App 留存率：怎么算、怎么看曲线、怎么提升

多数应用会在几天内流失大部分新用户。你的应用有没有问题，取决于留存怎么算、曲线会不会变平。本文讲公式、三种算法、留存曲线，以及一次上手流程改动在八个周批次上的算例。

什么是 App 留存率？

App 留存率（app retention rate）指首次打开应用若干天后，仍会回来使用的用户百分比。最常用的检查点是次日、7 日和 30 日留存。如果周一有 10,000 人安装并打开了应用，其中 2,600 人周二又打开了，次日留存就是 26%。

留存是应用能否持续提供价值的最清楚的信号。获客可以花钱买，留存只能靠产品自己挣。

怎么计算 App 留存率

第 N 日留存 = 批次里第 N 天活跃的用户 ÷ 批次用户数 × 100

批次指在同一天（或同一周）首次打开应用的用户。安装当天是第 0 天。常见的算法有三种，同一个应用会算出差别很大的数字：

经典留存是移动端基准常用的口径，也最严格。无界留存适合偶尔才用的应用，比如旅行或报税。报告时一定要写清用的是哪种，也不要拿一种算法的数字去和另一种算法的基准比。

同一批次，三种算法。报告时写清用的是哪一种。

典型的留存曲线是什么样

大多数应用会在几天内流失大部分新用户。Andrew Chen 分析 Quettra 的 Android 应用数据发现：平均水平的应用在安装后 3 天内流失约 77% 的日活用户，30 天内流失 90%，90 天内流失超过 95%，排在前面的应用则留住了多得多的用户。

曲线的形状比任何单个点都重要。健康的曲线在头几天陡降，然后变平：留下来的用户已经形成了习惯。一路下滑趋向零的曲线，说明还没有哪一群用户找到持久的价值。

算例：按批次衡量一次上手流程改动

一个语言学习应用把上手流程从六屏缩短到三屏，并把头一节课挪到注册账号之前。它对比了改动前后各四个周批次（示例数字，按每批次约 10,000 次安装取平均）：

让这个结果可信的几点：

• 提升没有消退。 60 日留存提高了 2.7 个百分点，不只是次日，所以不只是新鲜感。
• 曲线更早变平。 从第 30 天到第 60 天，旧批次剩下的用户又流失了 26%（7.0% → 5.2%），新批次流失 21%（10.0% → 7.9%）。
• 核对了获客结构。 两个时期每个批次里付费安装都占 40%，所以变化不是流量来源不同造成的。
• 对用户基数的影响很大。 每周 10,000 次安装，30 日留存多 3 个百分点，意味着每周多约 300 个一个月后仍活跃的用户，一年约 15,600 个，而获客花费一分没多。

怎么提升 App 留存

1. 在头一次会话里交付价值。 让用户在注册墙和权限弹窗之前先试到核心动作。
2. 找到「啊哈」动作。 对比第 30 天留下的和流失的用户：头一周的哪个动作把他们分开？把更多新用户引向它。
3. 修崩溃和慢启动。 头一次会话里的稳定性问题，是次日流失常见又可避免的原因。
4. 按行为触发推送，让推送有明确价值，并盯住关闭率。
5. 给用户回来的理由： 进度、连续打卡、收藏的内容、协作、新内容。
6. 在用户流失之前召回：沉默 7 天的用户比沉默 60 天的容易挽回。
7. 按批次和分群衡量：按获客渠道、平台、国家和应用版本。

常见误区

• 混用算法。 拿自己的无界留存和经典基准比，会显得比实际好。
• 对全部用户取平均。 要用批次；否则新用户的增长会掩盖留存的下降。
• 把还没到期的天数算成零。 10 天前的批次还没有 30 日留存值。
• 不管重装和设备。 想清楚留存按用户还是按设备算，并保持一致。
• 只看次日。 靠噱头换来的早期提升，往往到第 30 天就没了。

在 TapCub 里衡量 App 留存

应用统计 › 用户分析 › 留存 可以在「新用户留存」（从一个人首次出现那天算起）和「活跃留存」（从某个周期活跃的人算起）之间切换，粒度可选日、周、月。还没到期的格子标为未到期，而不是零。表格旁边，「用户新鲜度」展示活跃用户里 1、7、30 天内首次出现的占比，「正在流失」展示沉默了 7、14、30、60 或 90 天的用户。重装不算新用户。要自选起始和回访事件，在行为分析里打开「自定义留存」。每周的新增、持续、回流和流失用户见 用户分析 › 用户构成。延伸阅读：多少留存率算好、怎么做批次分析 和 App 参与度指标。

另见：做留存报表。

另见：留存曲线、移动 App 客户旅程。

资料来源

• Andrew Chen，New data shows losing 80% of mobile users is normal, and why the best apps do better（2015，Quettra 数据）。