淺談用戶行為分析之“留存”

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

不同產品可以根據業(yè)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(fā)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(yè)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(fā)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(fā)起始事件的用戶中，有多少人發(fā)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(fā)生了起始事件的用戶在第二個時間周期內發(fā)生回訪事件的人數比率=(第二個時間周期內發(fā)生回訪事件的用戶數/第一個時間周期內發(fā)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：

某日觸發(fā)“起始事件”的用戶數;

追蹤這群用戶是否在第n日觸發(fā)“回訪事件”;

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(fā)“回訪事件”的用戶數 / 第0日觸發(fā)“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(fā)生回訪事件的用戶數/第0日發(fā)生起始事件的用戶數)×100%

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

某一天的7日留存=(第7日發(fā)生回訪事件的用戶數/第0日發(fā)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(fā)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?

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;

針對能夠計算n日留存的每一天，計算其第n日觸發(fā)“回訪事件”的用戶數之和 ;

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(fā)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?

記錄該周/月(第0周/月)內觸發(fā)過“起始事件”的用戶數;

追蹤這群用戶是否在第n周/月內是否觸發(fā)了“回訪事件”，并記錄這部分觸發(fā)“回訪事件”用戶的數量;

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(fā)過“回訪事件”的用戶數/第0周觸發(fā)“起始事件”的用戶數×100%

某一月的第n月留存=第n月觸發(fā)過“回訪事件”的用戶數/第0月觸發(fā)“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?

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;

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(fā)“回訪事件”的用戶數之和 ;

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(fā)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(yè)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(fā)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～

來源：人人都是產品經理

以上是關于用戶增長師的相關信息，以供大家查看了解。想要了解更多用戶增長師信息，第一時間了解用戶增長師相關資訊，敬請關注唯學網用戶增長師欄目，如有任何疑問也可在線留言，小編會為您在第一時間解答!