做用户行为分析时，留存是我们工作中需要关注的一大重要指标。那么，留存如何定义？留存的计算方法和使用场景又是什么？本文就此问题从三个方面做了分析。推荐对用户分析感兴趣的小伙伴阅读，希望对你有所帮助。

浅谈一：如何定义

用户的留存，故名思义，就是用户留下了。留存的定义是首次使用后第N天回来的用户比例。

在用户行为产品中，我们可以对留存有着更精细的定义：留存就是第一个时间周期内发生了起始事件的用户在第二个时间周期内发生回访事件的比率。

所以留存的计算方法就是：

（第二个时间周期内发生回访事件的用户数/第一个时间周期内发生了起始事件的用户数）×100%。

不同产品可以根据业务情况，定义不同的起始事件、回访事件和时间周期长度。

有些产品会直接将起始事件和回访事件都定义为“打开应用/浏览网页”，比如某些游戏产品/社交产品（因为用户打开这些产品的目的很明确，基本就是玩游戏/聊天，因而可以直接用“打开应用/浏览网页”定义起始&回访事件）。

举个例子，假设一款游戏产品在定义留存时，将起始事件和回访事件都定义为“打开应用”，将观察周期设定为一周。也就是说，用户打开游戏（触发了起始事件）后，如果在次周再次打开了游戏，那么该用户就算作是这款游戏的次周留存用户。

当然，也有很多产品会对起始事件和回访事件做出不同的定义。这与产品本身的业务需求有关。比如一款健身类app，如果仅仅用“打开应用”作为起始&回访事件，就不太合适——用户打开这个app可能没有真正按照app的指导去健身，仅仅是看了看而已，这种“围观党”对于健身app来说其实是容易流失的。

把再次打开应用的用户都算作是留存用户，可能无法为产品的运营与发展提供真正的依据。这种情况下，如果我们把起始事件设定为“打开应用”，回访事件设定为“完成1次健身”，再辅之以适当的观察周期，就可以更好的了解用户在产品中的留存情况。

浅谈二：如何计算

留存分析主要关注的是在触发起始事件的用户中，有多少人发生了回访事件。

举一个在某用户行为分析产品的计算方式：

留存=第一个时间周期内发生了起始事件的用户在第二个时间周期内发生回访事件的人数比率=（第二个时间周期内发生回访事件的用户数/第一个时间周期内发生了起始事件的用户数）×100%

根据这一公式，我们来具体剖析各种留存的算法。

1. 日留存的计算

（1）某一日的次日/3日/7日/n日留存怎么算？

在计算这类留存的时候，我们实际上是以“日”作为观察周期的单位。我们要关心的内容是：

1. 某日触发“起始事件”的用户数；
2. 追踪这群用户是否在第n日触发“回访事件”；
3. 得到第一步和第二步中的用户数量后：

某一日的n日留存=第n日触发“回访事件”的用户数 / 第0日触发“起始事件”的用户数×100%。

根据上面的步骤，我们很容易得出：

某一天的次留=（第1日发生回访事件的用户数/第0日发生起始事件的用户数）×100%

某一天的3日留存=（第3日发生回访事件的用户数/第0日发生起始事件的用户数）×100%

某一天的7日留存=（第7日发生回访事件的用户数/第0日发生起始事件的用户数）×100%

（注：除此之外，还有部分数据产品将触发起始事件的那一天定义为第1日，可能会对留存的计算造成一定影响，我们在分析时应对此加以留意。）

（2）某段时间范围内的次日/3日/7日/n日留存怎么算？

1. 在所选时间范围内，筛选出能够计算n日留存的每一天，并记录与之对应的，每日完成“起始事件”的用户数之和；
2. 针对能够计算n日留存的每一天，计算其第n日触发“回访事件”的用户数之和 ；
3. 得到第一步和第二步中的用户数后：

某段时间范围内的n日留存=step2中的用户数/step1中的用户数×100%

在图中，我们选定的时间范围为最近8天（20200831-20200907）。此时我们想要计算这8天内的5日留存数据，如何计算出来的呢？

最近8天的5日留存率=（20200831-20200907每一天的5日留存用户数之和 / 20200831-20200907每一天发生起始事件的用户数之和）*100%；

2. 周/月留存的计算

（1）某一周的n周留存怎么算？某一月的n月留存怎么算？

1. 记录该周/月（第0周/月）内触发过“起始事件”的用户数；
2. 追踪这群用户是否在第n周/月内是否触发了“回访事件”，并记录这部分触发“回访事件”用户的数量；
3. 得到第一步和第二步中的用户数后：

某一周的第n周留存=第n周触发过“回访事件”的用户数/第0周触发“起始事件”的用户数×100%

某一月的第n月留存=第n月触发过“回访事件”的用户数/第0月触发“起始事件”的用户数×100%

（2）某段时间范围内的周留存/月留存是多少？

1. 在所选时间范围内，筛选出能够计算n周/n月留存的每一周/月，并记录与之其对应的，每周/月完成“起始事件”的用户数之和；
2. 针对能够计算n周/n月留存的每一周/月，计算其第n周/月触发“回访事件”的用户数之和 ；
3. 得到第一步和第二步中的用户数后：

某段时间范围内的n周/月留存=step2中的用户数/step1中的用户数×100%

举个例子，如何计算“最近6周的2周留存”呢？

在图中，我们选定的时间范围为最近6周。

我们在 2012年02月26号选择时间范围为“最近6周”，一周周期默认为“周一至周日”，最近六周选择如下：

书归正传，此时我们想要计算最近6周的2周留存数据，是如何计算出来的呢？

最近6周的2周留存 =（每一周的 2周留存用户数之和 / 每一周的发生起始事件的用户数之和）×100%

浅谈三：留存分析，场景应用

日常工作中，留存分析常用于下述场景：

1. 了解一个渠道的质量

可以使用「日留存」来衡量各渠道用户的表现，并以此作为衡量渠道质量的标准之一。如对不同渠道来源的用户进行次日留存、7日留存的对比（不同行业可能选择不同周期），以此衡量不同渠道的用户留存情况。一般来说，留存情况较好可以反应这个渠道质量较好。

2. 判断运营手段/某项功能改动是否奏效

当我们期待某个运营手段/某项功能可以期提升留存时，可以对通过分析该运营手段/功能，「覆盖到的新用户」和「未覆盖到的新用户」的留存率，对两部分用户的留存进行对比，来验证手段/功能的有效性。

以贴吧为例，该贴吧想检验“看贴”功能是否对新用户的留存是有提升效果，于是对同样来自A渠道的新用户（一部分使用了看贴功能，一部分没有使用看贴功能）进行留存对比。

通过比较发现，使用过看贴功能的新用户，三日留存率比未使用过该功能的新用户，多了10%以上。这说明“看贴”功能对新用户留存有着正向促进作用。

3. 衡量一个产品是否健康

可以使用「周留存」、「月留存」等指标观察用户在平台上的粘性，衡量产品的健康情况。

当然，除此之外，不同产品可能有更多的分析方法，在此我们不作一一列举。

总的来说，今天我们通过介绍留存的定义、计算方法和使用场景，深扒“留存”。未来，留存应当是我们工作中需要关注的一大重要指标。如果想要更加深入地学习留存分析，需要在实际的工作当中实践它～