a.按照保单生效时间组织，且理赔也是按照保单生效时间汇总
图-4投保、理赔单数统计(按照保单生效时间)
分析结论：1月份生效的保单已经发生的理赔较多；后续生效的保单发生理赔的单数逐渐减少，部分原因是风险暴露需要一定时间，生效时间越长的保单发生理赔的可能性越高；
另外，整体生效投保单量在逐渐上升，其中8、9月份上升最多,8月份上升较多是因为8月份新增了较多的产品组合51090136(顺丰控股2016年员工计划方案1)-211084单，9月份上上较多是因为新增了产品组合51251107(学生幼儿纯意外方案)-109489单、以及产品组合51252513(尊享e生医疗保险（100万版）)新增加了保单量-37327单；
总之而言，两者是强相关的。并且来看,互联网保险各个产品需要精细化去运营。
链接：https://www.zhihu.com/question/28651001/answer/157864051
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
百度提供的计算规则：
留存率=新增用户中登录用户数/新增用户数*100%（一般统计周期为天）
新增用户数：在某个时间段（一般为第一整天）新登录应用的用户数；
登录用户数：登录应用后至当前时间，至少登录过一次的用户数；
次日留存率：（当天新增的用户中，在注册的第2天还登录的用户数）/第一天新增总用户数；
第3日留存率：（第一天新增用户中，在注册的第3天还有登录的用户数）/第一天新增总用户数；
第7日留存率：（第一天新增的用户中，在注册的第7天还有登录的用户数）/第一天新增总用户数；
第30日留存率：（第一天新增的用户中，在注册的第30天还有登录的用户数）/第一天新增总用户数。
其作用和目的：一般我们认为，如果用户在第7天登录，那么该用户很有可能成为稳定用户，对于产品更新或新产品上线可作为一个不错的验证方式。不过该中统计规则有一定的片面性，针对于高频和低频要考虑适当的变体。比如，一款健康管理的软件（该例子可能不够恰当），假设其应用场景是用户每天晚饭后会登录，那么用户再使用后即会退出，当天可能不会再查看。对于这种相对低频的应用，并非新闻类、社交类那么高频（所有碎片时间都可作为使用场景）。那么，很有可能有的用户2天或3天登录一次，那么针对这种情况，7天可变体为7-10天的留存率。其他，依具体情况而定。特别说明，留存率只能作为衡量产品效果的一个侧面，需要与其他数据相互配合，后续有机会再做交流。
