留存分析
留存分析是追踪用户在不同时间周期内持续活跃情况的分析方法，用于评估产品的用户黏性和长期价值。
基本概念
- 留存率：特定用户群在初始活跃后的第N天/周/月仍然活跃的比例
- 流失率：1 - 留存率，即用户不再活跃的比例
- 回流率：曾经流失但又重新活跃的用户比例
常见留存周期
-
次日留存率（Day 1）
- 衡量产品的短期吸引力
- 对游戏、社交等高频应用尤为重要
-
7日留存率（Day 7）
- 衡量产品的中期吸引力
- 反映用户对产品的初步习惯养成
-
30日留存率（Day 30）
- 衡量产品的长期吸引力
- 反映产品的核心价值和用户黏性
-
自定义周期留存率
- 根据产品使用频率特点定义
- 如周留存、月留存、季度留存等
分析方法
留存曲线分析
- 绘制从Day 1到Day N的留存率变化曲线
- 识别留存率陡降的时间点
- 分析不同版本、不同用户群体的留存曲线差异
留存矩阵分析
- 构建日期-留存率的二维矩阵
- 横向查看特定用户群的留存趋势
- 纵向比较不同时期获取用户的留存差异
功能留存分析
- 分析用户使用特定功能后的留存情况
- 识别对留存贡献较大的核心功能
- 优化功能体验提升整体留存
时段留存分析
- 分析不同时间段（如早上/晚上）活跃用户的留存差异
- 发现高留存时段特征
- 调整运营策略提高低留存时段表现
留存率提升策略
-
提升首日体验
- 优化新用户引导流程
- 快速展示产品核心价值
- 降低使用门槛和学习成本
-
建立使用习惯
- 设计合理的触达和激励机制
- 建立用户使用节奏
- 社交属性增强和用户互动促进
-
持续价值提供
- 内容持续更新和丰富
- 个性化推荐满足长期需求
- 建立成长体系和成就感
-
主动流失干预
- 识别流失前兆和预警
- 针对性触达和价值提醒
- 特殊激励挽回流失用户
留存分析案例
- 内容型产品：分析不同内容类型对用户留存的影响
- 社交型产品：分析好友数量与留存率的关系
- 工具型产品：分析核心功能使用频率与留存的关系
- 游戏型产品：分析游戏进度与留存率的关联
与其他方法的关联
留存分析是留存与流失分析的基础方法，可以：
- 与Cohort同期群分析结合，深入分析不同用户群体的留存特征
- 为流失预测模型提供关键输入指标
- 与用户价值分层结合，分析不同价值用户的留存差异
- 支持行为路径分析，识别促进留存的关键路径