編輯導語：用戶留存是產品最關鍵的指標之一，留存分析是產品復盤中十分高頻的業務場景。那如何更高效地發現和分析留存問題呢？本文系統地整理了做留存分析的思路，一起來看看吧！
用戶留存的價值想必不用贅述，即便產品有高用戶增長，但如果用戶沒有留下來，完成產品所定義的核心行為，就是無效增長，只有用戶留下來才能為產品持續產生收益，像社區類、游戲等產品，還需要留存足夠的用戶量維持產品生態，因此用戶留存情況需要經常做復盤分析。
那如何更高效有序地做留存分析？本文整理了系統思路如下：
第一步：觀察留存數據
觀察留存數據，看用戶的短期、中期、長期留存率，分別對應留存曲線用戶生命周期的三個階段（震蕩期、選擇期、平穩期）。
圖 留存曲線的用戶生命周期
不同時期的留存率反映產品和用戶不同階段的狀態。
三個時期分別需要看多長時間的留存率，這和產品天然的使用周期有關，即用戶使用產品的頻次，比如美團外賣、知乎、抖音等每天都會使用的產品短期留存率主要關注次日留存，像貓眼電影、大麥網、12306等每周或每幾周才使用的，則關注周留存。
具體判斷產品天然使用周期的方法有三種：
1. 根據業務經驗
如上例子所述，該方法比較簡單，可以在沒有歷史數據的情況下判斷
2. 分析每日留存率
具體做法是，取一段時間內的新增用戶，觀察他們30天內的每日留存率，在首日留存率后的第一個留存高峰即為產品使用周期，可以通過后續留存高峰出現的周期性去驗證。
圖 某日新增用戶的分天留存率（虛擬數據）
注：
某一天新增用戶的N日留存 = 這一天的用戶在第N天活躍的用戶數 / 該天新增用戶數
舉例1月1日新增用戶數為100，該批用戶在第3天活躍用戶數為60，則第3天的活躍留存率=60/100=60%
注意若該產品的使用周期為每天，則無明顯留存高峰，呈現的每日留存率是日漸衰減，而后趨于平緩的趨勢。
觀察30天內留存率的原因是，若使用周期超過30天的產品一般不需通過留存關注用戶價值，主要關注用戶的使用體驗，通過會員機制、建立品牌認知等驅動用戶成為忠誠用戶，如貝殼找房、貨拉拉等。
3. 流失回歸率曲線
流失回歸率曲線可以幫助我們合理定義一個用戶，在多長的時間跨度內不回歸產品屬于流失用戶，而產品使用周期必然在這時間跨度內，定義了該產品使用周期的上限。
流失回歸主要指流失用戶再次登錄產品，流失用戶即一段時間內無登錄產品的用戶，這段時間稱為流失期。
流失回歸率=回歸用戶數/流失用戶數*100%
通過計算不同流失期的流失回歸率，可以得出一條流失回歸率曲線，隨著流失期越大，用戶回歸率越低，當流失期超過某個點后，用戶回歸率的下降幅度會大幅減少，趨于平緩，這個點就是曲線的拐點，如下圖的拐點是第10天，意味著當一個用戶連續10天沒有登錄產品，即可以判斷為已真實流失，該產品使用周期不超過10天。
圖 流失回歸率曲線
第二步：判斷留存問題
如何判斷留存是否存在問題，關鍵在于做對比分析，和不同的留存標準去對比，低于相關的標準則可能存在問題，需要進一步分析。對比的標準可分為以下三類：
1. 時間標準
與自身歷史表現對比，需注意低于歷史表現不一定是有問題，須考慮產品留存是否有周期性特點，如游戲產品周末新增用戶的留存因為用戶較泛，通常會比工作日新增用戶的留存更低。
2. 計劃標準
產品計劃留存通常結合產品的商業目標制定。
3. 特定標準
通常是根據業務經驗，或與行業/競品數據對比得出。
另外需注意，即使整體留存達標，也不代表沒有問題，可拆分不同渠道/不同價值用戶留存數據進一步排查。
第三步：留存問題分析
留存有問題，意味著用戶流失，因此需要進一步分析是誰流失了，何時、在何地、如何流失，為了回答這些問題，需要做流失用戶細分和流失點定位。
1. 流失用戶細分
拆解具體是哪些用戶流失了導致留存低，用戶細分的思路有三個。
（1）按用戶來源細分
用戶來源包括渠道類型、手機系統等，比如某個渠道的用戶流失大，則可能是因為該渠道的廣告投放策略有問題導致導入的新用戶過泛，非產品目標用戶。
（2）按用戶價值細分
按用戶價值劃分的方法常見有兩種，金字塔模型和RFM模型。
金字塔模型：按用戶重要程度排序，名人用戶>專業用戶>貢獻用戶>活躍用戶>普通用戶。
RFM模型：綜合考慮最近一次消費 (Recency)、消費頻率 (Frequency)及消費金額 (Monetary)這三個維度，對用戶價值進行評估排序。RFM相對復雜，也可以按業務需求簡化分析，如游戲產品一般直接按用戶充值金額劃分幾個檔次，區分充值大戶和普通充值用戶。
（3）按用戶屬性細分
用戶屬性包括4類：
人口統計特征：如性別、年齡、職業、教育等。
