【用户运营】带你认识留存率：纠正你对留存的所有错误认识.pdfVIP

带你认识留存率：纠正你对留存的所有错误认识 Genius 01 究竟什么才是留存率 其实产品领域的很多指标，都缺少业界通用的定义。 并不是没有优秀的定义，只是还没有在业界普及开来。 就拿最简单的产品转化率来说，有多少人能分清用户转化率和用户数比值的差异呢? 再比如复购率，A 产品的复购率是 60%，B 产品的复购率只有 40% ，并不一定是 A 比 B 好，很可能是 A 在 复购率口径的定义上取巧，让复购率显得好看一点，方便拉投资。 从这一点来看，可以说我们现在所处的时间段，还是一个方法论初生的时间段。 那么，当我们说到留存率时，到底什么才是留存率? 有人说：今天来了，第 2 天还来，就是留存；第 7 天还来，就是 7 日留存。 这种说法还算符合常见的数据平台的定义，不过还不够精准。 有人说：今天来了，7 天之内又来过，就是 7 日留存。 别笑，真的有某明星独角兽高管要求这么定义 n 日留存，并且还说服了 CTO，要照此开发相应的报表每日跟踪。 当时亲临其中的我，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。 抱着强势批判性思维，我们先去看背后的业务目的，有没有合理性: 想看 n 日内的“留存”，代表着想要看这么一种业务表现：T 日来的人，有多少在之后的 T+1 到 T+n 日还来， 这部分还来的人，才能算我留存下来的用户。而觉得不应该看第 n 日留存的原因，是觉得只看某一日来没来，过 于随机了，要是用户 n+1 日或者 n-1 日来怎么办，不都没统计进去吗？ 仔细品一品，问题有两点: 1. 看 n 日内留存的目的是为了看流失，即有多少人来过一次之后就不来了，然后通过流失反过来得出他想要 的留存。出发点是合理的，但是方法确实不当。随着 n 的增加，n 日内留存下来的人会越来越多，换句话 说随着时间的流逝，留存下来的人越来越多，这显然是反直觉的。 2. 不看第 n 日留存的原因是没有认识到留存率代表的是群体特征，而非个体特征。如果一张彩票的中奖率是 10%，有 100 万人买，那么我中奖还是不中奖，都改变不了最终有 10 万人会中奖的事实。同样的，对 群体而言，单一个体是 n+1 日来还是 n-1 日来没有区别，在统计特征上影响不了群体中有多少人第 n 日 回来。而拿单个用户谈留存率是没有意义的，你总不能说因为你中奖了，所以中奖率就是 100%，因为中 奖率在讲的是买彩票的一大群人而不是你一个人——指标不适用。 定义留存率的目的，是想要衡量我们从各个渠道那里所获得的流量，最终有多少留下来成为我们的忠实用户。从 这个业务背景出发，真正的留存率，一定是针对新用户而言的。对着老用户谈“留存”，实际是在谈另外的业务， 比如： 1. 新用户留存下来成为老用户之后，有多少能继续留下来，这个业务应该叫用户流失，而不是留存 2. 新用户留存下来成为老用户之后，某天来过之后多少第二天还来，这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的，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 不错了 而对于每日所有活跃用户的”次日留存”，就更没有意义了。 这个虚假的数据指标完全被用户的构成所左右：一部分是当日的新用户次留，另一部分是当日的老用户的次日回 访 (访问频次) 。 当每日活跃用户 90% 以上是新用户的时候，这个”次日留存”就会很低，而 90% 以上是新用户的时候，这个” 次日留存”就跟产品形态强相关，也就是忠实用户的平均使用频次。 所以科学的留存率（日）定义，应该是：T 日新增用户中，在第 n 日（即 T+n 日）再次活跃的用户，占 T 日 新增用户的比例。 谷歌的官方说法更简洁，叫：Percentage of new users who return each day。 02 留存率应该怎么看 通过上面的定义，我们再去看日留存曲线的时候，一定是一条这样的曲线： 通过这条曲线，我们可以清楚的知道每一天新增的这批用户，随着时间的流逝最终留存下来了多少。并且这条留 存曲线一定是可以通过乘幂函数拟合的，把第 n 日的留存率记为 Ret(n)，则一定有：Ret(n)=a*n^b 这里说了这么多“一定”，其实是想强调留存曲线几乎是一条标准的客观规律，无论什么样的产品形态，都有这 么一条曲线。