Цитаты из книг автора «Василий Сабиров»

Поэтому Lifetime обычно принято не считать, а именно оценивать, взяв в расчет какую-либо стороннюю информацию, в частности Retention.

1. Если у вас мало исходных точек, то лучше использовать ту кривую, в которой меньше коэффициентов. И запомните: никогда не используйте кривую, у которой неизвестных коэффициентов больше, чем точек!

Вывод: для аппроксимации Retention хорошо подходят три вида кривых: – retention = ; – retention = ; – retention =

Если бы это был чемпионат, то победила бы последняя кривая. Однако, согласитесь, ее преимущество не так явно, особенно учитывая, как мало отличаются друг от друга значения суммы квадратов отклонений. Поэтому победителями (как на детском празднике) мы признаем все три кривые, и все три кривые мы можем рекомендовать для аппроксимации Retention.

Критерием будет минимум суммы квадратов отклонений (что означает, что мы воспользовались методом наименьших квадратов) между фактическими и модельными значениями.

Итак, какой же из функций можно аппроксимировать Retention? На ум (тем, кто заканчивал школьный курс математики) приходит гипербола, и это верная ассоциация.

Графически Retention выглядит примерно так: Такую кривую еще называют «кривой забывания» (forgetting curve), потому что ею же описывается процесс забывания человеком полученной информации.

График показателя удержания пользователей (Retention) имеет схожий вид и для веб-, и для мобильных приложений, а также для интернет-магазинов и многих офлайн-продуктов:

– Удержание используется для расчета Lifetime и Lifetime Value,

Классический Retention по дням с момента установки для разных когорт