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 <skill-dir>/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 <skill-dir>/scripts/compute_retention.py --input_file "<输入数据文件路径 (CSV)>" --metric_name "<指标名称>" --day0_col "<第 0 天用户数列名>" --dayn_col "<第 n 天用户数列名>"

参数说明：

参数	说明	默认值
--input_file	输入数据文件路径 (.csv)	(必填)
--metric_name	计算指标名称（如次日留存率、第七日留存率等）	留存率
--day0_col	第 0 天用户数列名	(必填)
--dayn_col	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。