势。

 

一、三种方法核心差异对比

 

对比维度	留存分析法	用户分群交集法	趋势对比分析法
核心逻辑	锁定同一批新用户，纵向追踪后续回访	昨日新客 / 今日活跃用户直接求交集	按时间序列横向对比每日数据
解决问题	新用户 1/3/7/30 天长期留存与粘性	仅计算单日精准回访人数	查看回访数据连续波动趋势
时间维度	固定用户群，长期追踪	静态单点，无时间连续性	连续多天，时间序列对比
输出结果	留存矩阵、留存曲线、多周期留存率	单日回访精准人数	趋势图、每日数值、环比涨跌
分析颗粒度	按批次分析用户生命周期 / 留存	仅总人数，可查看当日明细	每日总数 + 维度拆分 + 下钻明细
适用场景	评估拉新质量、产品粘性、运营效果、版本效果	精准查询单日回访人数	趋势分析、监控数据异常
长期追踪能力	可全程追踪同一批用户	不支持，仅看当日	不追踪单用户，仅看单日变化

用户留存不知道该如何分析
三大高效分析方法

 

最近有客户咨询：昨天的新用户，今天又来了多少，希望通过 WebFunny 埋点系统查询、分析该数据。其核心需求是：统计昨日新用户的次日回访情况。

 

针对该需求，推荐 3 种高效分析方法，适配不同业务场景：

1.留存分析法：固定同一批用户，长期追踪留存，评估拉新质量、产品粘性与运营效果

2.用户分群交集法：单日新客与活跃用户直接求交集，快速算出精准回访人数

3.趋势对比分析法：按时间序列对比每日数据，看回访波动趋势、监控数据异常

 

 

请根据以下内容，生成对应海报，尺寸1200X1600px：

标题：新用户次日回访，3种高效分析方法

内容可参考

方法一：留存分析法

方法二：用户分群交集法

方法三：趋势对比分析法

 

 

WebFunny 埋点｜新用户次日回访 3 种高效分析法 运营直接抄

 

3 种方法！搞定新用户次日回访数据分析

 

一、三种分析方法核心差异对比

 

1. 核心逻辑

 

• 留存分析法：锁定同一批新用户，纵向追踪后续回访
• 用户分群交集法：昨日新客 / 今日活跃用户直接求交集
• 趋势对比分析法：按时间序列横向对比每日数据

 

2. 解决问题

 

• 留存分析法：分析新用户 1/3/7/30 天长期留存与粘性
• 用户分群交集法：仅计算单日精准回访人数
• 趋势对比分析法：查看回访数据连续波动趋势，可分析环比涨跌

 

3. 时间维度

 

• 留存分析法：固定用户群，长期追踪
• 用户分群交集法：静态单点，无时间连续性
• 趋势对比分析法：连续多天，时间序列对比

 

4. 分析颗粒度

 

• 留存分析法：按批次分析用户生命周期 / 留存
• 用户分群交集法：仅总人数，可查看当日明细
• 趋势对比分析法：每日总数 + 维度拆分 + 下钻明细

 

5. 输出结果

 

• 留存分析法：留存矩阵、留存曲线、多周期留存率
• 用户分群交集法：单日回访精准人数
• 趋势对比分析法：趋势图、每日数值、环比涨跌

 

 

二、通俗解读

留存分析法：盯住同一批新用户，持续看后续多天是否回访，评估长期留存质量。

用户分群交集法：直接算「昨日新用户」和「今日活跃用户」的重合人数，只查单日精准数据。

趋势对比分析法：按日 / 周统计回访数据，看涨跌趋势、定位数据异常。

 

三、业务选型指南（直接套用）

1. 分析新用户留存好坏、拉新质量 → 用留存分析法，评估长期粘性
2. 临时查昨日新用户今日回访多少人 → 用用户分群交集法，最快出结果
3. 看近 30 天回访走势、涨跌对比 → 用趋势对比分析法，做数据看板

 

四、一句话速记

 

• 留存法：盯同一批人，看长期留存
• 交集法：算单日重合，查精准人数
• 趋势法：看每日数据，判波动走势

 

 

 

Webfunny 埋点 + 看板实操指南：三种方法落地全流程

 

先给关键结论：先完成基础埋点与用户标识体系，再按场景选择对应分析方法并搭建看板，可快速实现「昨日新用户今日回访」的精准统计与追踪。

 

一、基础埋点准备（三种方法通用）

 

