留存，默默的支持著我們產(chǎn)品的增長。糟糕的留存，就像一個漏水桶不斷消耗新增；而好的留存，則可以加強各種各樣的重要指標(biāo)，如病毒式傳播、利潤率和用戶生命周期價值。
改善留存率是一個復(fù)雜的挑戰(zhàn)，在我們想著手改善它之前，我們必須理解它。
我們都知道的用戶留存率
如果你問別人用戶留存的圖表是什么，你幾乎肯定會得到這樣的答案：
這個圖表顯示的是，注冊后經(jīng)過X天仍在使用產(chǎn)品的用戶的百分比。似乎在說，大約80%的用戶在頭30天的時候已經(jīng)逐漸離去，其余用戶－－曲線后期較為水平，會保持一段時間。
基于這樣的曲線和高流失率，可能會得出一些結(jié)論：
1. 因為曲線在26～30天之間較為穩(wěn)定，所以不需要擔(dān)心長期留存。用戶會在頭30天找到產(chǎn)品價值并留下來定期使用產(chǎn)品；
2. 用戶流失在最初幾天非常嚴(yán)重，所以大家不會立刻想辦法去改變這一現(xiàn)象。對于大多數(shù)用戶來說，喜歡產(chǎn)品的一些服務(wù)，但它長期使用起來并不是很理想；
3. 前幾周保持用戶是非常重要的，我們應(yīng)該專注于幫助用戶在此期間找到我們產(chǎn)品的價值所在。
然而，這些結(jié)論必然是錯誤的。問題在于，這樣的圖表中往往只是衡量了留存的開頭和結(jié)尾，只表露出了一小部分問題。
解析用戶留存率
下圖顯示了100個用戶使用模式的兩種（假設(shè)）情況。每個方塊表示某個用戶某天是活躍的。例如，User 1 在Scenario 1 中，在注冊后的30天每天都是活躍的；User 50 則是活躍了頭7天，后面就沒有活躍了。
這兩種方案代表了非常不同的用戶行為模式。在Scenario 1 中，用戶在所有的時間（活躍期間）使用產(chǎn)品，但當(dāng)他們離開，便不再使用產(chǎn)品，哪怕一次。在Scenario 2 中，用戶使用產(chǎn)品的時間是零星的，很難發(fā)現(xiàn)當(dāng)一個用戶離開便一去不復(fù)返了。
如果我們想提高留存，我們的做法在不同情況（方案）下可能是非常不同的。
但是問題就在這里。每個情況的整體留存率都相同－－它們都表示上面的“Overall Retention Rate”圖表。如果只是看這個圖表，大家會給兩種方案以完全相同的方式提高留存。
因為留存通常是將某一天活躍的人數(shù)與其首次注冊(或激活)人數(shù)計算來的，所以曲線都是一致的。在這兩種情況中，都有100個注冊用戶，day 26、27都還有20個活躍用戶。然而在Scenario 1 中day 26、27，20個活躍用戶都是相同的用戶，在Scenario 2 中卻是幾乎完全不同的20個活躍用戶。
更完整的留存數(shù)據(jù)會更突出這些差異。
1. 數(shù)據(jù)包括前一天
在Scenario 1 中，在前面的每一天每個用戶都在使用產(chǎn)品。在Scenario 2 中，留存用戶更傾向于返回使用一段日子，周期性的使用和退出。
為了檢測到這些差異，我們需要計算多少人在活躍期間使用和退出產(chǎn)品。這個新的結(jié)果顯示與最前面留存率表相同，但是它分成了兩部分：用戶包含前一天活躍的和前一天沒有活躍的，黃色區(qū)域越大說明越多用戶活躍。
在Scenario 1 中，每天100%的留存用戶也是昨天的留存用戶。在Scenario 2 中，大約一半用戶在day 10活躍，同時在day 9也是活躍的，但是到了day 30，只有5～10%的用戶在day 29也活躍。
2. 兩次活躍間隔的平均時間
Scenario 1 and Scenario 2 之間最明顯的區(qū)別之一是－－**活躍天之間的間隔**。Scenario 1 中沒有間隔，Scenario 2 中間隔是不同的。
在上一個表中，可以看出這些間隔的存在。下面這個表則可以看出這個間隔有多大，對于某一天的活躍用戶，自上一次活躍平均間隔了多少天。
我們可以這樣幾個方面解釋這些表。
較低的平均間隔時間意味著人們更頻繁地使用產(chǎn)品，但也意味著用戶不活躍了很長一段時間，沒有返回使用產(chǎn)品。
較高的平均間隔時間意味著人們使用產(chǎn)品時間更零星，但它也意味著該產(chǎn)品能夠帶回不活躍的用戶。比如有人今天在亞馬遜訂購了商品，可能距離上一次已經(jīng)過去了半年。
3. 流失后，再返回的用戶
要知道什么時候容易拉回流失用戶，也是很重要的。Scenario 1 中似乎相當(dāng)明顯，一旦用戶離開了一天，Ta可能永遠不再回來。
但Scenario 2 中，就需要弄清楚拉回流失用戶的時間間隔。例如，一些亞馬遜用戶兩次購物之間可能會隔幾個月，那么亞馬遜應(yīng)該等多久考慮召回用戶呢？答案肯定不是拍腦袋出來的。
下面這個圖表顯示了用戶在離開多少天后返回的可能性，離開時間長度返回用戶的百分比。
Scenario 1 顯示了你已經(jīng)知道的－－一個用戶一個沒來就消失了。
Scenario 2 講述了一個不同的故事－－用戶已經(jīng)離開的時間很少影響他們回來的可能性。意味著最近活躍并不能很好預(yù)測是否有人回來使用產(chǎn)品。在這種情況下，長期的流失不太可能表明一個用戶會不會被召回。
該指標(biāo)不僅有助于描述多長時間用戶慢慢流失，而且還提供了何時應(yīng)該召回用戶的重要信息。
結(jié)論？
“Overall Retention Rate”圖表似乎告訴我們仨件事：
1. 前30天保持用戶很重要；
2. 多數(shù)用戶最初喜歡產(chǎn)品，但不會長期使用；
3. 一些用戶在前30天發(fā)現(xiàn)產(chǎn)品價值并留下來經(jīng)常使用產(chǎn)品；
Scenario 1 中，上述三個多是正確的。前30天似乎是建立產(chǎn)品習(xí)慣的重要期。最初人們喜歡產(chǎn)品，甚至頻繁地使用產(chǎn)品，但并不表明他們會長期使用產(chǎn)品。
Scenario 2 中，上述三個沒有一個正確的。人們并不是真的離開產(chǎn)品，他們只是偶爾使用產(chǎn)品。
要想改善留存，不僅僅是看一個百分比，我們需要更完善的留存數(shù)據(jù)來下鉆分析。
