TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

客户互动指标:跟踪那些能预测留存的指标

按活动、深度、情感和结果分组的客户互动指标,外加检验哪些指标能预测留存的方法。一个重新计算的批次显示,25% 的客户贡献了 47.9% 的收入。

奥利弗·里德 发布于 2026 年 11 月 19 日 9 分钟阅读 增长与运营
示例数据:头 30 天活跃 8 天及以上的 250 位客户,贡献了 33,400 美元 90 天收入中的 16,000 美元(47.9%),留存率 80%;活跃 0 到 2 天的 400 位贡献 14.4%,留存率 21%。示例数据

客户互动指标只有在能预测留存或收入时才有用,所以要靠检验来选,不要靠清单。本文把指标按活动、深度、情感和结果分组,展示怎样检验哪一个能区分留下的客户和离开的客户,并用一个重新计算的批次说明:25% 的客户贡献了 90 天收入的 47.9%。

读完你会知道

  • 指标只有在数值越高、留存或收入越好时才算互动;逐个检验
  • 把候选行为对照 90 天留存:示例里邀请队友把留下的人区分出 49 个百分点,邮件打开只有 4 个
  • 把指标变成档位,并配上动作:活跃、观察、有风险

什么是客户互动指标,它们必须证明什么?

客户互动指标衡量客户怎样与你的产品、网站或客服互动:多频繁、多深入,以及他们的感受。只有当它们能预测你关心的事情时才有用。一次与留存或付费无关的互动,是活动,不是互动。所以本文每个指标的检验都一样:数值越高,留存或收入是不是越好?

多数互动指标清单停留在定义上,让你自己猜哪些重要。本文先给定义,再给一个方法,让你在自己的数据里检验哪些指标真的能预测留存。更广泛的指标族见互动指标;互动在客户生命周期里的变化见客户生命周期指标。

哪些互动指标值得了解?

按衡量的对象分组。公式是通用的;关键是从不同组里各选几个。

分组指标公式或定义它告诉你什么
活动周期内活跃天数周期内有任何活动的天数他们来得多频繁
活动粘性(DAU ÷ MAU)日活跃用户 ÷ 月活跃用户月活用户里每天来的占比
深度功能采用率使用某功能的用户 ÷ 活跃用户他们用了产品的多少部分
深度有效会话率有效会话 ÷ 会话真正算访问的访问占比
情感净推荐值(NPS)推荐者占比(9 到 10 分)− 贬损者占比(0 到 6 分)推荐的意愿
情感客户满意度(CSAT)满意的回答 ÷ 回答数某次具体互动进行得怎样
结果复购或续费率再次购买的客户 ÷ 客户你想要的行为

有两个定义值得对照出处核实。Google Analytics 4 把持续超过 10 秒、发生了转化事件或至少有两次页面浏览的会话算作有效会话,互动率是有效会话除以会话数。净推荐值则来自 Frederick Reichheld 在《哈佛商业评论》上的文章,他提出询问客户向别人推荐这家公司的可能性,并论证这个答案与增长有关。示例粘性:1,200 日活用户 ÷ 6,000 月活用户 = 20%。

怎样检验哪个指标能预测留存?

对每个候选指标,把客户分成做了(或得分高)和没做的两组,再比较 90 天后各有多少仍是客户。1,000 位客户的示例数据:

候选指标(头 30 天)90 天留存:高90 天留存:低差距
打开 3 封及以上邮件47%43%4 个百分点
5 次及以上会话62%31%31 个百分点
至少邀请了一位队友78%29%49 个百分点

邮件打开几乎区分不了留下来的人和离开的人。邀请队友则区分得很明显。如果你把「邮件打开数」当作互动指标来跟踪,你就是在照着一个几乎说明不了留存的数字掌舵。

要提醒几点:这显示的是关联,不是因果(热情的客户什么都做得多);每一组需要足够多的客户,总数至少几百,否则差距会大幅波动;一个今天能预测留存的指标,在你逼着人去刷它之后可能就不灵了。每年重新检验一次。

