С помощью Data Explorer вы можете найти ответы, которые ищете. Однако есть нюанс: для этого требуется знание SQL и умение работать с данными.
Я делал что-то подобное и опубликовал об этом на своем блоге. Считаю, что для более зрелых сообществ отслеживание этого показателя очень важно. Вот запрос, который я использовал, чтобы увидеть, сколько людей оставались активными через месяц после регистрации:
select
to_char(date_trunc('month', u.created_at), 'YYYY Mon') "Join Date",
cast(sum(case
when first_post_created_at-u.created_at <= interval '30 days'
then 1.0
else 0.0
end) /count(*) as float) "Contribution Rate"
from users u
join user_stats s
on u.id = s.user_id
where u.created_at > '2004-10-01T00:00:00.000Z'
group by date_trunc('month', u.created_at)
order by date_trunc('month', u.created_at)
Это было полезно для анализа College Confidential, так как у него очень очевидные циклические закономерности: выпускники школ начинают задумываться о поступлении в ноябре, получают решения к марту и забывают об этом процессе летом. Не у каждого сообщества есть такая регулярность.
Одно предупреждение: я часто так погружался в данные, что упускал очевидные вещи, которые мог бы узнать, просто посмотрев вокруг на сайте. Объективные данные помогают подтвердить или опровергнуть субъективные наблюдения. Опасно принимать решения на основе данных без контекста. (Возможно, это больше разговор сам с собой, чем с вами!)