这篇文章，纠正你对留存嘅所有错误认识

转载：本文来自微信公众号“产品研究笔记”（ID: coding-designer），作者：Genius，转载经授权发布。

留存率是衡量一个产品对用户系咪有价值嘅最重要嘅指标，因此也成为产品运营们最为关注嘅话题之一。本文作者结合自身工作经验，总结分享‌关于留存率相关嘅四个要点，希望对大家有所帮助。

其实产品领域嘅好多指标，都缺少业界通用嘅定义。

并唔是没有优秀嘅定义，只是仲未有在业界普及开来。

就拿最简单嘅产品转化率嚟讲，有几多人能分清用户转化率和用户数比值嘅差异呢?

再比如复购率，A 产品嘅复购率是 60%，B 产品嘅复购率只有 40%，并唔一定是 A 比 B 好，好可能系 A 在复购率口径嘅定义上取巧，让复购率显得好睇一点，方便拉投资。

从呢一点来睇，但系以说我哋而家所处嘅时间段，仲要是一个方法论初生嘅时间段。

那么，当我哋讲到留存率时，到底乜嘢才是留存率?

有人讲：今日来嘎啦，第2天还来，就是留存；第7天还来，就是7日留存。

——呢种说法还算符合常见嘅数据平台嘅定义，不过仲未够精准。

有人讲：今日来嘎啦，7天之内又来过，就是7日留存。

别笑，真嘅有某明星独角兽高管要求咁定义 n 日留存，并且还说服‌ CTO，要照此开发相应嘅报表每日跟踪。当时亲临其中嘅我，只好委曲求全，整出来两个概念，一个叫第 n 日留存，一个叫 n 日内留存。

抱住强势批判性思维，我哋先去睇背后嘅业务目的，有没有合理性:

想睇 n 日内嘅“留存”，代表住想要睇咁一种业务表现：T 日来嘅人，有几多在之后嘅 T+1 到 T+n 日还来，这部分还来嘅人，先能算我留存下来嘅用户。

而觉得不应该睇第 n 日留存嘅原因，是觉得只睇某一日来没来，过于随机嘎啦，要是用户 n+1 日或者 n-1 日来点样办，不都没统计进去吗？

仔细品一品，问题有两点:

睇 n 日内留存嘅目的是为咗睇流失，即有几多人来过一次之后就不来嘎啦，然后通过流失反过来得出佢想要嘅留存。出发点是合理嘅，但是方法确实不当。随住 n 嘅增加，n 日内留存下来嘅人会越来越多，换句话说随住时间嘅流逝，留存下来嘅人越来越多，这显然系反直觉嘅。
不睇第n日留存嘅原因是没有认识到留存率代表嘅是群体特征，而非个体特征。如果一张彩票嘅中奖率是 10%，有 100 万人买，噉么我中奖仲系唔中奖，都改变不‌最终有 10 万人会中奖嘅事实。同样嘅，对群体而言，单一个体是 n+1 日来还是 n-1 日来没有区别，喺统计特征上影响不‌群体中有几多人第 n 日回来。而拿单个用户谈留存率是没有意义嘅，你总唔可以说因为你中奖嘎啦，所以中奖率就是 100%，因为中奖率在讲嘅是买彩票嘅一大群人而唔系你一个人——指标不适用。

定义留存率嘅目的，系想要衡量我哋从各个渠道那里所获得嘅流量，最终有几多留下来成为我哋嘅忠实用户。

从呢个业务背景出发，真正嘅留存率，一定是针对新用户而言嘅。

对住老用户谈“留存”，实际系喺谈另外嘅业务，比如：

新用户留存下来成为老用户之后，有几多能继续留下来，呢个业务应该叫用户流失，而唔系留存
新用户留存下来成为老用户之后，某天来过之后几多第二天还来，呢个业务应该叫用户回访或者访问频次，而访问频次又是跟产品形态强相关嘅，微信每天不只使用一次，而经期管理类 App 一个月使用七八次就唔错‌

而对于每日所有活跃用户嘅”次日留存”，就更没有意义嘎啦。

呢个虚假嘅数据指标完全被用户嘅构成所左右：一部分是当日嘅新用户次留，另一部分是当日嘅老用户嘅次日回访 (访问频次) 。

当每日活跃用户 90% 以上是新用户嘅时候，呢个”次日留存”就会好低；而 90% 以上是新用户嘅时候，呢个”次日留存”就跟产品形态强相关，也就是忠实用户嘅平均使用频次。