1.1 核心埋点设计（必做）

 

埋点类型	事件名称	触发时机	上报字段	作用
用户标识	user_identify	首次访问 / 登录	user_id (业务 ID)、device_id、is_new (布尔值)	唯一识别用户，区分新老用户
用户活跃	user_active	页面加载 / 关键操作	user_id、active_time、page_url	判定用户活跃状态，计算回访
新用户标记	new_user_register	注册成功 / 首次登录	user_id、register_time、channel	记录新用户来源，支撑留存分析

 

1.2 Webfunny 埋点实施步骤

 

1. 创建项目：进入 Webfunny 后台 → 数据管理 → 新建项目，获取专属 SDK 密钥
2. 埋点方式选择：
• 可视化埋点：适合快速上线，直接在页面选择元素配置事件
• 代码埋点：适合复杂场景，通过 API 上报自定义事件

 

// 新用户注册埋点示例

webfunny.track('new_user_register', {

  user_id: '123456',

  register_time: Date.now(),

  channel: '官网'

});

 

用户 ID 绑定：登录成功后调用webfunny.setUserId('用户业务ID')，确保跨设备识别一致性

测试验证：在「数据管理→点位仓库」查看埋点触发情况，确认数据上报正常

 

 

二、三种分析方法的埋点与看板实操

 

📌 方法一：留存分析法（长期追踪新用户粘性）

 

核心目标：锁定同一批新用户，跟踪 1/3/7/30 天回访情况，评估长期留存质量

 

2.1 专属埋点配置

 

1. 起始事件：new_user_register（注册成功）或 first_visit（首次访问）
2. 回访事件：user_active（页面活跃）或 core_action（核心功能使用）
3. 关键设置：确保事件携带时间戳和用户唯一标识，Webfunny 自动按时间窗口计算留存

 

2.2 看板创建步骤

 

1. 进入 Webfunny 埋点系统 → 业务分析 → 留存分析
2. 留存配置：
• 起始事件：选择 new_user_register
• 回访事件：选择 user_active
• 留存周期：勾选「次日 / 3 日 / 7 日 / 30 日」
• 分组维度：按注册渠道 / 版本号 / 地域拆分
3.  
4. 看板组件添加：
• 留存率趋势图：展示每日新用户次日留存率变化
• 留存矩阵表：对比不同批次用户留存差异
• 流失用户分析：查看留存率低的用户群体特征
5.  
6. 保存看板：命名为「新用户留存追踪看板」，设置自动刷新周期（如每日）

 

2.3 数据解读与应用

 

• 次日留存率低于行业基准（工具类 30%-40%）时，需优化新用户引导流程
• 7 日留存率下降明显，可能是核心功能体验不足，需重点优化
• 留存曲线趋于平稳后，可评估产品长期粘性与用户生命周期价值

 

 

 

📌 方法二：用户分群交集法（快速查单日回访人数）

 

核心目标：精准计算「昨日新用户」与「今日活跃用户」的重合人数，解决临时查询需求

 

2.4 专属埋点配置

 

无需额外埋点，复用基础埋点中的user_identify和user_active事件，关键是正确定义用户群：

 

1. 昨日新客群：筛选条件 = 注册时间 = 昨日 + is_new=true
2. 今日活跃群：筛选条件 = 活跃时间 = 今日 + user_active 事件触发

 

2.5 看板创建步骤

 

1. 进入 Webfunny 埋点系统 → 用户分群 → 新建分群
2. 创建两个用户群：
• 群 1：名称「昨日新用户」，条件：注册时间 = 昨天，用户类型 = 新用户
• 群 2：名称「今日活跃用户」，条件：活跃时间 = 今天，触发过 user_active 事件
3.  
4. 计算交集：
• 进入「用户分群→交集分析」
• 选择两个用户群，计算重合用户数
• 支持导出明细，查看具体回访用户 ID 与行为
5.  
6. 看板组件添加：
• 单一数字卡片：显示昨日新用户今日回访人数
• 占比环形图：展示回访人数占昨日新用户总数的比例
• 明细表格：可下钻查看回访用户的具体行为路径
7.  

