讀懂你的使用者留存

使用者留存

使用者自某段時期開始使用應用，在一段時間之後，仍然還在使用應用的被認做是留存；這部分使用者佔當時新增使用者的比例，即是留存率。

一定時期內的新增使用者，通常會隨著時間增長而不斷有人離開（留存不斷下降），直至他們的生命期結束，從資料上看是一條下降趨勢的曲線。對留存做分析時，不會只看乙個總體留存率資料，這意義不大，而是要觀測這條下降曲線的走勢。

了解留存

對留存進行分析的最常用方法是以日為單元，觀察某日的新增使用者在隨後每日的留存情況。

留存雖可能受到多種因素的影響，如：應用質量、使用者素質、應用的運營等等；但在推廣渠道、應用版本既定的條件下，每天的留存曲線不會有很大差異，因此即使只對一些典型日期做分析也非常有效。

通常，使用者隨時間推移的留存會明顯的出現三個時期，如上圖：

在行業中，很多應用都很重視首日留存率這項指標，這是對應用質量的直接反映，這項指標還可以在一定程度上說明使用者首次體驗的滿意度。

若從總體來看應用的留存，應該看進入穩定期後的平均留存，這才是應用日留存率的真實水平。留存穩定期所保留下的使用者，是最有價值的，他們提供了大量的流量，相對其他使用者各項轉化率也會更高。

另乙個需要關注的問題是留存要經過多久進入穩定期。應用通常都會通過一些運營手段（如使用者引導、每日獎勵等）來減緩流失，如果你應用的留存曲線很快就進入了穩定期，留存也很低，就只能說明你在運營方面做得實在太差了。

讀懂留存

通過對單日新增使用者的留存曲線做分析很直觀，但有些應用並不強調每日活躍狀態，他們可能希望使用者每週、每月（不要多想）定期使用，那麼就需要按週為單位做更粗粒度的分析。做法是按周（月）為單位來過濾出新增使用者，再看接下來的幾周（月）中他們的留存情況。

talking data中提供了一種直角圖來充分表現不同粒度的留存，幫助快速發現真相，可通過切換日、周、月來檢視最適合你應用的留存資料。

另一種talking data提供的留存圖表形象的稱為使用者流失漏斗，這種圖表更注重分析長期留存，可任選歷史上的某日、周，來檢視一批新使用者的長期保留狀況。

（benimaru zhang 供雷鋒網