帶你認識留存率：糾正你對留存的所有錯誤認識

編輯導語：留存率是衡量一個產品對用戶是否有價值的最重要的指標，因此也成為產品運營們最為關注的話題之一。本文作者結合自身工作經驗，總結分享了關于留存率相關的四個要點，希望對大家有所幫助。

01 究竟什么才是留存率

其實產品領域的很多指標，都缺少業界通用的定義。并不是沒有優秀的定義，只是還沒有在業界普及開來。就拿最簡單的產品轉化率來說，有多少人能分清用戶轉化率和用戶數比值的差異呢?

再比如復購率，A 產品的復購率是 60%，B 產品的復購率只有 40%，并不一定是 A 比 B 好，很可能是 A 在復購率口徑的定義上取巧，讓復購率顯得好看一點，方便拉投資。從這一點來看，可以說我們現在所處的時間段，還是一個方法論初生的時間段。

那么當我們說到留存率時, 到底什么才是留存率?

有人說，今天來了，第2天還來，就是留存，第7天還來，就是7日留存。

這種說法還算符合常見的數據平臺的定義, 不過還不夠精準.

有人說，今天來了，7天之內又來過，就是7日留存。

別笑, 真的有某明星獨角獸高管要求這么定義 n 日留存, 并且還說服了 CTO, 要照此開發相應的報表每日跟蹤. 當時親臨其中的我, 只好委曲求全, 整出來兩個概念, 一個叫第 n 日留存, 一個叫 n 日內留存.

抱著強勢批判性思維, 我們先去看背后的業務目的, 有沒有合理性:

想看 n 日內的“留存”，代表著想要看這么一種業務表現：T 日來的人，有多少在之后的 T+1 到 T+n 日還來，這部分還來的人，才能算我留存下來的用戶。而覺得不應該看第n日留存的原因，是覺得只看某一日來沒來，過于隨機了，要是用戶 n+1 日或者 n-1 日來怎么辦，不都沒統計進去嗎？

仔細品一品, 問題有兩點:

看 n 日內留存的目的是為了看流失，即有多少人來過一次之后就不來了，然后通過流失反過來得出他想要的留存。出發點是合理的，但是方法確實不當。隨著 n 的增加，n 日內留存下來的人會越來越多，換句話說隨著時間的流逝，留存下來的人越來越多，這顯然是反直覺的。
不看第n日留存的原因是沒有認識到留存率代表的是群體特征，而非個體特征。如果一張彩票的中獎率是 10%，有 100 萬人買，那么我中獎還是不中獎，都改變不了最終有 10 萬人會中獎的事實。同樣的，對群體而言，單一個體是 n+1 日來還是 n-1 日來沒有區別，在統計特征上影響不了群體中有多少人第 n 日回來。而拿單個用戶談留存率是沒有意義的，你總不能說因為你中獎了，所以中獎率就是 100%，因為中獎率在講的是買彩票的一大群人而不是你一個人——指標不適用。

定義留存率的目的，是想要衡量我們從各個渠道那里所獲得的流量，最終有多少留下來成為我們的忠實用戶。從這個業務背景出發，真正的留存率，一定是針對新用戶而言的。對著老用戶談“留存”，實際是在談另外的業務，比如：

新用戶留存下來成為老用戶之后，有多少能繼續留下來，這個業務應該叫用戶流失，而不是留存
新用戶留存下來成為老用戶之后，某天來過之后多少第二天還來，這個業務應該叫用戶回訪或者訪問頻次，而訪問頻次又是跟產品形態強相關的，微信每天不只使用一次，而經期管理類 App 一個月使用七八次就不錯了

而對于每日所有活躍用戶的”次日留存”, 就更沒有意義了. 這個虛假的數據指標完全被用戶的構成所左右, 一部分是當日的新用戶次留, 另一部分是當日的老用戶的次日回訪 (訪問頻次) . 當每日活躍用戶 90% 以上是新用戶的時候, 這個”次日留存”就會很低, 而 90% 以上是新用戶的時候, 這個”次日留存”就跟產品形態強相關, 也就是忠實用戶的平均使用頻次.

所以科學的留存率（日）定義，應該是：T 日新增用戶中，在第 n 日（即 T+n 日）再次活躍的用戶，占 T 日新增用戶的比例。谷歌的官方說法更簡潔，叫：Percentage of new users who return each day.