 

2.6 快速查询技巧

 

• 保存常用分群，下次直接调用计算
• 可设置定时任务，每日自动生成前一日新用户回访报告
• 结合用户细查功能，定位高价值回访用户特征

 

 

 

📌 方法三：趋势对比分析法（监控回访规模波动）

 

核心目标：按日 / 周对比回访人数、留存率变化，识别数据异常，评估拉新质量趋势

 

2.7 专属埋点配置

 

复用基础埋点，重点关注时间维度字段：

 

1. 确保所有事件携带精确到秒的时间戳
2. 新增「拉新渠道」「版本号」等维度字段，支持多维度趋势对比

 

2.8 看板创建步骤

 

1. 进入 Webfunny 埋点系统 → 业务分析 → 趋势分析
2. 指标配置：
• 核心指标：昨日新用户今日回访人数、回访率
• 对比维度：按日期（日 / 周）、拉新渠道、版本号分组
• 计算方式：累计值、环比增长率、同比增长率
3.  
4. 看板组件添加：
• 折线图：展示近 30 天每日回访人数走势
• 柱状图：对比不同渠道拉新用户的回访率
• 异常标记：自动识别数据波动超过阈值（如 ±20%）的日期
5.  
6. 高级设置：
• 设置预警规则：当回访率低于阈值时自动发送通知
• 支持下钻分析：点击异常日期查看具体用户行为与流失原因
7.  

 

2.9 趋势分析应用场景

 

• 日常监控：通过看板快速了解每日回访数据变化
• 拉新效果评估：对比不同渠道 / 活动的拉新质量差异
• 版本迭代验证：评估新功能上线对用户回访的影响

 

 

 

三、看板优化与数据校验

 

3.1 看板最佳实践

 

1. 分层设计：
• 概览层：核心指标卡片（回访人数、回访率、环比）
• 分析层：趋势图、对比表、留存曲线
• 明细层：用户列表、行为路径，支持下钻查询
2. 数据口径统一：
• 新用户定义：统一为「首次触发注册事件 / 首次访问的用户」
• 活跃定义：统一为「触发 user_active 事件或核心功能操作的用户」
• 时间窗口：采用自然日（00:00-23:59）计算，避免跨天统计偏差

 

3.2 数据准确性校验

 

1. 埋点校验：定期在「数据管理→点位仓库」检查事件触发与上报情况
2. 交叉验证：
• 留存分析结果与分群交集法结果对比，确保单日数据一致
• 趋势数据与业务后台数据（如注册量、登录量）交叉核对
3. 异常排查：
• 检查用户 ID 重复上报问题，避免「伪活跃」数据
• 确认时间戳正确性，防止跨时区统计错误

 

四、业务场景快速应用指南

业务需求	推荐方法	看板核心组件	数据应用建议
临时查询：昨天新用户今天来了多少	用户分群交集法	数字卡片、占比图	直接获取精准数字，用于运营日报
评估拉新质量：新用户 3/7 天留存如何	留存分析法	留存曲线、矩阵表	优化新用户引导，提升长期粘性
日常监控：近 30 天回访走势是否正常	趋势对比分析法	折线图、异常标记	及时发现数据波动，定位问题原因
全场景覆盖：兼顾短期查询与长期追踪	三种方法组合	综合看板（概览 + 分析 + 明细）	建立数据驱动决策体系，提升运营效率

 

Webfunny 新用户回访分析｜埋点 + 看板 落地清单（直接复制使用）

一、通用基础埋点（必做，三种方法共用）

事件名称	触发时机	必传字段	作用
user_first_visit	用户首次访问页面	device_id、user_id、visit_time	标记新用户、计算首次访问
user_active	用户打开页面 / 核心操作	user_id、active_time、page	判定用户活跃、统计回访
user_register	用户注册成功	user_id、register_time、channel	定义新用户、支持渠道拆分

二、方法 1：留存分析法（盯同一批人，看长期留存）

 

1. 埋点要求

 

复用以上 3 个基础事件，无需新增埋点

 

2. 看板创建步骤

 

1. 进入：Webfunny → 留存分析
2. 配置：
• 起始事件：user_register（新用户注册）
• 回访事件：user_active（用户活跃）
• 统计周期：次日 / 3 日 / 7 日 / 30 日
3. 保存为「新用户留存看板」

 

3. 看板组件（直接添加）

 

• 留存率趋势折线图
• 留存矩阵表格
• 渠道留存对比柱状图

 

三、方法 2：用户分群交集法（查单日精准回访人数）

 

1. 埋点要求

 

复用基础埋点，无需新增

 

2. 看板创建步骤

 

