一句话回答
留存曲线显示一个用户批次在开始使用后的每一天、每一周或每个月仍然活跃的比例;曲线走平,说明有一群稳定的用户在持续获得价值。
公式: 第 N 天留存 = 第 N 天活跃的批次用户 ÷ 批次用户数 × 100
什么是留存曲线?
留存曲线(Retention Curve)是一条折线,显示一群用户(一个批次)在开始使用后的每一天、每一周或每个月,还有多少比例仍然活跃。横轴是从开始事件起的时间(第 0 天、第 1 天、第 7 天……),纵轴是回来的用户占批次的比例。它总是从 全部 开始下降,要看的是降得多快、最后会不会走平。
留存曲线是产品市场契合度最清楚的信号之一:曲线走平,说明有一群稳定的用户持续获得价值;曲线一路滑向零,说明用户最终都会离开。
怎样读留存曲线
| 形状 | 说明什么 | 常见原因 |
|---|---|---|
| 早期陡降,之后走平 | 很多人只试一次;留下的人会一直留 | 大多数 App 都这样;改进引导能抬高平台 |
| 一路下降到零 | 对任何分群都没有持久价值 | 产品契合度弱,或者用户群不对 |
| 前期平稳,后期下降 | 试用结束或内容用完后流失 | 试用到期、定价、深度不够 |
| 后期回升(微笑曲线) | 用户隔一段时间后回来 | 季节性使用、新功能、召回 |
| 新批次更高 | 产品在变好 | 引导或功能改动起作用了 |
怎样计算留存
第 N 天留存 = 批次中第 N 天活跃的用户 ÷ 批次用户数 × 100
几种变体:
- N 日(精确)留存: 恰好在第 N 天活跃。
- 无界(滚动)留存: 在第 N 天或之后任意一天活跃;数值会更高。
- 区间留存: 在一个区间内活跃,比如第 2 周(第 8–14 天)。
一定要说明用的是哪种变体,以及活跃的定义(任意事件还是核心操作)。
计算示例
3 月头一周注册的 1,000 个新用户(示例数据),活跃定义为「完成一节课」:
| 天 | 0 | 1 | 7 | 14 | 30 | 60 | 90 |
|---|---|---|---|---|---|---|---|
| 活跃 | 1,000 | 340 | 210 | 180 | 160 | 150 | 145 |
| 留存 | 全部 | 34% | 21% | 18% | 16% | 15% | 14.5% |
曲线在头一周陡降,一个月后在 15% 左右走平:每 1,000 个注册里,约 145 人成为长期用户。如果通过更好的引导把第 7 天留存从 21% 提到 25%,很可能会把整个平台抬高。
TapCub 里的留存曲线
留存报表按开始日期列出各批次,每个周期显示人数和比例,并画出按批次大小加权的平均线,有三种模式:恰好在第 N 期回来、在第 N 期或之后回来、以及按回来的期数统计。可以选择开始事件和回访事件、周期(日、周、月),最长 30 天或 12 周 / 12 个月。见怎样做批次分析。
参考资料
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
