Bi Retention Rate

bi-retention-rate

计算用户首次进入产品或首次完成关键行为后，后续回访或持续活跃概率。

执行步骤

Step 0：检查数据以及确定计算指标

1. 留存率计算涉及的指标以及数据列已经明确，如次日留存率计算考虑当日用户数与次日用户数，第七日留存率考虑当日留存用户数与第七日留存用户数；
2. 数据已经保存为 CSV 文件，且包含留存率计算所需关键数据，如当日用户数、次日用户数等。如

date,当日访问用户数,次日访问用户数
2025-01-01,10000,3000
2025-01-02,10500,1000
2025-01-03,9800,100

Step 1：执行留存率计算

使用 /scripts/compute_retention.py 脚本，计算用户在后续第 n 天的留存率（计算结果保留小数点后 5 位）。

python /scripts/compute_retention.py --input_file "" --metric_name "" --day0_col "" --dayn_col ""

参数说明：

| 参数 | 说明 | 默认值 | | ---------------- | ------------------------------------ | ------- | | --inputfile | 输入数据文件路径 (.csv) | (必填) | | --metricname | 计算指标名称（如次日留存率、第七日留存率等） | 留存率 | | --day0col | 第 0 天用户数列名 | (必填) | | --dayncol | 第 n 天用户数列名 | (必填) |

对于所有需要计算的留存率指标都需调用该脚本计算，不能遗失任何必要的指标计算。

fallback（指引模式）

无脚本环境时按以下步骤手动计算：

1. 给定留存率计算所需的初始时间点 day0 以及 n 日后的留存率计算时间点 dayn
2. 计算 n 日留存率（保留小数点后 5 位）：

$\frac{|\{用户 \mid day0新增用户\wedge 用户在dayn活跃 \}|}{|\{用户 \mid day0新增用户 \}|}$

输出要求

输出所有需要计算的留存率指标结果，不要遗失任何计算结果，包括 NaN 值。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: agentscope-ai
• Source: agentscope-ai/QwenPaw-Data
• License: Apache-2.0

Install and usage instructions live in the source repository linked above.