留存分析
留存分析是数据分析中常用的方法,可以衡量不同批次新增用户的数据表现,最常见的就是留存率。提升次留、三留、七留等留存率指标对项目的可持续发展至关重要,通过留存分析模型,您只需几次点击就可分析一段时间内,完成某项初始事件用户的回访情况,从而进行宏观把控,优化决策。
在留存分析中,您可以得到下面问题的答案:
-
每天新注册的用户,在次日仍然活跃的比例有多少?
-
过去一段时间内,新用户的30日LTV情况怎么样?
-
各广告渠道的ROI在第多少天能够回正?
快速配置留存定义
在进行分析前,您需要先确定分析主体是什么,不同的分析主体代表不同的留存视角。举例来说,您可能希望查看游戏内角色的留存情况,或者分析账号的次日留存。
如果您希望分析的是新增账号在次日、三日……仍然活跃的情况,可以进行如下配置:
- 初始事件:代表新增的事件,如注册
- 回访事件:代表活跃的事件,如登录
留存分析默认以“日”为单位进行分析,您也可以选择按周、按月进行分析,即在某周/月完成了初始事件的分析主体在后续第N周/月是否有完成回访事件,得到第N周/月留存;如果您想分析的是日留存指标,但希望以周或月为单位汇总查看,请在可视化配置进行配置。
配置好相应事件后,留存分析模型会自动生成第N日/周/月的留存人数、留存率、流失人数、流失率指标。留存和流失定义如下:
- 留存:某天完成了初始事件的分析主体,在初始事件日期后的第N日有完成回访事件,即为第N日的“留存用户”。
- 流失:某天完成了初始事件的分析主体,在初始事件日期后的第 1 日至第 N 日都没有完成“回访事件”,即为第 N 日的“流失用户”。
您还可以开启“同时展示”进行进一步分析,计算完成了回访事件的用户的其他指标,如计算LTV及ROI。
点击初始事件、回访事件或「同时展示」的事件行上的「添加筛选」,可用事件属性、用户属性、用户分群或用户标签过滤该行的数据。例如,只把新手任务的完成事件计作回访时,可在回访事件行筛选任务类型。要给所有事件应用同一条件,可使用全局筛选。
开启「使用关联属性」后,可以为初始事件、回访事件和同时展示分别选择类型相同的事件属性。回访事件的属性值须与初始事件匹配,才计入留存。例如,以活动类型作为关联属性,可统计同一个用户次日再次参与相同活动的情况。
「关联属性作为分组展示」默认开启,结果会按关联属性的值拆分,每组各有自己的阶段值。用户在同一个初始日期触发了多次初始事件,且关联属性值不同,就可以进入多个组。关闭后,系统仍按关联属性匹配事件,结果按其他已选分组项展示。
您可以同时添加多个分组项,其中的事件属性可来自初始事件或回访事件。「分组逻辑」决定如何取初始事件的分组值,周期与分析粒度一致,可以是日、周或月。
- 「范围内首次」取分析时段内首条符合条件的初始事件的分组值。
- 「周期内首次」按每个周期分别取首条符合条件的初始事件的分组值。
- 「周期内每次」使用每个周期内每条符合条件的初始事件的分组值,同一分析主体在同一周期内可以进入多个分组。
例如,按天分析登录留存,选择初始事件中的 VIP 等级作为分组项。某用户第一天以 VIP 1 和 VIP 2 各登录一次,第二天首次登录时为 VIP 3。选择「范围内首次」,两天都按 VIP 1 分组。选择「周期内首次」,两天分别按 VIP 1 和 VIP 3 分组。选择「周期内每次」,第一天同时进入 VIP 1 和 VIP 2 两个分组。
选用回访事件属性作为分组项时,可另外设置「回访事件分组逻辑」。默认的「范围内首次」取计算范围内首条符合条件的回访事件的分组值。「范围内每次」使用范围内每条符合条件的回访事件的分组值,同一分析主体可以进入多个分组。
对数据结果可视化
留存分析支持多种可视化展示样式,默认以表格展示。
- 表格
每个单元格展示在某个初始日期下,第N日的留存人数/留存率,鼠标移动上去可查看对应说明。根据留存/流失率的大小,每个单元格都会用不同深浅的蓝色填充,方便您快速定位异常日期。
表格首行展示时间范围内的阶段值数据,您可以在阶段值逻辑说明查看阶段值的计算逻辑;从第二行开始,将会展示每日/周/月的留存/流失情况。如果您有配置分组项,可以点击+号在弹窗中查看该日期下不同分组的数据表现。
如果您希望更方便对比不同分组值的数据表现,也可以切换表格展示格式为“以分组为行”,表格默认展示各分组值的阶段值数据,您可以点击+号在弹窗中查看该分组下不同日期的数据表现。
需要注意的是,涉及到“今天”的单元格会带有星号(*),表示数据仍在变化中。举例来说,3月2日查看留存率数据时,3月3日的次日、3月4日的3日、3月5日的4日……的单元格都会有星号。
您可通过「隐藏不完整数据」来排除变化中数据的干扰,此设置会对表格展示,数据导出/下载生效。
- 第N日留存
第N日留存以折线图的形式展示第N日的留存/流失指标随时间变化的趋势,相比表格您可以更容易发现存在异常的初始事件日期。
第N日留存的X轴为初始事件日期,每条折线代表一个分组项的数据。
- 每日留存
通过每日留存,您可以对比不同日期完成初始事件的用户,在后续第1日、第2日……的留存率情况。
和第N日留存不同,每日留存的X轴为第N日,每条折线代表一个初始事件日期。如果您有配置分组项,则每条折线代表一个分组项的阶段值数据。