分组指标公式
活动周期内活跃天数有任何活动的天数
活动粘性日活跃 ÷ 月活跃用户
深度功能采用率使用某功能的用户 ÷ 活跃用户
深度有效会话率有效会话 ÷ 会话
情感净推荐值推荐者占比(9 到 10)− 贬损者占比(0 到 6)
结果复购或续费再次购买的客户 ÷ 客户

从不同分组各选几个,再逐个对照留存检验。

互动和收入怎样联系起来?一个算例

示例数据:1,000 位新客户组成的一批,按头 30 天内的活跃天数分组。留存是第 90 天仍然活跃的客户,收入是 90 天内每位客户的平均收入。

头 30 天活跃天数客户90 天留存留存客户每位客户 90 天平均收入该组收入
0 到 240021%8412 美元4,800 美元
3 到 735052%18236 美元12,600 美元
8 及以上25080%20064 美元16,000 美元
合计1,00046.6%46633,400 美元

活跃天数达到 8 天及以上的 250 位客户(占这批的 25%)贡献了 33,400 美元中的 16,000 美元,即 90 天收入的 47.9%,留存率 80%。活跃天数 0 到 2 天的 400 位(占 40%)贡献 4,800 美元,即 14.4%,仍留下的有 21%。

这就把「活跃天数」从虚荣数字变成了决策工具:处在中间档(3 到 7 天,350 人)的客户,是推一把最可能起作用的一群,因为他们既没流失,也没被留牢。如果一次引导改动把 50 位客户从中间档推到了最高档,这个样本里预期多出的收入是 50 × (64 美元 − 36 美元) = 1,400 美元(90 天)。这是上限,因为被推动的客户大概不如无人推动就走到那里的客户投入。

app.tapcub.com

按活跃天数看 90 天留存

示例数据,1,000 位客户
8 天及以上80%
3 到 7 天52%
0 到 2 天21%
示例数据
示例数据:头 30 天活跃 8 天及以上的 250 位客户,贡献了 33,400 美元 90 天收入中的 16,000 美元(47.9%),留存率 80%;活跃 0 到 2 天的 400 位贡献 14.4%,留存率 21%。

怎样把指标变成健康度规则?

指标有了阈值和对应动作才有用:

档位规则(示例)动作
活跃30 天内 8 天及以上活跃请求推荐或评价;保护好体验
观察3 到 7 天活跃发送相关提示;就能预测留存的功能提供帮助
有风险第 14 天后仍只有 0 到 2 天活跃对高价值账户人工联系,对其他人自动发消息

对企业对企业的账户,涵盖多个人的得分比任何单个用户的活动都更有力:一家公司只有一个人登录,无论这个人多活跃,都很脆弱。除了活跃天数,也要数每个账户的活跃成员数。

所有客户类型都应该用同一个阈值吗?

通常不应该。同一批客户按套餐拆开就能看出原因。活跃天数达到 8 天及以上的这 250 位客户的示例数据:

套餐客户活跃 8 天及以上占该套餐比例其中 90 天留存
自助版70010515.0%105 人中 80(76.2%)
团队版30014548.3%145 人中 120(82.8%)
合计1,00025025.0%250 人中 200(80.0%)

全公司统一的「8 天及以上」规则,把 15% 的自助版客户和 48.3% 的团队版客户标为活跃,因为团队本来就登录得更频繁。如果拿混合的 25% 作为两者的门槛,你会把大多数自助版客户标成有风险,而他们的正常模式本来就是较轻的使用。阈值要按细分人群来定:对每个套餐,找到留存陡然上升的活跃天数水平,就用它。

还有两个习惯能让数字保持诚实。改了产品就重新计算阈值,因为新功能会改变正常使用的样子。并且汇报各档位的客户占比随时间的变化,而不是单一的平均值,这样「活跃」档位缩小时,在收入受影响之前就能看出来。

互动指标最常见的错误有哪些?

