用户生命周期

用户生命周期（Lifecycle）按用户活跃状态划分阶段，统计各阶段用户分布，回答"用户处在生命周期的哪个阶段"。对应后端 AnalyticsService.Lifecycle。

一、它能回答什么问题

  • 当前用户里，多少是新用户、多少是活跃老用户、多少流失了？
  • 流失阶段用户占比是否在扩大？（流失预警）
  • 回流用户（曾流失又回来）有多少？

二、生命周期阶段

阶段标识含义
新用户new_user注册距今 ≤ new_user_days（默认 7 天）
活跃active近期活跃的非新用户
留存retained持续活跃的老用户
流失churned最后活跃距今 > churn_days（默认 30 天）
回流reactivated曾流失、近期又重新活跃

判定基准日为 time_range.end_ms（视为"今天"）。

三、后端接口

gRPC：AnalyticsService.Lifecycle

字段类型说明
time_rangeTimeRange时间范围（end_ms 视为基准日）
app_iduint32（可选）按应用过滤
new_user_daysuint32（可选）新用户判定天数，默认 7
churn_daysuint32（可选）流失判定天数，默认 30

响应 LifecycleResponse：stages[]（LifecycleStage 含 stage / stage_label 中文名 / user_count / percentage）、total_users。

HTTP（admin 转发）

POST /admin/v1/analytics/lifecycle
Content-Type: application/json

{
  "timeRange": { "startMs": 1718169600000, "endMs": 1718774399000 },
  "newUserDays": 7,
  "churnDays": 30
}

四、典型场景

用户健康度总览

查当前各阶段分布，做成饼图。理想结构是"活跃+留存"为主、新用户持续流入、流失占比可控。

流失预警监控

对比不同时间点的流失阶段占比，若 churned 占比持续上升，触发流失预警，配合 流失回流分析 深挖。

新用户引导效果评估

调整 new_user_days，看新用户阶段规模变化，评估拉新与新手引导效果。

五、注意事项

  • 阈值可调：new_user_days 和 churn_days 决定阶段划分，不同业务（高频工具 vs 低频 SaaS）应设不同阈值。
  • 基准日是 end_ms："今天"由 time_range.end_ms 定义，不是服务端实时时间。
  • 依赖活跃记录：阶段判定基于用户最后活跃时间，需事件持续上报才准确。
  • 阶段互斥：每个用户只归入一个阶段，各阶段 user_count 之和 = total_users。

六、相关文档