如何用留存指标看用户粘性，这些细节千万不要忽略

对于运营或者产品人员而言，在日常工作中，只有经常将各项业务数据列出来，看一看，比一比，才能知道具体的工作情况，才能为实际工作的决策方向提供重要依据和参考。

以某APP举例来说，从用户下载到激活到再到实际付费进行用户转化，每一步都有专门的数据指标可以去观察应用的用户使用情况，并且还可以评估产品新功能为转化率带来怎样的影响。

因此我们通常对APP的数据分析聚焦在以下几个指标之上：留存数、流失数、一次性用户数、DAU/MAU。那这几个指标具体怎么看呢？需要关注哪些呢？

所谓的留存就是产品有没有留住用户，用户对产品有没有产生一定的粘性，简单来说今天使用的用户，一段时间内还会回来使用，那具体怎么看留存数呢？

举个例子，在不久前结束的双十一当天，有一款APP因为有优惠活动吸引来了3个新用户，分别为A、B、C，如果在双十一过后的第一天，A登录了APP，第二天B登陆了，第三天C登陆了，第四天又来了一个新用户D，这每一天的留存数是多少呢？

实际上双十一过后第一天的留存是1，也就是A，第二天和第三天也是1，分别是B和C，但是第四天就是0。这主要是因为双十一当天来的三个用户在第四天并没有活跃，而D只算是新增用户。

在算留存数的时候，有一点要注意，就是留存只算当天活跃的，并不是算这一天和之前活跃的。在TalkingData应用统计分析产品系统上，就有一个自定义区间：周留存，是指用户本周活跃了，在下一周再次活跃，其实就是把用户群的活跃范围从日扩大到了周。

留存常用的衡量指标除了留存数，还有留存率，其中包括次日留存率、7日留存率、14日留存率、30日留存率等。

通过留存率我们可以知道产品的留存情况，一般来说次日留存率比较低，说明用户对产品不感兴趣，7日留存率低，可能是用户觉得产品内容不够好玩，以此就可以找出原因，从而对产品功能或内容进行更新完善。

对于产品而言，不管是进行功能迭代还是进行渠道推广，其目的主要是为了留住用户，所以用户留存数是一个需要重点关注的指标。

有留存肯定就会有流失。通俗来说，流失指的是用户不在APP上活跃了，即在某段时间内不再登录或者不再有付费行为。和留存不同的是，我们在计算流失数的时候，一定要看跨度时间内不活跃的用户，而不是当天。只要你在计算时间段内活跃过一次，就不能算作流失，为了更好的发现流失问题，一定要结合活跃一起看。

而在新增当日就活跃了一次，在以后的日子里再也没有活跃过的用户，这个是一次性用户，并不是流失用户。一次性用户可以直接反映流量的质量，如果一次性用户高，流量质量就低。对于这个数据，在应用统计分析系统里，会直接给大家计算出每一个渠道里的一次性用户占比。

不过，现在有的客户在进行用户流失分析的时候容易陷入一个误区，就是对自身平台特性不清晰导致用户流失期限定义不准确。比如没有弄清楚符合什么条件的用户才能够被定义为流失用户，是一个月没登录平台？还是经常登录访问平台，却没有任何付费行为的用户？

因此，想要分析用户流失的原因，还要是从产品的角度进行分析。目前，应用统计分析产品支持7到30日这个时间段内流失用户的计算，数据可以直接在界面上进行下载。

DAU/MAU（日活跃用户/月活跃用户）是反映用户粘性的一个重要指标，它的结果越趋近于1表示用户粘性越好。但这个指标并不是对所有的产品都适用，像聊天社交类产品，大家可能每天都会使用，相对而言计算这个指标数据意义就不是很大。

而像游戏产品或者ToB类产品，用户活跃频率虽然不是每天都有，但每一次用户的活跃对产品都具有一定的价值。

通常在计算DAU/MAU的时候，都会在一个固定的时间范围。如果你想统计这部分数据，在应用统计分析产品上就可以自由地去定制这样一个指标，比如说1到8周或者1到6个月等。

值得注意的是MAU有自然月和相对月这两个概念，这样就会导致在进行这个指标计算的时候不能同时满足客户的所有需求。对此，应用统计分析产品直接将这部分数据对用户进行了开放，只需要接入其后台接口，就可以根据需求自由下载数据，不论是每天的DAU还是每个时段的DAU都可以看到。

除了以上几个数据外，我们还需要关注回访数和回流数。所谓的回访数指的是用户在使用该APP之后的N天/周/月之后，再次使用该APP的次数。回访数可以看到用户的活跃周期和APP使用粘性之间的关系。但是，单独看回访数，并不能很好地反映用户对APP的粘性，一般要结合留存对比着看，另外，流失数也可以作为回访数对比查看的一个数据。

而回流数计算的是在流失的用户中又有多少回来了。最常见的是产品做了一次用户唤醒活动，通过活动就可以看到流失的客户到底回来了多少。

关于留存指标，主要有两种类型：账户留存和设备留存。其中设备留存维度比较多，包含设备型号、操作系统、分辨率、国家/地区/省份、活跃渠道等，账户留存包括账户类型和注册平台、注册渠道和注册版本。

虽然指标数据有了，但是不少人在留存指标日常运营上面还存在不少问题，那怎么避坑呢？

首先我们要清楚自己的产品和业务，了解产品的用户使用周期，然后才决定要看一个什么样的留存指标，有一些看日留存比较合适，有的是月留存，所以必须要结合自己的业务特点去看这些数据才有意义。

比如像移动社交类产品，因为用户活跃度比较高，在看用户使用周期的时候，按天来看比较合适，对于财务管理类产品，通常是按照月来看，而对于一些报表类的工具产品，会涉及到周报，就可以按周计算。

因此，在留存指标日常运营上面，一定不要以为别人算的是日留存，自己也去算，产品不同用户使用周期也是不一样的，一定要根据用户使用周期去计算留存指标，这样统计出来的数据才更有指导意义。

其次在看留存指标的时候要注意几个点。一是数据发生异常的时候，比如留存指标降了，出现次日留存陡降的情况，这个时候我们就要看基础数据的变化情况，比如活跃数据、新增用户等。

二是看错误影响因素，例如产品进行版本升级的时候，出现bug导致用户不能正常进入系统，所以次日留存就降低。

三是注册转化，就是老客活跃量异常。这种情况在游戏场景里比较常见，比如你的用户在设备上新增了一个账号，本质上他还是一个用户，并不是两个用户，还有那种羊毛党，为了薅羊毛开了不同的账号，也会影响留存情况。

最后要看一次性用户，即流量来源是否正常。如果留存降低了，我们需要看一下昨日的一次性用户或者一段时间内的一次性用户是不是有增长，如果你单独看留存率，一定要看数据是否平稳。

另外，在进行留存数据分析的时候，最好将账户留存和设备留存的数据对比着看，这样可以掌握真实客户的使用质量。毕竟单一的ID识别或者用户识别，都不能准确地反映用户粘性，所以一定要多视角、多种数据结合着一起看。

今天，关于移动APP运营指标的多重释义就分享到这里，后续应用统计分析产品关于回访用户数据也可以实现自由定制，大家可以关注一下产品的迭代和更新！

TalkingData——用数据说话

每天一篇好文章，欢迎分享关注