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：

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

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.

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。他们可能有高有低、有急有缓，但是都可以用一条乘幂函数表示。而理解了留存曲线是客观规律这一事实，就能理解为什么我们可以用次日留存、7 日留存等作为产品的重要指标了：因为他们都是对留存曲线一整条曲线的点估计。

说白了，就是把一整条曲线降维成一个点，这样我们就可以每天观察这个点的变化情况，从而得知产品的留存状况是变好了还是变坏了。下图中是次日留存和 7 日留存的变化曲线，X 轴是日期，Y 轴是留存率，业务含义即在 X 日新增的用户，其对应的 n 日留存率是 Y。很明显，如果没有这种降维方法的话，我们就要给每一天画一条留存曲线了，几十条留存曲线摆在一起是看不出来留存随日期的趋势变化的。

当然, 有降维就一定有信息损失. 所以我们还是要注意多角度的观测留存曲线才行. 留存曲线有两个重要特征:

1.前期快速下降

2.一定时间后进入平稳期

如果我们想要提高产品的留存表现, 就要从这两个方面出发, 缩短用户群组进入平稳期的时间 (尽快激活) , 并且让更多的用户进入平稳期 (激活更多) .

次日留存的意义

总有这样一种观点，认为自己的商业模式是很低频的模式，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。

我想从几方面多角度地全方位批评一下.

1.你以为用户次日不来，次月就会来了？Naive，第二天都没有用户想起你来，一个月之后用户早就把你忘光了，都去隔壁消费了

2.用户的转化是一个过程而不是一个点，一定是从认知、认可再到认购的过程，次留代表的就是认可。只有用户认可你了，才会有后续的认购。

3.越低频的产品，用户的决策链路越长，往往花几个月的时间货比三家，最后决定性的几分钟完成交易链路上的转化。想想如果在这几个月的时间内用户从来都没有访问过你的产品，会是多可怕的事情。所以对低频产品来说，次留同样重要。

并且由于留存曲线是一条统计意义上的曲线，次留是 15% 并不代表只有 15% 的留下来，可能拉长到一个月时间后，总共有 40% 的用户留下来。然而通过把次留从 15% 做到 20%，你是可以预知到一个月后留存下来的用户有可能超过 50% 的。这也是这个数据指标的重要价值：通过量化的方式衡量业务表现的变化，并且尽可能更早发现变化。注意重点是衡量业务变化，而不是衡量业务，如果没看懂，建议仔细品一品。

另外衍生一点, 次留可以不拘泥于 App, 小程序这些具体形态上, 从更高的层面上, 应该聚焦到产品价值本身的留存上. 如果能通过搜索引擎, 社交媒体等, 持续的让用户体验到你的产品的核心价值, 就能做到用户留存了. 通过 RSS 订阅的方式持续阅读少数派的文章, 即使不访问少数派 App, 这个用户也是少数派的留存用户, 也会产生实际价值, 比如购买少数派的周边.

从平台留存到细分功能留存

上面我们谈到留存率时, 都是面向整个产品或者说整个平台的, 比如电商 App 平台的新增用户有多少留存下来. 而当平台所提供的产品价值不止一种时, 就会衍生出多种多样的细分功能留存.

拿美团来讲, 巨无霸美团提供了哪些不同的产品价值呢:

1.叫外卖

2.订酒店

3.订机票

4.打车

5.共享单车

6.买菜

7.买药

8.……

作为一个超级 App, 融合了多种服务, 提供了多样的产品价值. 对于每种服务, 可以看到美团都有做新用户的营销活动, 比如没用过买菜服务的用户, 进入买菜频道的时候还是能享受到新用户优惠. 相应的, 只要存在"新用户"的概念, 就存在与新用户对应的留存概念: 买菜服务的新增用户中, 有多少会留存下来持续使用买菜服务.

甚至就算不是超级 App, 也可以细分出更精细的留存. 拿普通电商来说, 可以细分到品类的留存, 频道的留存:

女装品类，每天浏览女装品类的新增用户中有多少留存下来持续浏览女装

秒杀频道，每天秒杀频道的新增用户中有多少留存下来持续使用秒杀频道

……

当用户在多个不同的服务中留存时, 代表着用户对产品价值的认可, 相应的, 整个平台对用户产生的总的产品价值就更大了, 也就意味着平台的留存会随着细分功能的留存提高而提高.

--- 未完待续 ---

到这数着也差不多有三千字了，就先分享到这里吧。

最近围绕用户生命周期做了非常多深入的思考，基于用户生命周期把产品的几个关键任务划分为：转化、留存、回访、复购、流失、回流。以后有机会可以全方位多角度慢慢展开来讲讲。

附:

Google Analytics 的分析平台可以直接看留存率报表, 从 GA 上我们也很容易看出谷歌所使用的定义. Retention 从来只有一种, 即针对 New User 的留存. 每日活跃用户的构成被分成两种, New Users (新用户) 和 Returning Users (回访用户)

本文原创，未经作者允许不可转载！

更多内容，欢迎关注作者微信公众号：产品研究笔记！