编辑导语：留存率是衡量一个产品对用户是否有价值的最重要的指标，因此也成为产品运营们最为关注的话题之一。本文作者结合自身工作经验，总结分享了关于留存率相关的四个要点，希望对大家有所帮助。
其实产品领域的很多指标，都缺少业界通用的定义。并不是没有优秀的定义，只是还没有在业界普及开来。就拿最简单的产品转化率来说，有多少人能分清用户转化率和用户数比值的差异呢?
再比如复购率，A 产品的复购率是 60%，B 产品的复购率只有 40%，并不一定是 A 比 B 好，很可能是 A 在复购率口径的定义上取巧，让复购率显得好看一点，方便拉投资。从这一点来看，可以说我们现在所处的时间段，还是一个方法论初生的时间段。
那么当我们说到留存率时, 到底什么才是留存率?
有人说，今天来了，第2天还来，就是留存，第7天还来，就是7日留存。
这种说法还算符合常见的数据平台的定义, 不过还不够精准.
有人说，今天来了，7天之内又来过，就是7日留存。
别笑, 真的有某明星独角兽高管要求这么定义 n 日留存, 并且还说服了 CTO, 要照此开发相应的报表每日跟踪. 当时亲临其中的我, 只好委曲求全, 整出来两个概念, 一个叫第 n 日留存, 一个叫 n 日内留存.
抱着强势批判性思维, 我们先去看背后的业务目的, 有没有合理性:
想看 n 日内的“留存”，代表着想要看这么一种业务表现：T 日来的人，有多少在之后的 T 1 到 T n 日还来，这部分还来的人，才能算我留存下来的用户。而觉得不应该看第n日留存的原因，是觉得只看某一日来没来，过于随机了，要是用户 n 1 日或者 n-1 日来怎么办，不都没统计进去吗？
仔细品一品, 问题有两点:
看 n 日内留存的目的是为了看流失，即有多少人来过一次之后就不来了，然后通过流失反过来得出他想要的留存。出发点是合理的，但是方法确实不当。随着 n 的增加，n 日内留存下来的人会越来越多，换句话说随着时间的流逝，留存下来的人越来越多，这显然是反直觉的。不看第n日留存的原因是没有认识到留存率代表的是群体特征，而非个体特征。如果一张彩票的中奖率是 10%，有 100 万人买，那么我中奖还是不中奖，都改变不了最终有 10 万人会中奖的事实。同样的，对群体而言，单一个体是 n 1 日来还是 n-1 日来没有区别，在统计特征上影响不了群体中有多少人第 n 日回来。而拿单个用户谈留存率是没有意义的，你总不能说因为你中奖了，所以中奖率就是 100%，因为中奖率在讲的是买彩票的一大群人而不是你一个人——指标不适用。定义留存率的目的，是想要衡量我们从各个渠道那里所获得的流量，最终有多少留下来成为我们的忠实用户。从这个业务背景出发，真正的留存率，一定是针对新用户而言的。对着老用户谈“留存”，实际是在谈另外的业务，比如：
新用户留存下来成为老用户之后，有多少能继续留下来，这个业务应该叫用户流失，而不是留存新用户留存下来成为老用户之后，某天来过之后多少第二天还来，这个业务应该叫用户回访或者访问频次，而访问频次又是跟产品形态强相关的，微信每天不只使用一次，而经期管理类 App 一个月使用七八次就不错了而对于每日所有活跃用户的”次日留存”, 就更没有意义了. 这个虚假的数据指标完全被用户的构成所左右, 一部分是当日的新用户次留, 另一部分是当日的老用户的次日回访 (访问频次) . 当每日活跃用户 90% 以上是新用户的时候, 这个”次日留存”就会很低, 而 90% 以上是新用户的时候, 这个”次日留存”就跟产品形态强相关, 也就是忠实用户的平均使用频次.
所以科学的留存率（日）定义，应该是：T 日新增用户中，在第 n 日（即 T n 日）再次活跃的用户，占 T 日新增用户的比例。谷歌的官方说法更简洁，叫：Percentage of new users who return each day.
