做用戶行為分析時，留存是我們工作中需要關注的一大重要指標。那么，留存如何定義？留存的計算方法和使用場景又是什么？本文就此問題從三個方面做了分析。推薦對用戶分析感興趣的小伙伴閱讀，希望對你有所幫助。

淺談一：如何定義

用戶的留存，故名思義，就是用戶留下了。留存的定義是首次使用后第N天回來的用戶比例。

在用戶行為產品中，我們可以對留存有著更精細的定義：留存就是第一個時間周期內發生了起始事件的用戶在第二個時間周期內發生回訪事件的比率。

所以留存的計算方法就是：

（第二個時間周期內發生回訪事件的用戶數/第一個時間周期內發生了起始事件的用戶數）×100%。

不同產品可以根據業務情況，定義不同的起始事件、回訪事件和時間周期長度。

有些產品會直接將起始事件和回訪事件都定義為“打開應用/瀏覽網頁”，比如某些游戲產品/社交產品（因為用戶打開這些產品的目的很明確，基本就是玩游戲/聊天，因而可以直接用“打開應用/瀏覽網頁”定義起始&回訪事件）。

舉個例子，假設一款游戲產品在定義留存時，將起始事件和回訪事件都定義為“打開應用”，將觀察周期設定為一周。也就是說，用戶打開游戲（觸發了起始事件）后，如果在次周再次打開了游戲，那么該用戶就算作是這款游戲的次周留存用戶。

當然，也有很多產品會對起始事件和回訪事件做出不同的定義。這與產品本身的業務需求有關。比如一款健身類app，如果僅僅用“打開應用”作為起始&回訪事件，就不太合適——用戶打開這個app可能沒有真正按照app的指導去健身，僅僅是看了看而已，這種“圍觀黨”對于健身app來說其實是容易流失的。

把再次打開應用的用戶都算作是留存用戶，可能無法為產品的運營與發展提供真正的依據。這種情況下，如果我們把起始事件設定為“打開應用”，回訪事件設定為“完成1次健身”，再輔之以適當的觀察周期，就可以更好的了解用戶在產品中的留存情況。

淺談二：如何計算

留存分析主要關注的是在觸發起始事件的用戶中，有多少人發生了回訪事件。

舉一個在某用戶行為分析產品的計算方式：

留存=第一個時間周期內發生了起始事件的用戶在第二個時間周期內發生回訪事件的人數比率=（第二個時間周期內發生回訪事件的用戶數/第一個時間周期內發生了起始事件的用戶數）×100%

根據這一公式，我們來具體剖析各種留存的算法。

1. 日留存的計算

（1）某一日的次日/3日/7日/n日留存怎么算？

在計算這類留存的時候，我們實際上是以“日”作為觀察周期的單位。我們要關心的內容是：

1. 某日觸發“起始事件”的用戶數；
2. 追蹤這群用戶是否在第n日觸發“回訪事件”；
3. 得到第一步和第二步中的用戶數量后：

某一日的n日留存=第n日觸發“回訪事件”的用戶數 / 第0日觸發“起始事件”的用戶數×100%。

根據上面的步驟，我們很容易得出：

某一天的次留=（第1日發生回訪事件的用戶數/第0日發生起始事件的用戶數）×100%

某一天的3日留存=（第3日發生回訪事件的用戶數/第0日發生起始事件的用戶數）×100%

某一天的7日留存=（第7日發生回訪事件的用戶數/第0日發生起始事件的用戶數）×100%

（注：除此之外，還有部分數據產品將觸發起始事件的那一天定義為第1日，可能會對留存的計算造成一定影響，我們在分析時應對此加以留意。）

（2）某段時間范圍內的次日/3日/7日/n日留存怎么算？

1. 在所選時間范圍內，篩選出能夠計算n日留存的每一天，并記錄與之對應的，每日完成“起始事件”的用戶數之和；
2. 針對能夠計算n日留存的每一天，計算其第n日觸發“回訪事件”的用戶數之和 ；
3. 得到第一步和第二步中的用戶數后：

