一文读懂留存分析：定义、场景、指标、口径详解

留存分析是衡量产品健康度的核心方法之一。简单来说，它追踪的是：第一批用户来了之后，过了几天、几周、几个月，还有多少人会回来。留存率的高低，直接反映产品是否真的留住了用户，也是判断产品长期价值最关键的尺度。

这篇文章讲清留存分析的定义、核心指标，以及用户洞察分析平台如何衡量和提升用户粘性。

一、什么是留存分析

留存分析是一种用户行为分析方法，用于追踪首次触发特定行为的用户，在之后一段时间内是否再次活跃，并量化「留下来」的用户比例。这里的特定行为可以是注册、首次打开 App、完成新手引导，也可以是下单、付费等关键动作。

留存分析回答两个核心问题：

拉来的用户能留多久？
哪些用户会留下，哪些会快速流失？

和拉新指标不同，留存率反映的是产品对用户的长期价值。如果一款产品拉新能力强但留存率很低，说明产品没有满足用户的长期需求，这些流量基本属于无效流量；相反，即使新增数量一般，只要留存率高，也说明产品具备核心竞争力，为后续转化和变现打下基础。

留存分析的价值:

验证产品价值：留存率是判断产品与市场匹配度的核心标尺，高留存意味着产品真正解决了用户需求。
优化拉新质量：对比不同渠道、不同人群的留存表现，可以发现哪些渠道带来的用户质量更高，及时调整投放策略。
定位流失拐点：通过留存曲线找到用户大规模流失的时间点，再结合行为路径定位流失原因。
指导分层运营：把用户分成高留存、低留存、流失等群体，做差异化运营与召回。
支撑战略决策：留存数据结合用户生命周期价值，帮助企业判断业务增长潜力。

二、留存率怎么算？核心指标有哪些

1. 留存率的计算公式

留存率 = 某个时间段内的留存用户数 ÷ 初始用户数 × 100%。

其中，初始用户数是首次触发注册等起始行为的用户总量，留存用户数是这批用户中在后续特定时间节点再次触发登录、使用核心功能等目标行为的用户量。

2. 关键留存指标

次日留存率：衡量新用户首日体验，验证新手引导和核心功能触达效果。业内经验参考值：工具类 App 约 30%–40%，休闲游戏约 25%，在线教育约 20%–30%。
7 日留存率：衡量短期粘性，判断用户是否形成初步使用习惯。多数产品集中在 15%–25%，优质产品可超过 30%。
30 日留存率：衡量长期粘性，反映产品核心价值，与复购、付费转化密切相关。多数产品集中在 8%–15%，头部产品可达到 20% 以上。

需要注意的是，这些数值只是行业经验参考，不同产品类型的活跃定义不同，判断留存好坏要结合自身的业务口径和同期对比。

3. 留存口径

自然日留存：按日历日期统计，例如 1 月 1 日注册的用户，只统计 1 月 2 日、1 月 8 日、2 月 1 日是否活跃。
滚动留存：用户在之后任意一天活跃即视为留存，适合行为不规律的低频产品。
连续留存：要求用户在之后连续 N 天每天都活跃，适合衡量深度粘性场景。

4. 更多留存分类

新用户留存：追踪用户从首次使用到形成使用习惯的过程，是留存分析的重点。
老用户留存：关注使用超过一定周期用户的活跃度与复购情况。
功能留存：聚焦某个核心功能是否被持续使用，用于判断功能价值和优化方向。
分组留存，即同期群留存：按注册时间、来源渠道、用户标签等维度分组，对比不同群体的留存差异。

三、用户粘性如何衡量？核心指标与口径

1. DAU 与 MAU

DAU 即日活跃用户数，指一天内完成有效行为的独立用户数，按用户去重统计。
MAU 即月活跃用户数，指一个月内完成有效行为的独立用户数，同样按用户去重统计。

DAU 适合观察产品的日活水平，MAU 更适合低频、中低频产品的活跃大盘。

2. DAU/MAU 粘性指数

DAU 与 MAU 的比值，即 DAU/MAU，是衡量用户粘性的常用指标。它代表月活用户平均每月有多少比例的天数活跃，比值越高，说明用户使用越频繁、粘性越强。

多数产品的 DAU/MAU 在 10%–30% 之间；像微信、Facebook 这类社交产品可以超过 50%；若比值接近 3.3%，说明用户基本只用一次，粘性很低。DAU/MAU 也能反映用户流失情况：比值下降，往往意味着流失用户增加、使用频率降低。

3. 留存率与用户粘性的关系

留存率和 DAU/MAU 是从不同角度衡量用户粘性：留存率从「某批用户随时间回来多少」的纵向视角看问题，DAU/MAU 从「一个月内活跃用户的使用密度」横向看问题。两者结合使用时长、使用频次、人均活跃天数等指标，才能比较完整地描述用户粘性。

四、用户洞察分析平台如何衡量用户粘性

用户洞察分析平台通过埋点采集用户在 App、Web、小程序等端的行为数据，把「用户做了什么」变成可计算的事件，再通过一系列分析模型衡量留存与粘性。核心能力一般包括：

事件分析：统计某个行为的发生次数和人数，支持多维度下钻。
留存分析：自定义初始行为和留存行为，自动生成留存率表格与留存曲线。
同期群分析：按首次行为时间把用户分组，对比不同批次用户的留存走势。
漏斗分析：拆解核心转化路径，找到流失最严重的环节。
用户分群与画像：按属性、行为把用户分层，支撑精细化运营。
路径分析：还原用户在关键节点前后的行为序列，定位流失原因。

以 ThinkingAI 为例，其用户洞察与数据分析产品已服务全球超 1500 家企业、接入超 8000 款产品，覆盖游戏、短剧、直播、电商、社交、工具等多个行业。平台内置留存分析等分析模型，支持私有化部署和二次开发，帮助企业把留存数据沉淀为运营动作；ThinkingAI 旗下的留存分析软件也已获得正式的软件产品登记。

1. 从看指标到做运营的闭环

衡量用户粘性的最终目的不是看数字，而是驱动改进。平台把留存分析与用户分群打通后，运营团队可以这样工作：先定位高流失人群，再结合漏斗找到流失环节，然后用分群功能圈选目标用户，配合运营策略做触达和召回，最后用下一次留存数据验证效果。这就形成了「洞察—决策—行动—验证」的完整闭环。