需先上传含user_id、event_time、event_type字段的Excel日志，确认结构后调用Skill或运行Python脚本计算次日/7日/30日留存率，再绘折线图分析衰减趋势，最后识别D1→D7为最大流失窗口。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在20分钟内完成一份用户留存分析报告，包含次日/7日/30日留存率计算、留存曲线绘制、关键流失节点识别，且原始数据是Excel格式的用户行为日志表。这一步操作起来很简单，直接把文件拖进去就行。
导入数据并确认结构
打开CodeBuddy IDE，点击左上角「+ 新建项目」→ 选择「Craft模式」→ 在弹出窗口中点击「上传文件」，将用户行为日志.xlsx拖入上传区。
上传完成后，系统自动解析表头。输入提示词：“请读取该Excel文件，告诉我总行数、字段名及前3行样例数据。”
【必须确认字段含“user_id”“event_time”“event_type”】——若缺失任一字段，后续留存计算将无法执行，需退回Excel手动补全后再重传。
计算三档留存率
方法一：用内置留存分析Skill（推荐）
在对话框输入：“调用留存分析Skill，以user_id为唯一标识，event_time为时间戳，计算次日、7日、30日留存率。”
方法二：手动触发Python脚本
输入：“生成一段Python代码，使用pandas读取数据，按注册日分组，统计各日期后第1/7/30天仍有活跃记录的用户占比。”
CodeBuddy会自动生成可运行脚本，并在右侧预览窗实时输出三组留存数值。注意：若event_time未被识别为datetime类型，脚本会报错，此时需追加指令：“先将event_time列转为datetime格式，再执行留存计算。”
绘制留存衰减曲线
第一步：确保已生成留存率数据表（列名为date、day1_retention、day7_retention、day30_retention）
第二步：输入：“用matplotlib绘制折线图，横轴为日期，纵轴为留存率，三条线分别代表D1/D7/D30，图标题为‘用户留存衰减趋势’。”
第三步：点击生成图表右侧的「导出PNG」按钮，保存至本地桌面。
这一步无需手动调参，CodeBuddy默认启用平滑插值和网格线，视觉清晰度足够汇报使用。
定位高流失时段
输入：“对比D1→D7→D30留存率变化幅度，找出降幅最大的相邻周期，并指出该周期对应的具体天数区间。”
CodeBuddy返回结果示例：“D1到D7留存率从42.3%降至18.6%，单周流失率达56.0%，为主要流失窗口；建议重点检查用户注册后第2–7天的功能引导与首次付费转化路径。”
如需下钻分析，可追加指令：“筛选出注册后第2–7天内无任何event_type=‘purchase’记录的用户列表，导出为loss_leads.csv。”
