資料分析(會員/課程/留存)

📖 Membership, Class and Retention Data Analysis

Data Analysis

📐 計算原理

輸入期初使用者(會員)數與期末留存數,以及統計週期月數,自動計算整體留存率、流失率與月均流失率,用於會員 / 課程粘性分析。計算在瀏覽器本地完成。

📚 深度解析:資料分析(會員/課程/留存)

💡 常見使用場景

  • 彙總月度留存率、出勤率等一串指標,快速得出均值/中位數/極差,判斷整體水平與波動幅度。
  • 對比不同門店或不同課程的會員留存資料,用中位數與標準差識別異常店與波動大的課程。
  • 季度復盤時把每天的新增/流失/留存數貼上進來,一次性算出總量與離散程度,作為運營 KPI 複核依據。
可復現算例:4 個月留存率統計
輸入「72,75,68,80」(單位 %)。 資料量 n=4;總和 295.00;平均值 73.75;中位數 (72+75)/2=73.50;最小值 68;最大值 80;極差 12.00;方差 19.19;標準差 4.38。 讀法:均值 73.75% 與中位數 73.50% 接近,說明 4 個月留存水平穩定;標準差 4.38 個百分點屬正常波動,無需對單月下滑過度反應。 若某月跌到 68 而其餘三個月在 72–80,則極差被拉大、均值被拉低,應優先排查該月課程或教練變動。

❓ 常見問題(FAQ)

方差/標準差用總體還是樣本口徑?
本工具用總體口徑(除以 n),因為貼上進來的這組資料就是你要分析的全部指標。樣本口徑(除以 n−1)會略大,用於由樣本推斷總體,兩者數值接近時結論一致。
為什麼均值和中位數都要看?
均值受極端值影響大,中位數不易被極端值帶偏。兩者接近說明資料分佈均勻;均值明顯低於中位數說明存在偏低異常月,需定位具體原因。
⚠️ 使用說明與注意事項
📖關於「資料分析(會員/課程/留存)」 ▼

📝工具簡介

資料分析(會員/課程/留存)。免費線上工具,純前端處理,資料不上傳,保護隱私安全。

✨功能特點

🎯使用場景