對於互聯網行業的數據運營來說，什麼才是最重要的呢？
想必很多人都知道，是用戶。而說到用戶，做互聯網運營的人一定很熟悉，在現在互聯網流量越來越貴的背景下，拉新和留存是數據運營最核心的兩個工作，也是我們必須要關注的亮點。
而我們做數據運營，通常情況下只會關注流量拉新，不顧一切地吸引流量，卻忽略了用戶的留存問題，其實在現在的互聯網環境下，留住老用戶就變得越來越重要。留存分析也幾乎成了互聯網運營分析的必備模型，本篇我就結合我之前的經驗來給大家說說——用戶留存分析模型！
什麼叫做用戶留存？
什麼是留存呢？
留存就是指滿足某個條件的用戶，在某個時間點有沒有進行回訪行為。比方說一個用戶在某段時間內開始使用一個app，過了一段時間後，還在繼續使用，那這個用戶就被認作是留存用戶。留存分析模型就是用來分析用戶參與情況/活躍程度的模型。
計算公式：若滿足某個條件的用戶數為n，在某個時間點進行回訪行為的用戶數為m，那麼該時間點的留存率就是m/n
留存分析模型的特點是什麼？
留存分析模型特點就是條件配置靈活，先根據用戶行為來講用戶分類，然後再針對用戶屬性篩選合適的分析對象。
留存率反映的實際上是一種轉化率，就是一個新用戶從剛開始的不穩定用戶轉化成來活躍用戶，然後再由活躍用戶變成穩定用戶，最後變成忠誠用戶的過程。通過對留存率的分析，運營的人員可以看每個用戶的轉化情況，留存率越高，說明產品對客戶的吸引力越大，也反映了產品價值越高。
通過留存分析，可以判斷新功能上線之後，對不同群體的留存是不是帶來不同效果；可以驗證產品的某項新功能是否提高了用戶的留存率等等。
怎麼搭建留存分析模型？
在進行留存分析的時候，我們更多時候要學會做問題拆解，把提升留存率這樣一個大目標拆解為一個個小的可執行的目標，我們就可以通過產品優化、運營調整等等方式來實現用戶留存提升。
在我們常見的留存曲線中，通常會根據用戶的旅程劃分出不同的留存階段。
- 振盪階段，我們主要關注用戶激活，在這個階段中，我們需要讓用戶迅速低成本地感受到產品的核心價值
- 選擇階段，在這個階段，用戶對產品有初步瞭解，開始探索產品是否滿足其核心需求，我們就要關注老用戶的留存提升，打造好產品的核心功能，培養用戶對產品的使用習慣。
- 平穩階段，用戶已經基本養成使用習慣，我們接下來就要思考產品對用戶的長期價值是什麼，如何才能讓用戶反覆體驗到產品的價值。
1、分組
用戶留存分析的第一步是按照不同的（時間/渠道/行為等）維度進行用戶分組。比如我們在對某一個平臺用戶留存率進行日常的數據分析時，通常是按照單個自然日進行分組，然後對任意時間段內獲取到的新用戶在留存率上的表現做出個報表。
先把常用的幾個用戶生命週期指標給大家：
我網上找了一個某社區類APP按照用戶的獲取日期進行的一個用戶留存情況分組圖。從圖中可以看到具體每一天的用戶留存表現情況。比如在6月28日這天獲得的用戶，一天後留存率27.8%，兩天後留存率是13.5%，三天後留存率是11.3%。
如果想深度地挖掘哪裡出了問題才導致這款社區型app的次日留存率這麼低，只有這種圖是不夠的，我們還需要進一步地分析用戶行為分析。
2、對比
- 拆分影響因素，排除無關因素。
在我們進行數據分析之前，要先對影響因素進行拆分，如果要對比APP的拉新效果，就要將因素拆分為訪問量、點擊量、註冊量等等，這些被拆分出來的因素就是我們要對比的指標。
同時也要排除掉無關的因素，比如APP某幾天瀏覽量的下降，可能是因為平臺全面限流導致的，這樣的因素會影響我們對數據變化的判斷，不能幫助我們找到產品缺陷，因此要排除出去。
- 多維度對比，一般分為四種。
- 時間維度：同時期對比或者上一時期的對比，包括環比、同比。
- 空間維度：比如不同城市的對比、不同行業的對比、不同國家的對比。
- 計劃維度：比如與計劃值、平均值、中間值的對比，多為差異對比。
總結
今天我就簡單解釋了一下留存的定義和留存分析模型的應用場景，簡單的歸納就是留存分析模型是用來做用戶活躍相關的數據分析，而且更多的是需要配合對比（時間上/分組上）來進行使用，從而獲取有效的信息。
閱讀更多 數據分析不是個事兒 的文章