  • 数活动,不数价值。 登录、打开和页面浏览并不能预测留存。
  • 从不检验与留存的联系。 每个指标都要对照 90 天的结果检验。
  • 只用一个指标。 把活动、深度和情感结合起来;每一种都有漏掉的东西。
  • 看平均值。 平均 3 个活跃天,可能是一组 0 天和一组 6 天,它们需要相反的动作。
  • 追着数字跑。 为了拉高活跃天数而推送通知,可能抬高退订和投诉。
  • 把 NPS 当作因果杠杆。 它是情感的信号;改调查方式改变的是分数,不是忠诚度。
  • 所有套餐用同一个阈值。 它会把本来就用得较轻的用户误标为有风险,并掩盖重度用户的下滑。
  • 忘了账户。 在 B2B 里,互动既是针对个人的,也是针对公司的。

在 TapCub 里怎么衡量客户互动

还是上面这一批客户。TapCub 衡量人们在你的产品、网站和聊天里做了什么;它不发 NPS 这类调查,也不做通知推送,所以问卷得来的情感分数仍然在你的调查工具里。步骤如下:

  1. 看他们来得多频繁。 在全端分析 › 行为分析 › 行为分析里,选生命周期并读粘性:一周或一月内在 N 天活跃的人数,以及占比。这就是不用导出任何东西的「活跃天数」。
  2. 看他们是否回来。 在同一处,留存报表显示一批用户在第 N 期仍然活跃的人数;选一个起始事件(比如注册)和一个回访事件(比如你的关键动作)。表格下方是按规模加权的平均比率。
  3. 对比各种行为。 在全端分析 › 行为分析 › 事件分析里,为每个候选行为建一个指标(邀请了队友的用户、人均会话)。在全端分析 › 用户 › 分群与标签里,可以一次定义高互动人群(做过某事件、活跃天数达到某个数),再带到其他分析里使用。
  4. B2B 看账户视图。 登录之后调用 tapcub.group('company', 'acme', {...}),全端分析 › 用户 › 账户会显示账户数、30 天活跃账户、成员和 0 到 100 的健康分。健康的意思是活跃成员多(40 分)、活跃天数多(30 分)、近期出现过(最近 7 天内 30 分,30 天内 15 分)。它是组织视图,所以不能打开个人明细,也不能加分群。
  5. 加上客服的满意度。 客服 › 客服报表显示满意度和知识库命中率;它涵盖聊天互动,不是全产品的 NPS。
  6. 知道边界。 TapCub 不发 NPS 或 CES 问卷,也不触发消息;它报告行为以及随后的留存。

常见问题

什么是客户互动指标?

衡量客户怎样与产品、网站或客服互动的指标:活动(多频繁)、深度(多少)、情感(感受如何)和结果(是否留下或再次购买)。只有能预测留存或收入时才有用。

哪些客户互动指标值得跟踪?

跨分组选几个:活跃天数、功能采用率这样的深度指标、一个情感分数,以及复购或续费。然后在你自己的数据里,用 90 天留存检验每一个,留下那些能区分留下者和离开者的。

怎样衡量客户互动?

定义什么是活跃,按周期统计,跟踪有多少人回来,并把各种行为和之后的留存和收入对比。对 B2B 的账户,还要数每个账户的活跃成员。

互动率多少算好?

取决于互动怎么定义,所以只比较同口径的。在 Google Analytics 4 里,互动率是有效会话除以会话数。要跟踪你自己的趋势,以及它是否带动了留存。

客户互动和客户满意度有什么区别?

互动描述的是行为(客户做了什么);满意度描述的是感受(客户说了什么)。两者都重要,也可能不一致:每天使用某个产品的客户,仍可能对它不满意。

另见:客户互动想法:十二个做法和各自要看的指标。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

奥利弗·里德

产品体验专员

关注产品易用性、使用路径与功能采用,通过具体场景拆解从首次体验到持续使用的关键环节。

看看客户回来得多频繁

查看粘性、各批次的留存和账户健康分,并一次定义高互动人群以便反复使用。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie