留存与流失分析
留存与流失分析是研究用户持续使用产品的情况及其中断使用原因的分析方法，是评估产品黏性和用户价值的关键指标体系。
主要方法
留存分析
追踪用户在不同时间周期内（如第1天、第7天、第30天）的持续活跃情况，评估产品的用户留存能力。
Cohort同期群分析
将用户按特定属性（如注册时间）划分为同期群组，追踪分析不同群组随时间的留存表现。
流失预测模型
利用机器学习方法，基于用户历史行为和特征，预测用户未来流失的可能性。
核心指标
留存率指标
- 次日留存率：用户次日回访比例，反映产品的短期吸引力
- 7日留存率：用户第7天回访比例，反映产品的中期吸引力
- 30日留存率：用户第30天回访比例，反映产品的长期吸引力
- 自定义周期留存率：根据业务特点定义的特定周期留存率
流失相关指标
- 流失率：特定时间段内流失的用户比例
- 平均生命周期：用户从首次使用到最后活跃的平均时长
- 流失预警率：被标记为有流失风险的用户比例
- 挽回率：成功挽回流失用户的比例
分析维度
- 时间维度：不同时间段的留存率变化趋势
- 渠道维度：不同获客渠道用户的留存差异
- 用户属性维度：不同人口特征用户的留存差异
- 行为维度：不同使用行为用户的留存差异
- 产品版本维度：不同产品版本的留存率对比
- 功能触达维度：接触不同功能用户的留存差异
应用场景
- 产品评估：通过留存率评估产品的用户价值和市场竞争力
- 版本迭代评估：对比不同版本的留存率变化，评估迭代效果
- 精细化运营：针对不同留存特征的用户群体制定差异化运营策略
- 流失预防：识别高流失风险用户，采取主动干预措施
- 用户回流：分析已流失用户特征，制定有针对性的召回策略
常见流失原因
- 价值感知不足：用户未能感受到产品的核心价值
- 使用障碍：产品存在使用难度或体验不佳的问题
- 替代品出现：市场出现更具吸引力的替代产品
- 需求变化：用户需求发生变化，产品不再适用
- 使用习惯中断：外部因素导致用户使用习惯被打断
与其他方法的关联
留存与流失分析可以：
- 与用户价值分层结合，分析不同价值用户的留存特征
- 为行为路径分析提供用户流失节点的洞察
- 与用户聚类与画像结合，发现高留存/高流失用户的共同特征
- 支持用户行为洞察-适用场景中的多种应用场景