analysis-retention 使用指南
analysis-retention：線上輸入引數即可即時得到結果，無需安裝與註冊。
功能說明
analysis-retention：線上輸入引數即可即時得到結果，無需安裝與註冊。
典型使用場景
- 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。
算例參考
- 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。
注意事項
本工具純前端執行，輸入內容不上傳伺服器；結果為按上述口徑得到的理論估算值。實際應用受裝置引數、測量條件與當地規範影響，請以裝置銘牌、檢測報告與現行標準為準，重大決策建議諮詢專業人士。
- 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。