八大數據分析模型之——自定義留存分析模型（五）

諸葛君說：在流量愈來愈貴背景下，留住老用戶顯得愈發重要，對於用戶而言，留存率越高，說明產品對用戶的核心需求把握的越好，用戶對產品產生強烈的依賴。對於產品而言，留存率越高，說明產品的活躍用戶越多，轉化爲忠實用戶的比例會越大，越有利於產品變現能力的提高。

1、留存定義和公式

定義：知足某個條件的用戶，在某個時間點有沒有進行回訪行爲

公式：若知足某個條件的用戶數爲n，在某個時間點進行回訪行爲的用戶數爲m，那麼該時間點的留存率就是m/n

以咱們經常使用的指標舉個例子：「新增用戶日留存」，就是某天新來的用戶，次日打開app或網站的比例，第三天打開app或網站的比例，第七天打開app或網站的比例，第N天打開app或網站的比例。

圖1：新增用戶留存

這一指標就是N-day留存，即第幾日留存，這裏的「日」能夠是「周」，也能夠是「月」，你們如今廣泛認識的用戶留存，通常都是「N-day」留存了。

除了N-day留存，業內常見的留存分析方式還有「Unbounded留存」、「Bracket留存」，這3類留存的區別就在於時間條件的差別，具體關注哪一種留存，須要根據業務來定。

-Unbounded留存（N天內留存）

Unbounded留存就是咱們常說第N日內留存，N-day留存是隻計算第N天完成回訪行爲的用戶，Unbounded留存會累計計算N天內全部完成過回訪行爲的用戶。

-Bracket留存 （自定義觀察期留存）

N-day留存和Unbounded留存都是按照獨立的天/周/月爲觀察單位計算，但有時候咱們不但願受限於這種固定時間度量，咱們但願劃分爲幾個觀察期，好比如今默認一個觀察期就是一天或者一週或者一個月，但有時候，咱們可能會這樣劃分。

第一個觀察期：第二天

第二個觀察期：第3日-第7日

第三個觀察期：第8日-第14日

第四個觀察期：第15日到第30日

以電商類產品爲例，4月9號新增用戶的第三天留存就是4月12日進入產品的用戶比例，即N-day留存；4月10號、4月11號和4月12日3天中任意一天進入產品的去重用戶比例，即Unbounded留存；若是自定義一個觀察期，好比第第3日-第7日的留存就是4月12日-4月16日的中任意一天進入產品的去重用戶比例，即Bracket留存。

2、自定義留存

上述三種留存方式，都是對時間的限定，對留存的定義都是用戶打開了APP或進入了網站。而愈來愈多的產品開始關注自定義留存，由於他們更想知道基於本身業務場景下用戶的留存狀況。好比閱讀類產品會把看過至少一篇文章的用戶定義爲真正的留存用戶，電商類產品會把至少查看過一次商品詳情定義爲有效留存。因此，對留存的行爲有了自定義。

圖2：回訪行爲是查看課程詳情的7日留存數據

-初始行爲：初始與回訪是相對的概念。

-回訪行爲：與初始行爲的設定是而且關係。用戶的初始行爲能夠理解爲上一次行爲，回訪行爲即理解爲下一次行爲。

對初始行爲和回訪行爲的設定本質上是在進一步篩選用戶羣。在滴滴的一次增加分享會曾提到過「搶了紅包的用戶後來打了車的日留存」，即初始行爲是搶了紅包，回訪行爲是打了車。「搶了紅包的用戶打了車的3日留存」即初始行爲是搶了紅包，回訪行爲是打車，看這部分人的第三天留存。

3、場景舉例

簽到是一個很是古老的功能，過去在一些社區平臺也比較常見，但諸葛君發現，愈來愈多的產品又開始有了這個功能，甚至一些金融產品。簽到的核心是經過培養用戶的登陸習慣，延長用戶的生命週期。（固然，簽到功能也會和積分等其餘可兌換的獎勵所綁定），而簽到功能自己，就是一個純粹的爲了提高用戶回訪的功能，這一功能到底有沒有吸引用戶回訪，用自定義留存分析功能再合適不過了。

假設這一功能是面向全部用戶，固然，你也能夠去看目標用戶羣的留存狀況。以下圖：

初始行爲：任意行爲

回訪行爲：簽到成功

圖3：回訪行爲是簽到成功的7日留存數據

從上圖能夠看出，簽到功能帶來了很好的用戶粘性。不少用戶回訪都會觸發簽到功能，功能價值得以衡量和提現。

隨着用戶規模的飽和，獲客成本大幅提升，用戶可能由於一點不爽分分鐘就卸載掉你的應用，此時提升留存就顯得尤其重要，由於不論是花費在金錢仍是資源上的成本都會更低，留存已成爲檢驗產品的重要指標，自定義留存模型，經過更靈活的行爲和時間條件的設置，讓留存指標更精細化，讓運營策略更聚焦，更有效。