所以科学嘅留存率（日）定义，应该是：T 日新增用户度，喺第 n 日（即 T+n 日）再次活跃嘅用户，占 T 日新增用户嘅比例。

谷歌嘅官方说法更简洁，叫：Percentage of new users who return each day。

留存率应该点样睇

通过上面嘅定义，我哋再去睇日留存曲线嘅时候，一定是一条咁样嘅曲线：

通过这条曲线，我哋可以清楚嘅知道每一日新增嘅这批用户，随住时间嘅流逝最终留存下来‌几多；并且这条留存曲线一定是可以通过乘幂函数拟合嘅，将第 n 日嘅留存率记为 Ret(n)，则一定有：

Ret(n)=a*n^b

这里说‌咁多“一定”，其实系想强调留存曲线几乎是一条标准嘅客观规律，无论乜嘢样嘅产品形态，都有咁一条曲线。佢们可能有高有低、有急有缓，但是都可以用一条乘幂函数表示。

而理解‌留存曲线是客观规律呢一事实，就能理解点解我哋可以用次日留存、7 日留存等作为产品嘅重要指标‌——因为佢们都系对留存曲线一整条曲线嘅点估计。

说白嘎啦，就是将一整条曲线降维成一个点，咁样我哋就可以每天观察呢个点嘅变化情况，从而得知产品嘅留存状况是变好‌还是变坏嘎啦。

下图中是次日留存和 7 日留存嘅变化曲线，X 轴是日期，Y 轴是留存率，业务含义即在 X 日新增嘅用户，其对应嘅 n 日留存率是 Y。

好明显，如果没有呢种降维方法嘅话，我哋就要畀每一日画一条留存曲线嘎啦，几十条留存曲线摆在一齐是睇不出来留存随日期嘅趋势变化嘅。

当然，有降维就一定有信息损失。所以我哋还是要注意多角度嘅观测留存曲线才行。

留存曲线有两个重要特征:

前期快速下降
一定时间后进入平稳期

如果我哋想要提高产品嘅留存表现，就要从这两个方面出发，缩短用户群组进入平稳期嘅时间 (尽快激活) ，并且让更多嘅用户进入平稳期 (激活更多) 。

次日留存嘅意义

总有咁样一种观点，认为自己嘅商业模式是好低频嘅模式，用户往往要几个月才会消费一次，比如酒店、旅游，所以次日留存没有意义，也不需要提高次留。

我谂从几方面多角度地全方位批评一下：

你以为用户次日不来，次月就会来‌？Naive，第二天都无用户想起你来，一个月之后用户早就将你忘光嘎啦，都去隔壁消费‌
用户嘅转化是一个过程而唔系一个点，一定是从认知、认可再到认购嘅过程，次留代表嘅就是认可。只有用户认可你嘎啦，先会有后续嘅认购。
越低频嘅产品，用户嘅决策链路越长，往往花几个月嘅时间货比三家，最后决定性嘅几分钟完成交易链路上嘅转化。想想如果在这几个月嘅时间内用户从来都无访问过你嘅产品，会是多可怕嘅事。所以对低频产品嚟讲，次留同样重要。

并且由于留存曲线是一条统计意义上嘅曲线，次留是 15% 并唔代表只有 20% 嘅留下来，但系能拉长到一个月时间后，总共有 40% 嘅用户留下来。

但係通过将次留从 15% 做到 20%，你是可以预知到一个月后留存下来嘅用户有可能超过 50% 嘅。

这也是呢个数据指标嘅重要价值：通过量化嘅方式衡量业务表现嘅变化，并且尽可能嘅更早发现变化。

注意：重点是衡量业务变化，而唔系衡量业务。如果没睇懂，建议仔细品一品。

另外衍生一点：次留可以不拘泥于 App，小程序呢啲具体形态上，从更高嘅层面上，应该聚焦到产品价值本身嘅留存上。

如果能通过搜索引擎，社交媒体等，持续嘅让用户体验到你嘅产品嘅核心价值，就能做到用户留存嘎啦。

通过 RSS 订阅嘅方式订阅和持续阅读人人都系产品经理嘅文章，就算不访问人人都系产品经理 App，呢个用户也是人人都系产品经理嘅留存用户，也会产生实际价值，比如购买人人都系产品经理嘅周边。