目前，市场上的产品同质化越来越严重。广告和流量分割的成本越来越高。一些新产品用户的平均客户获取成本达到了几十元甚至几百元。

所以如何提高留存率，更重要的是，留住高收购用户，提高用户对产品的依赖。

大家都很熟悉AARRR模型，

Acquisition

Activation

Retention

Revenue

Refer

即用户获取、激活、保留、收入和用户沟通。从下图可以看出，这是一个典型的逐步减少漏斗图。通过对各环节转化率的分析和变化，确定实现最终转化的关键方法，并不断优化迭代。

在产品普遍红海的现状下，成长型专家也对模型进行了新的思考和优化AARRR模型中，最为关注的是用户的获取，通过扩大漏斗顶端的流量池，实现最终转化的提高。

在目前的市场形势下，获取客户很难成为增长实现的最重要指标。RARRA模型，帮助人们从用户获取转移关注重点用户留存这就需要更多地关注用户活动和数据保留

‘Helvetica Neue’,’PingFang SC’,’Microsoft YaHei’,’Source Han Sans SC’,’Noto Sans CJK SC’,’WenQuanYi Micro Hei’,sans-serif;”>让我们来看看一些关于保留分析的具体数据分析过程和分析方法

1、不同概念的保留。

保留率定义为用户在一段时间内开始使用网站/应用程序(一般定义为注册)，一段时间后继续使用的人被视为保留用户。

保留率反映了网站/应用程序的质量和保留用户的能力。也可以说，保留率越高，用户就越依赖产品。

留存率计算方法：

留存率=登录用户数/新用户数*100%

一般统计周期为天，常见周期维度为次日、7日、14日/15日、30日、60日、90日

比如：

次日留存率：(第一天新增用户数，第二天登录用户数)/第一天注册用户总数

7日留存率：(第一天新增用户数，第八天登录用户数)/第一天注册用户总数

30日留存率：(第一天新增用户数，第31天登录用户数)/第一天注册用户总数

不同周期维度的保留率数据也代表了用户对产品感知的不同阶段。

次日留存率，一般来说，用户对产品的第一印象，如注册流程、新手指导、界面等UI等等，代表产品能否在第一时间给用户带来良好的感受和价值体验。

caret-color: #121212; color: #121212; font-family: -apple-system,BlinkMacSystemFont,’Helvetica Neue’,’PingFang SC’,’Microsoft YaHei’,’Source Han Sans SC’,’Noto Sans CJK SC’,’WenQuanYi Micro Hei’,sans-serif;”>
周留存率，此时，用户基本上体验了产品的大部分功能。此时，保留用户代表其需求与产品功能相匹配，产生了初步的忠诚度。

月留存率，更长期的留存率数据，代表用户对产品产生依赖感，这部分用户更深入的使用和了解产品，这时产品的不可替代性和核心价值，是留住这部分用户最重要的东西。

二、二存率的计算分析

下面我们用数据可视化工具BDP，让我们来看看具体的数据分析过程，以计算新用户的日保留率为例

1、数据准备

包含字段：用户id 用户访问时间、账户注册时间

2、表格设置

维度:访问日期(按日分析)

数值:新用户数(即用户数)id计数值）

1日常保留率：用户id将字段拖到数值栏，在高级计算中选择留存率

在基本设置中，可以选择保留周期，设置第一天的保留率，即第二天的保留率，以次类推，拖动字段，设置2、3、4、5、6、7、15天的保留率

当维度为日期字段时，保留的计算配置将根据日期字段的粒度进行调整。如果是日期，则计算1、2天后的保留；如果是月，则计算1、2月后的保留。每周、每季度和每年都是一样的。

注：

在上面的例子中，我们添加了一个新的用户数字段，使用筛选器来确保排除老用户访问记录的影响。

使用day_diff([日期字段1]，[日期字段2])，通过日期差找出两个日期差=0，判断是否为新注册用户

此时，后续添加的保留率也会受到筛选器的影响。如果您不想影响以下保留，可以在高级选项中添加例外字段，以消除影响。

保留率分析更灵活：

保留率计算中的保留周期也可设置为范围时间和定制时间段：

范围时间：可以设置一个范围时间来统计留存，例如设置为1~3日留存将在3天内重复访问的用户计算为留存用户，并计算留存率

自定义时间段：可设置固定时间段统计保留，如2016年12月7日~2016年12月11日，将在此期间重复访问的用户计算为留存用户，并计算留存率

可视化设计：

在上图中，颜色显示是根据不同的保留率值设置的，可以通过色阶显示清楚地显示用户保留率的变化或异常值

三、保留数据分析

根据数据统计和结果，我们可以结合一些方法进行分析

1、划分新老用户

新老用户在产品中有不同的行为和不同的需求阶段，因此在划分新老用户后，可以找到相应的优化和改进方向。

例如，影响新用户保留因素可能是

注册流程是否简单；

界面UI设计；

引导过程是否友好；

能否在第一时间体验到产品的核心价值等

新用户对产品没有忠诚度，很多原因会影响用户的进一步使用体验

而老用户更关注

产品功能迭代；

是否有售后支持服务；

竞争影响等

在使用过程中，一些不满足需求或不满足需求的用户将丢失。如何让更多的老用户更依赖产品、用户回访、良好的建议反馈渠道、优惠活动等，是维护这些老用户的好方法之一。

2、划分产品功能

通过对不同产品功能的保留分析，可以了解各功能的价值，对不同功能进行更合适的迭代优化，避免浪费用户价值低的一些功能的成本。

例如，使用频繁、用户数量多、留存率高的功能是产品的核心功能，需要良好的维护和避免问题；

有些功能使用不频繁，但保留率高，说明这些功能对用户有长期价值，也是产品中值得推广和引导的功能；

当发现有些功能使用了更多的用户，但保留率较低时，需要具体分析原因，无论是因为该功能不满足用户的需求，还是因为体验差，无法留住更多的用户

分析产品功能的保留率，可以支持后续的产品优化更新。

3、划分不同的渠道

新用户的留存率是帮助我们了解渠道价值和宣传方向的重要指标。

在产品推广中，不同渠道获得的用户群体肖像不同，如搜索引擎推广、短视频广告等平台获得的用户往往不同，需求也不完全一致。在搜索引擎排水中，大多数用户都有明确的需求，在搜索类似产品的过程中，他们往往希望第一次解决当前的需求；短视频平台可能被广告中的宣传词和产品效果所吸引，想要了解产品的核心价值。

通过对不同渠道排水用户的留存率分析，可以调整渠道的投资成本和宣传方向，提高用户的整体留存率。

在保留率分析过程中，通过层层细分和数据支持，帮助我们更好地更新迭代产品，调整运营模式。只有提高整体用户保留率，产品才能更可持续发展。