免费工具 留存率计算器:留存率计算公式与次日、7 日留存
留存率就是一批新用户里,过了一段时间还回来的比例。填上每个周期新增了多少用户、其中多少人回来了,得到各分群的留存率、加权平均,以及一张能直接放进幻灯片的图。只有期初、期末客户总数时,用下面公式区的客户留存率公式 (E − N) ÷ S。
- 各分群留存率与加权平均
- 最多 10 个周期
- 本地运行
填分群,出留存
一行一个分群。「新增用户」是分群规模,「回访」是其中在你衡量的那个周期——第 1 周、第 7 天或你定义的任何周期——回来的人数。
分群
| 分群 | 新增用户 | 回访 | 留存率 | 格子 | ||
|---|---|---|---|---|---|---|
| 第 1 周 | 46.0% | 46% | ||||
| 第 2 周 | 49.0% | 49% | ||||
| 第 3 周 | 52.0% | 52% | ||||
| 第 4 周 | 58.0% | 58% |
带颜色的格子是同一个数字在分群矩阵里的样子:颜色越深,回来的比例越高。
加权平均
51.4%
分群总人数
7,948
留存最高的分群
58.0% · 第 4 周
最弱的分群
46.0% · 第 1 周
各分群留存率
条形逐渐变长,说明越晚的分群留存越好——通常是产品或引导流程的改动起了作用。条形变短而分群变大,往往是获客更便宜但质量下降。
版本 v2.0更新于 更新记录
新换成新的工具页,并和同期群留存表、流失率计算器互通。
留存率和矩阵在说什么
每一行给对应分群一个自己的留存率;四个方框是对整组的汇总。重点是跨分群的走势,而不是某一个格子。
各分群留存率
每一行是该分群的回访人数 ÷ 分群规模。自上而下对比各行:留存率逐行上升,说明越新的分群回来得越多,通常是引导或产品改动在起效。
加权平均
全部回访 ÷ 全部新增——不是各比率的平均。它给出所有人混合后的留存率,大分群理应把它往自己那边拉。
最高与最弱分群
两者之间的差距才是真正的信号。差距小说明产品稳定;差距大说明那几个周期之间发生了值得解释的变化。
带颜色的格子
颜色越深留存越高——和分群矩阵是同一套编码。扫一眼这一列格子,不用读具体百分比就能看出趋势。
一个留存率只能和用同样方式衡量的另一个比较:同样的周期长度、同样的回访窗口、同样的回访事件。
先定四件事
只有每个分群按同一方式衡量,留存率才有可比性。
-
1
选分群周期
多数产品按周;高频消费类应用按天;B2B 按月。示例用的是周。
-
2
选回访窗口
N 日留存:恰好在第 N 天回来。范围留存:第 1 到 N 天内任意时间回来。说清楚你用的是哪种——数字差别很大。
-
3
选回访事件
「有一次会话」是最宽松的定义。核心动作——一次购买、发了一条消息、看了一份报表——更能说明问题。
-
4
只比较完整的分群
上周的分群还没到第 2 周。未到期的格子留空,不要当成零。
一个词,两种留存定义
关于留存的争论多数是两个人用了不同的定义。计算器把回访人数除以分群规模;「回访」指什么由你决定——选一种并标注出来。
- 留存率 = 回访人数 ÷ 分群人数;次日留存率 = 第 2 天还活跃的新增用户 ÷ 当天新增用户
- 客户留存率 =(期末客户数 − 期内新增客户数)÷ 期初客户数——只有期初、期末总数、没有分群时用
- N 日留存(经典):恰好在第 N 天活跃——严格、偏低,适合习惯型产品
- 范围留存(滚动):第 1 到 N 天内任意一天活跃——宽松、偏高,适合低频产品
- 加权平均 = 全部回访 ÷ 全部新增,大分群的权重大于小分群
留存率
r = 回访人数 ÷ 新增用户
示例第 1 周:846 ÷ 1,840 = 46.0%
加权平均
r̄ = Σ 回访 ÷ Σ 新增
示例:4,089 ÷ 7,948 = 51.4%(四个比率直接取平均会得到 51.2%)
客户留存率
