菜单
对留存执行完整的分析流程，算清楚用户留不留、留多少、有没有变化，含口径定义、取数、留存率计算，及可选的维度拆分与对比/归因。触发条件：对话涉及留存率分析、留存表现评估、留存变化归因等任务时触发，如出现「留存表现情况如何」「访问留存和使用留存对比怎么样」「不同国家的访问留存是否存在差异」「分维度后留存情况」「次日/第七日留存率变化」等相似问题时触发。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/agentscope-ai/QwenPaw-Data --skill bi-retention-analysis命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | bi-retention-analysis |
| description | 对留存执行完整的分析流程，算清楚用户留不留、留多少、有没有变化，含口径定义、取数、留存率计算，及可选的维度拆分与对比/归因。触发条件：对话涉及留存率分析、留存表现评估、留存变化归因等任务时触发，如出现「留存表现情况如何」「访问留存和使用留存对比怎么样」「不同国家的访问留存是否存在差异」「分维度后留存情况」「次日/第七日留存率变化」等相似问题时触发。 |
对留存执行完整的分析流程，核心目标是算清楚用户留不留、留多少、有没有变化：定义口径 → 取数 → 计算留存率 →（可选）拆分维度 →（可选）对比/归因 → 解读与输出。
开始执行前，确认以下信息已就绪：
若留存锚点、留存事件或留存窗口不明确，需先回到规划阶段补充，或向用户确认后再开始执行。
| 步骤 | 用途 | 是否必选 |
|---|---|---|
| 定义口径 | 确定锚点、留存事件、留存窗口 | 必选，见步骤 1 |
| 取数 | 按口径取 day0 / dayn 数据 | 必选，见步骤 2 |
| 计算留存率 | 计算 day0 用户在 dayn 的留存率 | 必选，见步骤 3 |
| 拆分维度 | 按渠道、端、国家、版本等分别计算 | 可选，见步骤 4 |
| 对比/归因 | 跨时间、群体等维度对比留存差异 | 可选，见步骤 5 |
| 解读 & 输出 | 留存曲线、关键节点、变化趋势、差异结论 | 必选，见步骤 6 |
典型产出：留存率表、留存曲线、分维度留存对比。
最短路径：定义口径 → 取数 → 算留存率 → 看曲线 / 报数字（即步骤 1 → 2 → 3 → 6，跳过步骤 4、5）。
本 workflow 主要提供留存分析场景下的编排与数据衔接逻辑，各步骤的具体执行按相应分析方法的标准流程进行。
明确留存分析的三要素，这是后续取数与计算的基础：
| 要素 | 含义 | 常见取值 |
|---|---|---|
| 锚点（day0） | 用户被纳入留存统计的起算时间点 | 注册日、首次访问、首次付费等 |
| 留存事件 | 衡量「留下来」的目标行为 | 再次访问、再次使用、再次付费等 |
| 留存窗口 | 在锚点后第几天考察留存 | 次日（D1）、7 日（D7）、30 日（D30）等 |
要点：
按步骤 1 确定的口径取数，准备留存率计算所需的数据。
整理 CSV，包含：
示例：
date,当日新增用户数,次日访问用户数,7日访问用户数
2025-01-01,10000,3000,1500
2025-01-02,10500,3200,1600
若计划在步骤 4 拆分维度，取数时一并带出维度列（如渠道、端、国家、版本），或按维度分别取数。
计算 day0 用户在后续第 n 天的留存率。
若已规划拆分维度，可在此步先算整体留存率，维度拆分在步骤 4 展开。
根据分析要求，判断是否需要按维度分别计算留存率：
需要拆分 → 按维度分别计算，完成后进入步骤 5 无需拆分 → 跳过本步骤，直接进入步骤 5（最短路径在此跳过）
| 信号 | 示例 |
|---|---|
| 按已有维度拆分 | 「按渠道/端/国家/版本看留存」（维度已在数据中，直接分组计算） |
| 需发现未知用户子结构 | 「哪些用户群体留存更高」「用户自然分群后的留存差异」（走聚类分群） |
| 多维特征综合分群 | 需结合多个用户属性（消费、活跃、渠道等）划分群体再算留存（走聚类分群） |
| 信号 | 示例 |
|---|---|
| 仅看整体 | 「整体次日留存如何」 |
| 仅关注时间趋势 | 「最近一周留存率变化」（走步骤 5 时间对比，无需拆分维度） |
根据分析要求，判断是否需对不同时间、群体、地区等进行留存率对比：
需要对比 → 进行对比分析，完成后进入步骤 6 不需要对比 → 跳过本步骤，直接进入步骤 6
| 信号 | 示例 |
|---|---|
| 时间维度对比 | 「环比/同比变化」「最近 vs 历史」「留存率是否下降」 |
| 群体/空间维度对比 | 「不同国家/渠道/端/版本/实验组留存差异」「访问留存 vs 使用留存」「A 群 vs B 群」 |
| 显式对比/差异/优劣 | 「对比」「差异」「哪个更高/更低」「是否显著」 |
| 信号 | 示例 |
|---|---|
| 仅报告当前水平 | 「当前次日留存是多少」「整体留存表现如何」（步骤 3 结果已足够） |
| 单一对象无参照 | 只有一个时间点、一个群体，无对比参照物 |
示例（不同国家次日留存对比）：
业务日期,中国次日留存率,美国次日留存率
20251101,0.3856,0.4343
20251102,0.4288,0.4122
完成以上步骤后，围绕留不留、留多少、有没有变化汇总并输出。
| 字段 | 说明 |
|---|---|
| 执行内容 | 本步骤做了什么（含跳过的可选步骤及原因） |
| 取数文件 | 原始数据路径 |
| 中间产物 | 分群 JSON（若执行）、对比用 CSV（若执行） |
| 计算结果 | 留存率及对比分析结果路径 |
| 结论 | 留存率水平、关键节点、变化趋势、群体差异及显著性 |
汇总结构建议：