02 留存率应该怎么看通过上面的定义，我们再去看日留存曲线的时候，一定是一条这样的曲线：
通过这条曲线，我们可以清楚的知道每一天新增的这批用户，随着时间的流逝最终留存下来了多少。并且这条留存曲线一定是可以通过乘幂函数拟合的，把第 n 日的留存率记为 Ret(n)，则一定有：Ret(n)=a*n^b
这里说了这么多“一定”，其实是想强调留存曲线几乎是一条标准的客观规律，无论什么样的产品形态，都有这么一条曲线。他们可能有高有低、有急有缓，但是都可以用一条乘幂函数表示。而理解了留存曲线是客观规律这一事实，就能理解为什么我们可以用次日留存、7 日留存等作为产品的重要指标了：因为他们都是对留存曲线一整条曲线的点估计。
说白了，就是把一整条曲线降维成一个点，这样我们就可以每天观察这个点的变化情况，从而得知产品的留存状况是变好了还是变坏了。下图中是次日留存和 7 日留存的变化曲线，X 轴是日期，Y 轴是留存率，业务含义即在 X 日新增的用户，其对应的 n 日留存率是 Y。很明显，如果没有这种降维方法的话，我们就要给每一天画一条留存曲线了，几十条留存曲线摆在一起是看不出来留存随日期的趋势变化的。
当然, 有降维就一定有信息损失. 所以我们还是要注意多角度的观测留存曲线才行. 留存曲线有两个重要特征:
如果我们想要提高产品的留存表现, 就要从这两个方面出发, 缩短用户群组进入平稳期的时间 (尽快激活) , 并且让更多的用户进入平稳期 (激活更多) .
03 次日留存的意义总有这样一种观点，认为自己的商业模式是很低频的模式，用户往往要几个月才会消费一次，比如酒店、旅游，所以次日留存没有意义，也不需要提高次留。
我想从几方面多角度地全方位批评一下.
你以为用户次日不来，次月就会来了？Naive，第二天都没有用户想起你来，一个月之后用户早就把你忘光了，都去隔壁消费了用户的转化是一个过程而不是一个点，一定是从认知、认可再到认购的过程，次留代表的就是认可。只有用户认可你了，才会有后续的认购。越低频的产品，用户的决策链路越长，往往花几个月的时间货比三家，最后决定性的几分钟完成交易链路上的转化。想想如果在这几个月的时间内用户从来都没有访问过你的产品，会是多可怕的事情。所以对低频产品来说，次留同样重要。并且由于留存曲线是一条统计意义上的曲线，次留是 15% 并不代表只有 20% 的留下来，可能拉长到一个月时间后，总共有 40% 的用户留下来。然而通过把次留从 15% 做到 20%，你是可以预知到一个月后留存下来的用户有可能超过 50% 的。这也是这个数据指标的重要价值：通过量化的方式衡量业务表现的变化，并且尽可能的更早发现变化。注意重点是衡量业务变化，而不是衡量业务，如果没看懂，建议仔细品一品。
另外衍生一点, 次留可以不拘泥于 App, 小程序这些具体形态上, 从更高的层面上, 应该聚焦到产品价值本身的留存上. 如果能通过搜索引擎, 社交媒体等, 持续的让用户体验到你的产品的核心价值, 就能做到用户留存了. 通过 RSS 订阅的方式订阅和持续阅读少数派的文章, 即使不访问少数派 App, 这个用户也是少数派的留存用户, 也会产生实际价值, 比如购买少数派的周边.
04 从平台留存到细分功能留存上面我们谈到留存率时, 都是面向整个产品或者说整个平台的, 比如电商 App 平台的新增用户有多少留存下来. 而当平台所提供的产品价值不止一种时, 就会衍生出多种多样的细分功能留存.
拿美团来讲, 巨无霸美团提供了哪些不同的产品价值呢:
作为一个超级 App, 融合了多种服务, 提供了多样的产品价值. 对于每种服务, 可以看到美团都有做新用户的营销活动, 比如没用过买菜服务的用户, 进入买菜频道的时候还是能享受到新用户优惠. 相应的, 只要存在”新用户”的概念, 就存在于新用户对应的留存概念: 买菜服务的新增用户中, 有多少会留存下来持续使用买菜服务.
甚至就算不是超级 App, 也可以细分出更精细的留存. 拿普通电商来说, 可以细分到品类的留存, 频道的留存:
女装品类，每天浏览女装品类的新增用户中有多少留存下来持续浏览女装秒杀频道，每天秒杀频道的新增用户中有多少留存下来持续使用秒杀频道……当用户在多个不同的服务中留存时, 代表着用户对产品价值的认可, 相应的, 整个平台对用户产生的总的产品价值就更大了, 也就意味着平台的留存会随着细分功能的留存提高而提高.