CRR =(E − N)÷ S
期初 S = 500,新增 N = 80,期末 E = 520:(520 − 80)÷ 500 = 88.0%
N 日 vs 范围
N 日:第 N 天活跃 · 范围:[1, N] 内任意一天活跃
同一批用户、同一个 N,范围留存一定不低于 N 日留存
怎么读分群矩阵
每行是一个分群,每列是过去了几个周期。斜向的边缘就是今天——之外的格子为空,因为那些周还没发生。
| 分群 | 人数 | 第 0 周 | 第 1 周 | 第 2 周 | 第 3 周 | 第 4 周 |
|---|---|---|---|---|---|---|
| 9 月 1 日 | 1,840 | 100% | 46% | 38% | 33% | 31% |
| 9 月 8 日 | 2,012 | 100% | 49% | 40% | 35% | |
| 9 月 15 日 | 1,966 | 100% | 52% | 43% | ||
| 9 月 22 日 | 2,130 | 100% | 58% |
竖着读一列
第 1 周:46% → 49% → 52% → 58%。越晚的分群首周回来得越多:九月做的改动在起作用。
横着读一行
9 月 1 日:46% → 38% → 33% → 31%。到第 3 周曲线走平——这个平台期就是变成常客的那部分人。
忽略空白角落
9 月 22 日还没有第 2 周。把它当成 0% 会让最新的分群看起来像崩盘。
示例数据,与上方计算器的默认行一致。
留存数字为什么会误导
比率本身简单,出错的都是比较。
比较未完成的分群
只有四天的分群不可能有第 1 周留存。空格子就是空,不是零。
N 日与范围混用
7 日经典和 7 日滚动可以差一半。悄悄切换定义的看板会显示出假趋势。
直接平均比率
10 个人 90% 的分群和 2,000 人 40% 的分群,平均不是 65%。按分群规模加权。
按设备分群
没有身份合并时,手机和电脑上的同一个人是两个用户,其中一个永远「没回来」。要数人。
不用表格的分群表
TapCub 用你的事件自动生成矩阵:选起始事件、回访事件和周期,一个开关切换经典留存与范围留存。
留存率怎么计算?
留存率 = 回访人数 ÷ 新增人数 × 100%。例如某天新增 1,840 人,第二天其中 846 人又打开了,次日留存率 = 846 ÷ 1,840 = 46.0%;7 日留存就看第 7 天(N 日口径)或第 1–7 天内(范围口径)回来的人数。多个分群合起来算时,先把回访人数、新增人数分别相加再相除。
客户留存率计算公式是什么?
客户留存率 =(期末客户数 E − 期内新增客户数 N)÷ 期初客户数 S × 100%。期初 500 个客户,期内新增 80 个,期末 520 个:(520 − 80)÷ 500 = 88%。减掉新增是因为他们期初还不在,谈不上「留住」。只有总数时用它;能追踪同一批人时用分群留存更准。注意「利润留存率」是财务指标(留存收益 ÷ 净利润),和这里的用户留存不是一回事。
多少留存率算好?
取决于产品本来多久用一次、周期多长、什么算「回来」,拿一个通用基准去比容易误判。用同样的口径和自己之前的分群比,再按渠道、分群比。
该用 N 日留存还是范围留存?
有固定节奏(每天或每周用)的产品用 N 日。使用不规律的产品用范围留存,「这个月有没有回来过」才是诚实的问题。
加权平均为什么和比率的平均不一样?
因为分群规模不同。加权平均用全部回访除以全部新增,大分群比小分群权重大。
TapCub 怎么算留存?
从事件算:起始事件定义分群,回访事件定义「回来」,周期由你选。见留存报表。
留存率和流失率是什么关系?
同一批用户、同一个周期里,两者是一个数的两面:流失率 = 1 − 留存率。第 1 周留存 40%,就是这批用户里有 60% 那一周没有回来。付费客户的流失怎么算,见流失率。