02 留存率應該怎么看

通過上面的定義，我們再去看日留存曲線的時候，一定是一條這樣的曲線：

通過這條曲線，我們可以清楚的知道每一天新增的這批用戶，隨著時間的流逝最終留存下來了多少。并且這條留存曲線一定是可以通過乘冪函數擬合的，把第 n 日的留存率記為 Ret(n)，則一定有：Ret(n)=a*n^b

這里說了這么多“一定”，其實是想強調留存曲線幾乎是一條標準的客觀規律，無論什么樣的產品形態，都有這么一條曲線。他們可能有高有低、有急有緩，但是都可以用一條乘冪函數表示。而理解了留存曲線是客觀規律這一事實，就能理解為什么我們可以用次日留存、7 日留存等作為產品的重要指標了：因為他們都是對留存曲線一整條曲線的點估計。

說白了，就是把一整條曲線降維成一個點，這樣我們就可以每天觀察這個點的變化情況，從而得知產品的留存狀況是變好了還是變壞了。下圖中是次日留存和 7 日留存的變化曲線，X 軸是日期，Y 軸是留存率，業務含義即在 X 日新增的用戶，其對應的 n 日留存率是 Y。很明顯，如果沒有這種降維方法的話，我們就要給每一天畫一條留存曲線了，幾十條留存曲線擺在一起是看不出來留存隨日期的趨勢變化的。

當然, 有降維就一定有信息損失. 所以我們還是要注意多角度的觀測留存曲線才行. 留存曲線有兩個重要特征:

前期快速下降
一定時間后進入平穩期

如果我們想要提高產品的留存表現, 就要從這兩個方面出發, 縮短用戶群組進入平穩期的時間 (盡快激活) , 并且讓更多的用戶進入平穩期 (激活更多) .

03 次日留存的意義

總有這樣一種觀點，認為自己的商業模式是很低頻的模式，用戶往往要幾個月才會消費一次，比如酒店、旅游，所以次日留存沒有意義，也不需要提高次留。

我想從幾方面多角度地全方位批評一下.

你以為用戶次日不來，次月就會來了？Naive，第二天都沒有用戶想起你來，一個月之后用戶早就把你忘光了，都去隔壁消費了
用戶的轉化是一個過程而不是一個點，一定是從認知、認可再到認購的過程，次留代表的就是認可。只有用戶認可你了，才會有后續的認購。
越低頻的產品，用戶的決策鏈路越長，往往花幾個月的時間貨比三家，最后決定性的幾分鐘完成交易鏈路上的轉化。想想如果在這幾個月的時間內用戶從來都沒有訪問過你的產品，會是多可怕的事情。所以對低頻產品來說，次留同樣重要。

并且由于留存曲線是一條統計意義上的曲線，次留是 15% 并不代表只有 20% 的留下來，可能拉長到一個月時間后，總共有 40% 的用戶留下來。然而通過把次留從 15% 做到 20%，你是可以預知到一個月后留存下來的用戶有可能超過 50% 的。這也是這個數據指標的重要價值：通過量化的方式衡量業務表現的變化，并且盡可能的更早發現變化。注意重點是衡量業務變化，而不是衡量業務，如果沒看懂，建議仔細品一品。

另外衍生一點, 次留可以不拘泥于 App, 小程序這些具體形態上, 從更高的層面上, 應該聚焦到產品價值本身的留存上. 如果能通過搜索引擎, 社交媒體等, 持續的讓用戶體驗到你的產品的核心價值, 就能做到用戶留存了. 通過 RSS 訂閱的方式訂閱和持續閱讀少數派的文章, 即使不訪問少數派 App, 這個用戶也是少數派的留存用戶, 也會產生實際價值, 比如購買少數派的周邊.

04 從平臺留存到細分功能留存

上面我們談到留存率時, 都是面向整個產品或者說整個平臺的, 比如電商 App 平臺的新增用戶有多少留存下來. 而當平臺所提供的產品價值不止一種時, 就會衍生出多種多樣的細分功能留存.

拿美團來講, 巨無霸美團提供了哪些不同的產品價值呢:

叫外賣
訂酒店
訂機票
打車
共享單車
買菜
買藥
……

作為一個超級 App, 融合了多種服務, 提供了多樣的產品價值. 對于每種服務, 可以看到美團都有做新用戶的營銷活動, 比如沒用過買菜服務的用戶, 進入買菜頻道的時候還是能享受到新用戶優惠. 相應的, 只要存在”新用戶”的概念, 就存在于新用戶對應的留存概念: 買菜服務的新增用戶中, 有多少會留存下來持續使用買菜服務.

甚至就算不是超級 App, 也可以細分出更精細的留存. 拿普通電商來說, 可以細分到品類的留存, 頻道的留存: