常用分析模型 --- 用户留存分析模型

在电商领域，新用户的获取成本，是维护一个老用户的 3 倍到 10 倍……
绝大多数企业亟待解决如何增加客户黏性，延长每一个客户的生命周期价值。因此，留存分析分析模型备受青睐。

一、什么是留存分析

留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。
留存分析可以帮助回答以下问题：
1）一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单等；
2）产品改版前后的用户参与程度，以及是否有用户因为新改版而多使用产品

二、为什么要做留存分析，直接看活跃用户百分比不行吗？

当然不行！
如果产品目前处于快速增长阶段，很有可能新用户中的活跃用户数增长掩盖了老用户活跃度的变化。按初始行为时间分组的留存分析可以消除用户增长对用户参与数据带来的影响。
例子：
“三月份改版前，该月注册的用户 7 天留存只有 15%；但是四月份改版后，该月注册的用户 7 天留存提高到了 20%。”

三、留存分析模型特点与价值

1、留存率是判断产品价值最重要的标准，揭示了产品保留用户的能力
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。随着统计数字的变化，运营人员可看到不同时期用户的变化情况，从而判断产品对客户的吸引力。

2、宏观上把握用户生命周期长度以及定位产品可改善至之处
通过留存分析，可以查看新功能上线之后，对不同群体的留存是否带来不同效果? 可以判断产品新功能或某活动是否提高了用户的留存率？结合版本更新、市场推广等诸多因素结合，砍掉使用频率低的功能，实现快速迭代验证，制定相应的策略。

四、留存分析应用场景

场景一：游戏行业提升活跃、留存——如何精准找到玩家“流失点”？
游戏的生命周期的时长差异、玩家的游戏粘度，直接体现了游戏的竞争能力和盈利能力。玩家对游戏的直观感受、游戏难度曲线、游戏节奏的松弛、游戏福利等游戏内涵都能够导致游戏玩家流失。正确找到玩家流失原因，是促进玩家、活跃挽留玩家的第一步。
上图显示，100～110级、80～90级是玩家流失较多的关卡。为精准导致玩家流失的关键因素，需要每个环节、具体场景进行深入追踪与分析，余略。

场景二：了解新用户的留存
运营人员想从总体上看用户留存的情况是否越来越好了。可根据新用户启动 APP 的时间按日或按月进行分组，得到同期群，观察该群体用户发生投资的 7 日留存、14 日留存或 30 日留存(可自由选择)，通过比较不同的同期群，可以获知。

若想深度挖掘高留存用户有哪些共性特征、具体操作流程，以作为后序产品优化与改进的借鉴，则可使用用户分群功能，命名为“ 4 – 10 号 7 日留存用”然后通过用户路径等其他分析模型进一步深度分析。