工具说明
一、工具简介
行为成瘾程度分析是面向连续行为的基础监控分析工具，适用于游戏、手机 APP等需要观察用户「是否持续回来」的产品。
不依赖用户首日或历史依赖关系：任意一天都可作为 cohort 起点。以「某日有行为的用户」为 cohort，看这批人在次日、隔日、第 N 天仍有行为的比例，形成 cohort 日期 × Day N 的留存矩阵，便于快速判断各日用户的粘性与成瘾程度。
核心能力
- 按日历日定义 cohort：某日有行为的所有去重用户即为该日 cohort，不要求该日是用户「首日」
- Day N 留存率：该 cohort 中在「cohort 日 + N 天」仍有行为的人数 ÷ 该日 cohort 人数，输出百分数（保留 2 位小数）
- 三角矩阵：行 = 各行为发生日（升序），列 = Day 0、Day 1、…，一格一率，便于横向对比不同日期的用户粘性
适用场景
- 游戏：登录、对局、付费等行为按日汇总，看「某日活跃用户」在后续几天仍有活跃的占比，监控留存与成瘾程度
- 手机 APP：打开、使用核心功能、签到等行为按日汇总，看连续使用比例，做基础留存与粘性监控
- 其他连续行为：凡有「用户 ID + 行为日期」的埋点或日志，均可按日聚合后做同样的 cohort 留存分析
数据要求
上传 Excel 或 CSV（UTF-8），至少包含：
- 用户 ID 列：能唯一标识用户（如 UID、设备 ID、账号 ID）
- 行为日期列：每条记录的行为发生日期，格式如 2026-03-01 或 2026/3/1
- 行为标签列（可选）：行为类型或名称，用于区分不同行为，本计算按「用户 + 日期」去重，标签可用于筛选或校验
同一用户同一天多条记录只计 1 次；任意一日均可作为 cohort 日，无需依赖「首日」或此前是否有行为。