社會關系：婚姻、有無小孩、家有老人等。
行為特征：基本行為（注冊時間、日均使用時長…）、業務行為（買過特惠商品…）。
業務相關：如健身產品用戶的胖瘦高矮、體脂率、日均8000步等。
2. 流失點定位
流失點定位即明確用戶具體在何時、何地、如何流失，通過這些信息可以找到用戶流失原因的線索。
（1）何時流失
觀察用戶在何時流失，有三種可能的情況：
第一種：在使用產品的某個時期流失
如下圖，3月21-27日這段時間新增的用戶在第7日留存與預期水平相比明顯偏低，同時可觀察第3~7日的留存衰減明顯快于預期趨勢（比例越低，衰減越快），雖然15日、30日留存也比預期偏低，但衰減趨勢與預期相符，因此可基本判斷流失問題點出現在用戶使用產品的第7日左右。
圖 留存率熱力圖（虛擬數據）
第二種：在某個特定時間點流失
如下圖，3月21-27日這段時間新增的用戶在3月27-28日具體這兩天的留存率比日常水平明顯偏低，則可進一步排查，該兩日有無異常，如APP無法登錄、運營活動不當影響用戶體驗等問題。
圖 留存率熱力圖（虛擬數據）
第三種：某日/某段時間的新增用戶留存持續偏低
如下圖，3月25日新增的用戶整體留存明顯較其他時間的新增用戶留存更低，該類情況通常為新用戶導入問題，如廣告投放異常，可結合流失用戶來源細分進行分析，進一步定位問題點。
圖 留存率熱力圖（虛擬數據）
（2）何地流失
主要指用戶在產品哪個功能模塊，或使用產品的哪個流程階段流失，通常是看用戶流失前所停留的功能模塊或流程，若發現大部分流失用戶流失前都停留在某一個地方，則可以重點排查相應的功能或流程。
比如游戲產品，發現流失玩家有很高的比例在流失前停留在了某一個任務副本，則該任務副本可能是導致玩家流失的原因所在。
（3）如何流失
通常可以分析流失用戶在流失前的操作日志，看是否有異常。
第四步：流失原因挖掘
在第三步中，通過流失用戶細分和流失點定位可以獲得用戶流失原因的線索，第四步就是根據獲得的線索深入挖掘流失原因。
挖掘流失原因的方法有兩種：
1. 調研
有條件有資源的可以優先考慮做調研，包括：
常規調研問詢：如卸載調研頁面、問卷。
深層原因調研：如電話、訪談、社群、論壇。
2. 假設驗證
調研一般比較耗費人力、財力和時間，在大多數的業務分析場景中，每次都做調研不太現實，所以在條件有限的情況下可以采用第二種方法“假設驗證”，即基于第三步獲得的線索，根據業務經驗做原因假設，然后用數據驗證。
比如上述游戲產品玩家流失的例子，發現流失玩家有很高的比例在流失前停留在了某一個任務副本，且這些玩家均為5級玩家，則根據業務經驗可假設該任務副本對這些玩家難度太大導致流失，具體可通過5級玩家在這個任務副本的通過率數據進行驗證，如通過率明顯偏低，則可驗證假設。
第五步：提高留存
在了解流失原因后，如何著手提升留存率？具體問題具體分析，但有一個大原則，如《打造 10 億美金產品的核心秘密：用戶參與層級模型》一文所說，就是要不斷提高用戶「持續使用產品的收益」和「離開產品的損失」。
1. 提高「持續使用產品的收益」
（1）需求滿足
一方面追求更精準匹配用戶需求，比如短視頻產品，若推薦的視頻不符合某部分用戶喜好，該部分用戶需求沒有被滿足，則該部分用戶容易流失；另一方面爭取滿足用戶更長期的需求，比如美顏相機產品，不斷優化產品推出新玩法。
（2）使用體驗
在市面上有其他產品能滿足相同的用戶需求情況下，使用體驗更好，用戶才不會轉去選擇別的產品，比如同樣是打車軟件滿足日常打車需求，服務是趨同的，但服務體驗可以有差別，滴滴因為司機資源更多，訂單響應的速度更快，所以相比其他打車軟件我更愿意使用滴滴，這也是滴滴能長期占據市場第一的壁壘優勢。
2. 提高「離開產品的損失」
用戶投入：引導用戶在產品內完成更多關鍵行為，本質思路是讓用戶投入更多，包括時間、精力、感情，即盡可能提高用戶的沉沒成本。人在決定是否做一件事的時候，不僅看這件事對自己有沒有好處，而且也看過去是不是在這件事上有過投入，因此當沉沒成本越高，用戶越不忍舍棄產品。
比如印象筆記，引導用戶創建一定數量的筆記，當用戶創建的筆記越多，用戶轉移至別的筆記產品的損失就越高。
寫在最后，以上分享是基于工作經驗、業余學習和個人思考總結梳理得出，或有思慮不周之處，還請不吝賜教。
部分內容參考書籍：
《游戲數據分析實戰》- 黎艷湘
《數據化管理》- 黃成明
本文由 @愛因斯坦的迷妹 原創發布于人人都是產品經理，未經作者許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。
關鍵詞： 留存分析系統思路梳理 用戶留存 生命周期