05 结语相信大家看到这里已经对留存的基础概念有了相对全面的了解。通过制定正确的留存指标，我们才能更好的发现产品的问题。否则很有可能做了一堆事情，不小心影响了产品黏性，结果还看到“留存率”变高了——新用户流失，老用户占比越来越多，大盘留存反而会变好。
本文由 @Guibin 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
游戏数据分析之什么是留存率
在网站分析、电商分析、网游分析中，对于留存率的关注度极高，这一浪潮随着APP应用、社交游戏的火爆逐渐成为一个很重要的衡量准则，也甚至有了40-20-10准则。对于这个准则不予评价，今天就是简单说说留存率就是是个什么玩意。留存率顾名思义，就是留下来存在的比率。从时间上我们分为次日、三日、七日、14日、30日、90日、180日。从用户上来分，有新登用户和活跃用户两大类。但是我们大多数是关注时间次日、三日、七日，用户是新登用户。下面具体说说这些个概念以及为什么是这样定义形式。
次日留存率：新登用户在首登后的次日再次登录游戏的比例；
3日留存率：新登用户在首登后的第三天再次登录游戏的比例；
7日留存率：新登用户在首登后的第七天再次登录游戏的比例。
客户留存率 是什么意思
用户留存率是指在某一统计时段内的新增用户数中再经过一段时间后仍启动该应用的用户比例。
用户保留率可以集中在第二天、第7天、第14和30日的保留率。
第二天的保留率是新用户在第二天 (如今天) 在统计时间 (例如, 明天) 再次启动应用程序的比例;第7保留率即, 新用户在某一统计时间的比例, 如今天, 在第7天再次启动应用程序;保留率, 类推, 14 和30。用户保留率是验证产品用户吸引力的重要指标。
通常, 我们可以使用用户保留率将用户吸引力与同一类别应用中的不同应用进行比较。如果对于应用程序, 在相对成熟的版本中, 如果用户保留率发生了重大变化, 则用户质量会发生重大变化, 这很可能是由于升级渠道质量的变化。
扩展资料：
一、用户留存率计算公式
留存率=登陆用户数/新增用户数*100%。
新增用户数：在当前时间段新注册（或新访问）的用户数。
登录用户数：在统计的时间段至少登录过一次的用户数。
次日留存率：在次日至少登录过一次的用户数/当天新增的用户数。
3日留存率：在往后3天内至少登录过一次的用户数/当天新增的用户数。
7日留存率：在往后7天内至少登录过一次的用户数/当天新增的用户数。
15日留存数：当天新增的用户数，在往后7天内至少登录过一次的用户，在往后第8天到第14天内至少再登陆过一次的用户数。
二、用户留存率的作用
在互联网时代, 无论是网站、新手机 APP 还是传统软件程序, 无论您是否付费, 一旦用户活动下降, 都需要维护用户的活动, 它是指用户的离开或丢失。
基于此, "保留" 的概念可用于分析应用或网站的效果, 以及是否可以保留用户。
因此, 保留率实际上反映了一个转化率, 即从最初不稳定的用户到活跃用户、稳定的用户、忠诚的用户的过程, 随着此保留率统计过程的不断扩展, 您可以看到用户的变化在不同的时间。
这是因为保留的目的是研究新用户, 即在未来几天、几周和几个月的某个时间点研究一组用户的生命周期, 并从宏观上了解用户生命周期的长度和改进的范围 "我们可以改进的帽子。所以问题是, 我们为什么要看新用户？
正如我们刚才所说, 我们要从宏观上观察用户的生命过程, 那么我们最好的办法就是从用户导入期开始。
所谓的导入期是用户注册或初次访问, 这个地方我们的分析实际上有很好的前景, 因为用户进入网站或注册从不同的渠道, 渠道数据和保留率数据链接, 可以一个完整的测量每个通道的质量。
一般来说, 这些指标的保留率是长期持续跟踪所必需的, 并根据版本更新、推广等诸多因素结合分析, 试图找到用户的最佳生命周期并开发相应的策略, 以提高网站或程序的质量。
二、用户留存率的作用
互联网时代，无论是网站还是新兴的手机APP或传统的软件程序，也不管付费与否，都需要保持用户的活跃度，一旦用户的活跃度下降，就意味着用户的离开或流失。基于此，“留存”的概念就可以用来分析应用或者网站的效果，是否能够留住用户。
因此，留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程，随着这个留存率统计过程的不断延展，就能看到不同时期的用户的变化情况。
之所以是这样，是因为留存是以研究新登用户为目标对象的，即研究某一个时间点的一批用户在随后的几天、几周、几个月的时间内的生命周期情况，从宏观上把握用户的生命周期长度以及我们可以改善的余地。
因此这里就引申出一个问题，我们为什么要研究的是新登用户？如刚才所说的，我们要宏观观察用户的生命进程情况，那么我们最佳的办法就是从用户导入期就开始。
所谓导入期就是用户注册或初次访问，这个地方我们的分析其实大有作为的，因为用户进入网站或注册时来源于不同的渠道，把渠道的数据与留存率数据关联起来，就能够完整地衡量各个渠道的质量。
一般来说留存率这类指标是需要长期持续跟踪的，且要根据版本更新，推广等诸多因素结合起来分析，试图去找到用户的最佳生命周期并制定相应的策略提升网站或程序的质量。
参考资料来源：百度百科-用户留存率