TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

留存率怎么算:公式、同期群和一张算例表

「留存率」背后有两个公式。怎样用原始数字算客户留存和同期群留存,为什么同一批用户按当天、滚动、任意活跃算出的数字不同,以及该报哪一个。

林舟 发布于 2026 年 11 月 21 日 8 分钟阅读 数据分析
示例数据:同样的 800 次安装,按不同定义得到 19.0% 到 45.0%。按当天算最低也最抖,窗口内任意活跃最高。示例数据

算留存率,就是用原来那群人里还剩下的人数,除以原来那群人的人数:按周期是(期末客户数 − 新增客户数)÷ 期初客户数,按同期群是第 N 天活跃的成员数 ÷ 群的人数。同样的用户,按当天、滚动或任意活跃来算,可能得到 19%、31% 或 45%。

读完你会知道

  • 客户留存 =(期末 − 新增)÷ 期初;结果超过全部人数,说明新增客户还在数字里
  • 同期群表要按人数加权:三个示例群合计是 37.9%,不是简单平均的 38.3%
  • 同一个 800 次安装的同期群,按不同定义第 7 天是 19.0%、31.0% 或 45.0%,所以要写明你用的是哪种

人们说「留存率」时,其实指两种算法

「留存率」被用来指两个不同的计算,两份报表对不上,最常见的原因就是把它们混在了一起。

按周期算的客户留存率(订阅、账户、客户):

留存率 = (期末客户数 − 本期新增客户数)÷ 期初客户数 × 100

减掉新增客户,是为了去掉期初根本不存在的那批人,只衡量原来那一群。

同期群留存率(用户、安装、注册):

第 N 天留存率 = 第 N 天仍活跃的同期群成员数 ÷ 同期群人数 × 100

这里的群体在大家第一次出现的那天就固定了,之后你反复衡量的是同一批人。

第 1 个公式的示例数据:一家订阅业务月初有 1,200 位客户,本月新增 260 位,流失 84 位,且全部来自原来的 1,200 位。期末是 1,200 + 260 − 84 = 1,376。

  • 留存率 =(1,376 − 260)÷ 1,200 = 93.0%
  • 流失率 = 1 − 0.930 = 7.0%(84 ÷ 1,200)
  • 如果忘了减新增客户:1,376 ÷ 1,200 = 114.7%,这根本不是留存率,因为留存率不可能超过原来那群人的全部。

这个结果可以当作检查任何看板的常识:数字一旦超过原来的全部(比例大于 1),说明新增客户混进去了。

同期群留存率怎么算

同期群是共享同一个起点的一群用户,通常是首次出现的那一天、那一周或那个月。Google Analytics 的说法也一样:它的留存报告按用户被获取的那一天来分群。按下面的步骤做。

  1. 选起始事件(首次访问、注册、安装、首次购买)。
  2. 按开始的周期给人分组。
  3. 选回访事件。「任意活跃」最宽松;「打开应用」或「下单」更严格。
  4. 对每个同期群,统计第 1 周、第 2 周……各有多少成员做了回访事件。
  5. 把每个数除以该群的人数。

示例数据:三个按周注册的同期群,以及每周回来的人数。

同期群人数第 1 周第 2 周第 3 周第 4 周
1 月 6 日1,000380(38.0%)270(27.0%)215(21.5%)190(19.0%)
1 月 13 日800336(42.0%)232(29.0%)184(23.0%)152(19.0%)
1 月 20 日1,200420(35.0%)300(25.0%)228(19.0%)192(16.0%)
全部同期群3,0001,136(37.9%)802(26.7%)627(20.9%)534(17.8%)

最下面一行按群的人数加权:1,136 ÷ 3,000,而不是 38.0%、42.0%、35.0% 的平均值(那样会得到 38.3%)。不加权的平均会把小群看得太重。

这张表要从两个方向读。沿着一列往下,看新群在同样「年龄」是否更好或更差:1 月 20 日这群第 1 周比 1 月 13 日低 7 个点,这是要先查的地方(新流量来源、改过的引导步骤)。沿着一行往右,看曲线的形状:这个产品在第 1 周流失最多然后趋平,所以第 1 周的修复最重要。

按「当天」、滚动和任意活跃算,数字各不相同

苹果 App Store Connect 把留存定义为:某天安装的设备里,在若干天后又打开应用的百分比,这是按「当天」计算。Google Analytics 的留存概览有第 1 天、第 7 天和第 30 天三条线,留存图覆盖前 42 天。两种都成立,只是回答的问题不同。

示例数据:同一个 800 次安装的同期群,用四种方式衡量。

定义谁算数人数比率
第 1 天,按当天第 1 天打开了应用29637.0%
第 7 天,按当天第 7 天打开了应用15219.0%
第 7 天,滚动第 7 天或之后任意一天打开了应用24831.0%
第 1–7 天,任意第 1–7 天至少打开过一次36045.0%

同样的 800 个人,按不同定义得到 19.0%、31.0% 和 45.0%。按当天算的数字最低也最抖,因为第 7 天没来、第 8 天才回来的人算作没留住。滚动数字只会随时间下降,所以曲线平滑。任意活跃衡量的是窗口内的使用习惯。

按产品的使用节奏选。每天都用的产品(即时通讯、游戏)适合按当天算。每周用一次的产品(记账工具、开票应用)适合周同期群加「第 N 周活跃」。一年只用几次的产品(旅行、报税)应该按月做滚动留存,否则按当天算的数字会无缘无故地难看。

app.tapcub.com

一个同期群,四个留存数字

800 次安装
第 1 天 · 按当天37.0%
第 7 天 · 按当天19.0%
第 7 天 · 滚动31.0%
第 1–7 天 · 任意活跃45.0%
示例数据
示例数据:同样的 800 次安装,按不同定义得到 19.0% 到 45.0%。按当天算最低也最抖,窗口内任意活跃最高。

周期长度和年化怎样改变结论?