某段時間范圍內的n日留存=step2中的用戶數/step1中的用戶數×100%

在圖中，我們選定的時間范圍為最近8天（20200831-20200907）。此時我們想要計算這8天內的5日留存數據，如何計算出來的呢？

最近8天的5日留存率=（20200831-20200907每一天的5日留存用戶數之和 / 20200831-20200907每一天發生起始事件的用戶數之和）*100%；

2. 周/月留存的計算

（1）某一周的n周留存怎么算？某一月的n月留存怎么算？

1. 記錄該周/月（第0周/月）內觸發過“起始事件”的用戶數；
2. 追蹤這群用戶是否在第n周/月內是否觸發了“回訪事件”，并記錄這部分觸發“回訪事件”用戶的數量；
3. 得到第一步和第二步中的用戶數后：

某一周的第n周留存=第n周觸發過“回訪事件”的用戶數/第0周觸發“起始事件”的用戶數×100%

某一月的第n月留存=第n月觸發過“回訪事件”的用戶數/第0月觸發“起始事件”的用戶數×100%

（2）某段時間范圍內的周留存/月留存是多少？

1. 在所選時間范圍內，篩選出能夠計算n周/n月留存的每一周/月，并記錄與之其對應的，每周/月完成“起始事件”的用戶數之和；
2. 針對能夠計算n周/n月留存的每一周/月，計算其第n周/月觸發“回訪事件”的用戶數之和 ；
3. 得到第一步和第二步中的用戶數后：

某段時間范圍內的n周/月留存=step2中的用戶數/step1中的用戶數×100%

舉個例子，如何計算“最近6周的2周留存”呢？

在圖中，我們選定的時間范圍為最近6周。

我們在 2012年02月26號選擇時間范圍為“最近6周”，一周周期默認為“周一至周日”，最近六周選擇如下：

書歸正傳，此時我們想要計算最近6周的2周留存數據，是如何計算出來的呢？

最近6周的2周留存 =（每一周的 2周留存用戶數之和 / 每一周的發生起始事件的用戶數之和）×100%

淺談三：留存分析，場景應用

日常工作中，留存分析常用于下述場景：

1. 了解一個渠道的質量

可以使用「日留存」來衡量各渠道用戶的表現，并以此作為衡量渠道質量的標準之一。如對不同渠道來源的用戶進行次日留存、7日留存的對比（不同行業可能選擇不同周期），以此衡量不同渠道的用戶留存情況。一般來說，留存情況較好可以反應這個渠道質量較好。

2. 判斷運營手段/某項功能改動是否奏效

當我們期待某個運營手段/某項功能可以期提升留存時，可以對通過分析該運營手段/功能，「覆蓋到的新用戶」和「未覆蓋到的新用戶」的留存率，對兩部分用戶的留存進行對比，來驗證手段/功能的有效性。

以貼吧為例，該貼吧想檢驗“看貼”功能是否對新用戶的留存是有提升效果，于是對同樣來自A渠道的新用戶（一部分使用了看貼功能，一部分沒有使用看貼功能）進行留存對比。

通過比較發現，使用過看貼功能的新用戶，三日留存率比未使用過該功能的新用戶，多了10%以上。這說明“看貼”功能對新用戶留存有著正向促進作用。

3. 衡量一個產品是否健康

可以使用「周留存」、「月留存」等指標觀察用戶在平臺上的粘性，衡量產品的健康情況。

當然，除此之外，不同產品可能有更多的分析方法，在此我們不作一一列舉。

總的來說，今天我們通過介紹留存的定義、計算方法和使用場景，深扒“留存”。未來，留存應當是我們工作中需要關注的一大重要指標。如果想要更加深入地學習留存分析，需要在實際的工作當中實踐它～