用户留存分析的逻辑细节及常见产品化思路

01

—

首先，我们看看什么是留存分析。

（1）可视化呈现

我想，这个图大家应该都不陌生：

是的，这是一个典型的用户留存分析图。

通常来讲，在这个图的左侧第一列是用户的获取时间，右侧是用户在后续第一天（周、月）、第二天（周、月）……依然有操作行为的用户数量以及留存率。这里的留存率=具体后序天用户数量÷用户获取天的总用户量（即上图中的第二列）。

时间粒度可以是天、周、月，甚至是年均可。

（2）分析的内容及意义

其实从上面的图中，包括留存分析的名称中，我们也能看出来，留存分析是用来分析新获取的用户在获取后的一段时间内，在网站或者APP的留存情况的分析。

直击本质，其实留存分析是将用户按照日期维度进行展开，看在展开日期中的行为表现，而主要看的是是否还属于网站用户，即留存。

这样展开后，一个非常大的好处是，可以分析用户的留存质量，避免出现新用户过多掩盖掉留存质量差的状况。

（3）关于留存分析的概况指标

当然了，上面的可视化的留存分析图比较复杂，主要是涉及到了一个日期的矩阵，虽然很直观，但是信息比较分散。有时为了汇报、做分析，我们需要一个更概况的指标。

这一般就是日期留存率。比如：7日留存率、14日留存率、次日留存、月留存率等（注意30日留存和月留存不是一个概念，周留存和7日留存也不一样）。

强调：只说留存率不提日期就是耍流氓。因为明显时间越长留存越少，不同时间周期的留存是没有对比意义的。

具体计算比较好理解了，就是按照上图，将符合对应日期留存的用户加和做分子，对应的总用户做分母。

通过这一番操作，用一个指标衡量留存情况，就更加便捷了。

留存、漏斗与路径分析

留存分析是否和路径分析、漏斗分析两个分析有一些关联呢？

答案是肯定的。

（1）相同点

这三个分析内容，都是针对用户的分析。

具体而言，都是针对用户在一段时间内，在不同的核心路径、或者产品环节发生的行为表现分析。

（2）差异点

这三个分析的侧重点是不同的。

• 漏斗分析：侧重于核心产品流程，比如搜索、浏览、加购、下单、支付环节，分析用户在各个环节的转化流失情况。

• 路径分析：侧重于明细的产品环节的链路流转，主要是了解用户在各个模块、各个产品环节之间是如何进行操作行为的。

• 留存分析：侧重于分析用户随着时间变化的活跃情况。
  

（3）关联（这部分很重要哦）

其实，这三者也是有一定关联的。

我们可以把漏斗分析看作是一个概括的分析，分析一段时间内用户在核心产品流程上的转化率、流失情况。漏斗分析是事先固化了具体的行为链路，比如先搜索、后加购、再下单、支付。

但实际呢？用户的行为是千变万化的，肯定有用户加购以后又进行了搜索，或者下单以后进行了浏览等。所以不是按照漏斗分析这么理想的顺序来的。那如果想去分析用户具体的在各个产品环节的跳转路径，就需要将用户实际的行为顺序拆解开进行分析，这就是路径分析。

但这不代表漏斗分析没有意义。它固化了流程，也简化抽象了流程，虽然不能反映细节的路径关系，但是能分析整体的各个环节的转化。

漏斗和路径分析都更加注重于产品环节。如果想分析时间层面用户的行为表现呢？对，从产品环节中选择两个环节（或者两个衍生逻辑的环节），按照时间维度展开，就是留存分析了。

这是个人对于这几个分析的一点看法。

留存分析的产品化实现

最后我们简单聊聊关于留存分析的产品化实践。

（1）开始结束行为

首先，要明确的是开始和结束日期行为的定义。我们上文提过，留存分析看的是两个产品环节之间的时间展开。我们看神策的产品设计：

最顶端就是选择开始结束行为。

通常呢，我们看的是开始环节是注册行为，结束是用户登陆行为，这可以反映用户的留存，没有疑问。那如果开始日期是注册，结束日期是用户的购买呢？是不是也可以反映用户的留存呢？只不过比登陆更严格了。因此，不同的开始结束行为的定义，对于留存的统计，是有很大差异的。

具体用什么行为，还是要针对分析场景具体分析。不过在公司实践中，往往关注用户的留存质量用的是比较宽的逻辑，即关注的是注册用户的后续登陆行为，顶多是浏览，不会看比较偏后链路的行为（比如购买）。

为啥呢？

因为后续环节应该算作是用户的链路转化。既然用户已经回到网站了，那就可以用弹窗、优惠券等方式触达，和留存关系这件事，其实已经不大了。而且后链路的行为叠加了产品的漏斗损失，导致留存分析叠加其他因素，分析的意义减弱。

（2）分析周期

第二个重要的参数就是分析的日期范围以及时间力度。

时间范围比较好理解，即看哪个日期范围的用户行为。时间力度是啥意思呢？

对，这就是上文说的，7日留存和次周留存是不一样的。时间力度指的是我们分析留存是以日为单位、还是周、月。

（3）留存图

这个就是我们最开始抛出来的图表了，神策的图表包括两部分：

另外还有一部分是趋势图，这里就不放了，感兴趣的朋友可以自己看看。

（4）用户细分

当然，还有就是用户的细分。比如看整体新用户的留存表现，或者男性用户的留存表现等。