留存率取决于周期有多长。月留存 93.0% 听起来很高,但按一年复合是 0.93¹² = 41.9%。也就是说,如果每个月都是同样的 7% 离开,12 个月后现有客户剩不到一半。只有月流失稳定时才能这样复合,而新客的早期流失通常高于后期,所以把 41.9% 当作成熟客群的粗略下限,而不是预测。

两条实用规则:

  • 数字后面写上周期(「月留存 93.0%」「第 7 天 19.0%」)。单独一个「93%」没有任何可比性。
  • 不要拿周留存和月留存比。周留存 97% 的产品每周流失 3%,四周后是 0.97⁴ = 88.5%,即每月流失 11.5%。

常见错误有哪些?

错误后果修正
分子里混进了新增客户留存率超过全部,如 114.7% 的例子用(期末 − 新增)÷ 期初
对各群的百分比取平均小群权重过大;38.3% 而不是 37.9%先对人数求和再相除
把没结束的周期读成零最新的同期群看起来像崩了把尚未结束的周期标成未到期
一张图里混用定义滚动的第 7 天放在按当天的第 1 天旁边一张图只用一种定义
把从未活跃的人算进去分母里含有从没打开过的安装先定同期群从安装算起还是从首次使用算起,并写明
每个周期用不同的身份先用手机、再用笔记本的人被算成流失起止两端都用同一种身份(人,不是设备)

最后两条是实际团队里最容易吵起来的地方。苹果的留存百分比在分子和分母中都不含从未打开过的安装,所以同期群是「曾经打开过应用的安装者」,分母在安装日之后还可能增大。如果另一份报表把每次安装都算上,它的第 1 天看起来就会更低。

该报哪个留存数字?

用这条判断规则:

  1. 如果收入来自续费(订阅、合同),报按月的客户留存,旁边放按注册月份的同期群表。
  2. 如果产品免费使用、成功意味着回来,报第 1、7、30 天的按当天留存,加上周同期群表。
  3. 如果使用频率低,报 30、60、90 天的滚动留存。
  4. 百分比旁边永远写上同期群人数。15 个人的 60% 和 1,500 个人的 60% 不是同一件事。

关于什么算好,定义见留存,基准见好的留存率是多少。这篇只讲怎样把计算做对。

定义谁算数示例比率(800 次安装)
第 7 天,按当天第 7 天打开了应用19.0%
第 7 天,滚动第 7 天或之后打开了应用31.0%
第 1–7 天,任意活跃第 1–7 天至少打开一次45.0%
客户留存,按月(期末 − 新增)÷ 期初93.0%(另一个示例)

示例数据:前三行来自同一个 800 次安装的同期群;最后一行是另一个 1,200 位客户的订阅示例。

在 TapCub 里怎么算留存

拿上面的示例同期群表,用你自己的数据重建一遍。

  1. 打开全端分析 › 行为分析 › 行为分析,选择留存。起始事件和回访事件都留空就是衡量「任意活跃」,或者把起始事件设为注册、回访事件设为下单。
  2. 选周期(天、周或月)和展示多少个周期。默认是 14 天;上限是 30 天,或 12 周、12 个月。
  3. 选模式。TapCub 有三种:恰好在第 N 个周期回来、在第 N 个周期或之后任一周期回来、每个人回来了几个周期。前两种对应上面按当天和滚动的定义。
  4. 读结果表。每行是一个同期群,有起始日期、人数以及每个周期的人数和比率;还没结束的周期是空白,不是零。表下方那一行是按人数加权的平均比率,所以和示例表最下面一行一致,而不是简单平均。
  5. 应用和小程序在应用统计 › 用户分析 › 留存,有「新用户留存」和「活跃留存」两个页签,未到期的格子标为未到期。应用里次日留存的定义是:新用户中第二天再次启动的比例。

TapCub 不会告诉你某个留存数字算不算好,对照的是上面的基准页和你自己以前的同期群。它也不发召回消息,只负责衡量谁回来了,以及用没回来的人建出来的分群。

常见问题

留存率怎么计算?

对一群人在一个周期内:用起始群体中仍然保留的客户数除以期初客户数,即(期末客户数 − 新增客户数)÷ 期初客户数 × 100。对用户:在起始日固定一个同期群,用第 N 天活跃的成员数除以群的人数。

客户留存率的公式是什么?

客户留存率 =(E − N)÷ S × 100,其中 E 是期末客户数,N 是期内新增客户数,S 是期初客户数。期初 1,200、新增 260、期末 1,376,留存率是 93.0%。

留存率和流失率有什么区别?

它们是同一群人、同一周期的互补指标:流失率 = 1 − 留存率。如果一个月留住 93.0% 的客户,就流失了 7.0%。收入流失是另一个数字,因为它按客户的付费额加权。

第 7 天留存怎么算?

统计起始日之后第 7 天活跃的同期群成员,除以群的人数。示例中 800 次安装里有 152 个在第 7 天打开了应用,所以按当天算的第 7 天留存是 19.0%。如果把第 7 天或之后任意一天活跃的人都算上,同一个群得到 31.0%。

留存率可以大于全部人数吗?

算对的话不会。留存率衡量原来那群人还剩多少。高于原来的全部,说明没有减去新增客户,或者分母里漏掉了分子里有的人。

资料来源

归档:数据分析

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。

林舟

产品体验专员

关注产品体验、功能使用与增长实践,喜欢把复杂流程拆成清晰步骤,让分析结果更容易用到日常决策中。

建一张自己的留存表

按天、周、月看留存,支持按当天和滚动两种模式,平均值按人数加权,未到期的周期留空。

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