用户留存分析学习整理

一、留存的概念

留存用户：使用网站或App，经过一段时间后，仍然在使用的用户，即有多少用户留下来（这里的使用可以是访问网站，也可以是打开App，个人理解此处不一定是注册登录用户，今日头条、手机百度等产品用户并没有强制注册登录的要求。）

用户留存率：留存用户数占当时新增用户数的比例（这里当时即首次使用网站或App的时间点，一般统计周期为天）

新增用户数：在某个时间段新使用网站或应用的用户总数（统计周期一般为天）

次日（一日）留存率：当时新增用户中在第2天依然使用网站或App的用户数/当时新增用户数

     次日留存分析需要结合产品的新手引导设计和新用户转化路径等一起进行，此指标是留存分析中比较重要的指标。

第3日留存率：当时新增用户中在第3天依然使用网站或App的用户数/当时新增用户数

第7日留存率：当时新增用户中在第7天依然使用网站或App的用户数/当时新增用户数

     通常用户会在一周时间内经历完整的产品体验，在这个阶段留下来的用户很可能成为忠诚用户，此指标是留存分析中比较重要的指标。

第30日留存率：当时新增用户中在第30天依然使用网站或App的用户数/当时新增用户数

     通常移动APP的迭代周期为2-4周一个版本，所以月留存是能够反映出一个版本的用户留存情况。

渠道留存率：不同用户渠道的用户留存率

    渠道来源不同，用户质量也会有差别，因此在排除用户差别的因素以后，再去比较次日留存等，可以更准确的判断产品上的问题。

留存率的经典数据经验：Facebook平台流传出留存率“40–20–10”规则，规则中的数字表示的是次日留存率、第7日留存率和第30日留存率。

用户留存重要因素：产品、用户渠道和运营策略

留存率计算：大部分网站使用用户ID来计算新用户数、用户留存率等。新用户数通过对用户ID做了一个计算判断（如，访问时间-创建时间=0，即此用户ID为新用户），留存率通过用户ID进行计算时必须排除访问当天的新用户，只包含留下来的用户，这样的留存率计算结果才是正确的。

select ( select count(distinct userid ) from 登录表 where 登录时间 = 今天 ) / ( select count(1) from 注册表 where 注册时间 = 昨天 ) as 用户一日留存率

用户留存三个时期：震荡期、选择期和平稳期

    1、振荡期：拉新之后使用网站或APP的用户人数在此期间剧烈地抖动，几天就可以从100%下降到20%甚至更低，此时期分析更关注用户留存。
    2、选择期（蒸馏期、淘汰期）：使用网站或APP的用户在此时期会考量产品是否满足他们的核心需求，并选择去留，此时期分析更关注用户留存。

    3、平稳期：进入此时期，用户相对比较忠诚，此时期分析更关注产品功能留存，及产品留存分析。

留存率和活跃率比较：二者不能混为一谈。拉新、推广活动会带来很多新用户，日活数据会增加，但留存数据不一定在增长，甚至有可能在减少。

二、留存的价值

    留存用户和留存率体现了网站或App的服务效果和保留用户的能力。因此，留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程，能看到不同时期的用户的变化情况。

三、留存的展现
    留存率可以通过留存图和留存表（手枪图）进行展现和分析。
    留存图的横轴是时间，纵轴是留存率，可以清晰的看到留存率的变化，示例如下：

    留存表（手枪图）可以横向比较一定周期内的留存率，示例如下：

四、留存分析方法
第一步:分组
按照不同的(时间/渠道/行为等)维度进行用户分组。

    1、按照获取客户时间（Acquisition Data Cohorts）进行分析

     从时间维度查看异常点在时间上的特征，如次日留存、7日留存等有什么特征，如不同时间段（工作日和非工作日）是否有什么特征等。

    2、按照用户行为（Behavioral Cohorts）进行分析

     用户行为可以是登录次数、信息发送个数、关注人数、分享次数、点赞次数、点击偏好，浏览偏好，收藏偏好等，在选择用户行为作为分析点是要遵循：做过的都留下，留下的都做过；没做过的没留下，没留下的没做过。

    用户行为分析不能与时间维度割裂，因此需要分析时间段内的行为或不同时间段行为比较。

    3、按照客户渠道进行分析

    互联网渠道分为：

    1、货源渠道，商品渠道：B2B，商贸站

    2、销售渠道：B2B、B2C、C2C

    3、推广渠道：互联网是载体，许多信息或者商品都需要在互联网上进行宣传与推广

    目前来说，作为推广的渠道主要有：应用商店、积分墙、广告网络、社交网络、换量推广、手机预装等渠道。

    应用商店随着应用商店竞争越来越激烈，有些应用商店出现刷数据的行为，结果新增用户数据很漂亮，但是留存数据并不好看，因此质量要比早期下降很多。

    积分墙和广告网络作为有偿下载安装的平台，刷量的可能性更大，往往有些用户安装之后就卸载，根本没有留存可言。

    手机预装渠道，由于不了解用户的喜爱偏好，所获取的用户质量自然也不会特别高。

    社交网络和换量进行推广，很容易获取具有相同爱好的用户，另外由于社交网络的名人效应、熟人效应，推广起来，自然会事半功倍。

第二步:对比

    运营想通过对用户留存率的数据分析找到优化方案和检验运营策略效果，最核心分析的方法是根据用户行为进行分组的比较。

    用户留存率的交叉对比分析，除了可以用来做运营手段的有效性验证和功能优化分析之外，其实还可以用在当产品数据出现异常时的原因探究。

    通过对用户划分，如依据留存划分为稳定期用户和震荡选择期用户，然后对比两类用户在不同功能点上的偏好。

--------------------- 
作者：少女战士 
来源：CSDN 
原文：https://blog.csdn.net/hz848810/article/details/73162263 
版权声明：本文为博主原创文章，转载请附上博文链接！