概念上是一个布尔值（用户是否在注册后的某一天登录？），但我们将其定义为整数，因为它允许我们轻松计算和绘制在给定日期登录的用户比例通过计算平均值来计算天数 – 例如在 R 中使用以下代码：

有了这个规范，我们就可以开始查询数据并最终分析它。第 7 步：我感兴趣的样本量和时间段是多少？数据截止是否有任何阈值？

我们越来越接近真实的数据—这步最终涉及编写些代

码。我们需要什么样的数据来生成上面绘制的图表？我们的样本 马其顿手机号码列表 应该有多大？我们对哪个时间段感兴趣？在可视化数据之前，我们是否需要任何其他额外的检查？

在我们的示例中，我们首先要查看通用的用户保留曲线，以确定群组保留在哪个点趋于平缓。因此，我们需要检索一些初始数据并生成一个群组保留图表，如下所示：

队列保留曲线示例注册后 90 天后，留存曲线趋于平缓。因此，我们可以将分析限制在这个时间段内。

此外我们需要为自变量定义一些阈值请记住这是我

们要分析的 3 个假设在旅程早期与其他用户建立联系的用户更有可能被保留在旅程早 来电清单 期将主题添加到个人资料的用户更有可能被保留

H3：在用户旅程早期发布的问题得到答案的用户更有可能被保留为了分析这些假设，我们首先需要检查注册后几天内关注事件、添加的主题和收到问题答案的分布情况，以确定截止日期。