1. 进入：Webfunny → 用户分群
2. 新建 2 个用户群：
• 群 A：昨日新用户 → 条件：register_time = 昨日
• 群 B：今日活跃用户 → 条件：active_time = 今日
3. 计算：群 A ∩ 群 B（交集）

 

3. 看板组件（直接添加）

 

• 核心数字卡片：昨日新用户今日回访人数
• 回访率环形图
• 回访用户明细列表

 

 

四、方法 3：趋势对比分析法（看 30 天走势、找波动）

 

1. 埋点要求

 

复用基础埋点，无需新增

 

2. 看板创建步骤

 

1. 进入：Webfunny → 自定义看板 / 趋势分析
2. 指标：昨日新用户今日回访人数、回访率
3. 维度：按日 / 周统计，支持渠道 / 版本筛选

 

3. 看板组件（直接添加）

 

• 回访人数日趋势折线图
• 环比增长率指标卡
• 异常数据标记卡片

 

五、统一数据口径（避免数据不准）

 

1. 新用户：首次注册 / 首次访问用户
2. 活跃用户：当日触发 user_active 的用户
3. 时间口径：自然日 00:00-23:59
4. 用户唯一标识：user_id（登录）/device_id（未登录）

 

 

 

 

 

 

 

 

一、先统一业务口径（避免统计歧义，必做）

 

需求 1 口径

 

• 新用户：历史从未登录过系统，当日首次登录 / 注册 的用户（以唯一用户 ID 为准）
• 昨日新用户今日回访：昨天首次登录的新用户，今天再次登录系统的去重用户数（本质：新用户次日留存）

 

二、数据埋点方案（极简够用，无需冗余埋点）

 

1. 核心只需埋 1 个基础事件（推荐后端埋点，数据更准）

 

优先后端接口埋点，规避前端漏报、缓存、刷量、页面未渲染等问题，Web/APP/ 小程序全端统一。

 

埋点事件名称

 

user_login 用户登录事件

 

必带埋点属性字段

字段名	说明	作用
user_id	系统唯一用户 ID	用户唯一标识，统计去重、分群
event_time	登录精确时间戳	拆分日期、计算登录时间
login_date	登录日期（YYYY-MM-DD）	按天聚合统计
channel	登录渠道（可选）	看板维度下钻分析
app_version	系统版本（可选）	版本维度分析

 

2. 无需额外埋新用户事件

 

不用单独埋「首次注册 / 首次新用户」事件，通过登录明细数据在数仓中计算判断新用户，减少埋点维护成本。

 

3. 埋点规则约束

 

1. 同一用户同一天多次登录，只上报 1 条有效数据（日维度去重）；
2. 游客 / 未登录用户不计入统计，只统计有正式user_id的账号；
3. 全端打通同一user_id，多端登录视为同一个用户。

 

 

三、数仓数据加工逻辑（埋点采集后计算指标）

 

底层明细表

 

dwd_user_login_di 每日用户登录明细表

 

核心：user_id + login_date 去重，一天只保留一条登录记录

 

中间层：每日新增用户表

 

dws_user_new_day

 

计算逻辑：取每个user_id最小的 login_date 作为该用户的新增首日

 

需求 1 计算逻辑（昨日新用户今日回访）

 

1. 圈选人群 A：新增日期 = 昨日 的所有新用户
2. 圈选人群 B：登录日期 = 今日 的所有登录用户
3. 交集去重人数 = 昨日新用户今日回访数
4. 衍生指标：回访率 = 回访人数 / 昨日新增总人数

 

 

四、数据看板创建方案

 

新用户次日回访看板（对应需求 1）

 

核心指标卡

 

• 昨日新增用户数、今日新用户回访数、新用户次日留存率

 

配套图表

 

• 折线图：近 30 天每日回访人数 / 留存率趋势
• 柱状图：按渠道 / 部门拆分回访数据
• 筛选器：支持自定义日期、渠道筛选

 

3. 看板配置规则

 

• 刷新频率：T+1 每日凌晨自动刷新（离线统计无需实时）
• 支持数据导出、维度下钻、阈值预警（如回访率暴跌告警）

 

六、落地关键注意事项

 

1. 严格统一user_id唯一标识，禁止设备 ID 替代账号 ID 统计；
2. 日登录必须去重，避免同一天多次登录被统计成多天；
3. 新用户口径全公司统一（首次登录 or 首次注册），不可变更；
4. 优先后端埋点，保证数据准确性，减少前端埋点漏报问题。