正文

用户留存率怎么算公式解析以及新手常见误区案例

/0 浏览量
1005

做产品或者运营，最怕听到的一个词就是“流水账”——钱赚进来又花出去，池子里的水始终没见涨。为什么？因为留存没做好。

很多新手一上来就盯着DAU（日活）或者新增用户数看，觉得自己每天拉新几千人是牛人。但等夜深人静一算账，发现第二天只剩一半人，第三天剩三分之一……这就像往一个底部有洞的桶里倒水，倒得越欢，漏得越快。

今天咱们不整那些虚头巴脑的理论，我把留存率这个事儿掰开了、揉碎了讲清楚，顺便把那些让无数运营踩坑的“套路”都给你排掉。

一、 留存率到底是个啥？别被名字骗了

首先得纠正一个概念：留存率 ≠ 用户忠诚度的唯一标准，但它是最直观的“健康指标”。

想象一下，你开了家餐馆。今天来了100个客人（新增），一个月后，这100人里又有20个人回来吃了第二顿（留存）。那你的留存率就是20%。

但这20%里，有5个人是每周都来，15个人是偶尔来凑热闹。这能说明你餐馆好吗？不一定。所以，看留存不能只看一个总数，得分群、分层、看趋势。

核心逻辑： cohort（用户群）分析

留存的核心是“ cohort analysis”（同期群分析）。简单说，就是把同一时间段内注册/首次使用的用户归为一组，然后观察他们在随后不同时间点还有多少人留下来。

比如：

  • 3月1日-3月7日注册的用户，算作“3月1周群”。
  • 看这群用户在3月8日、3月15日、3月30日还有多少人活跃。

这样做的目的是剔除新增用户对数据的干扰。如果你只看总留存，上个月来的老用户和新来的用户混在一起，根本看不出产品自身的生命力。

二、 留存率的正确计算公式（附代码示例）

公式很简单，但怎么算、算哪一天，容易搞错。

1. 基础公式

\[ \text{留存率} = \frac{\text{第N天仍活跃的原新增用户数}}{\text{第1天的新增用户总数}} \times 100\% \]

2. 关键定义：什么是“新增用户”？

这里有个大坑！新增用户（New User） ≠ 当天活跃用户。

  • 新增用户：指首次安装/注册/启动App的用户。
  • 当天活跃用户（DAU）：当天有任何行为（启动、点击等）的用户，包含老用户。

错误算法：用当天DAU / 昨天DAU = 留存率 ❌ 正确算法：用“首日新增用户中，在第N天仍活跃的人数” / “首日新增用户总数” ✅

3. SQL 代码示例（以Hive/Spark SQL为例）

假设你有一张用户行为表 user_events，字段包括：

  • user_id：用户ID
  • event_time：事件发生时间
  • event_type：事件类型（’install’ 代表首次安装/注册，’active’ 代表当日活跃）
  • dt：日期分区（格式 yyyy-MM-dd）

我们要计算每日新增用户的次日留存率（即第2天还活跃的比例）。

WITH new_users AS (
    -- Step 1: 找出每天的首次安装用户
    SELECT
        dt,
        user_id,
        MIN(event_time) AS first_install_time
    FROM user_events
    WHERE event_type = 'install'
    GROUP BY dt, user_id
),

retained_users AS (
    -- Step 2: 找出这些用户在安装后第二天仍活跃的记录
    -- 这里简化逻辑：只要用户在 dt+1 有任意活跃行为就算留存
    SELECT
        nu.dt,
        nu.user_id,
        COUNT(1) AS retained_count
    FROM new_users nu
    JOIN user_events ue
        ON nu.user_id = ue.user_id
        AND ue.dt = DATE_ADD(nu.dt, 1)  -- 次日
        AND ue.event_type != 'install'   -- 排除再次安装的情况（视业务而定）
    GROUP BY nu.dt, nu.user_id
),

daily_new AS (
    -- Step 3: 统计每天的新增用户总数
    SELECT
        dt,
        COUNT(user_id) AS new_user_count
    FROM new_users
    GROUP BY dt
)

-- Step 4: 计算留存率
SELECT
    d.dt,
    d.new_user_count,
    IFNULL(r.retained_count, 0) AS retained_count,
    ROUND(
        IFNULL(r.retained_count, 0) * 100.0 / d.new_user_count,
        2
    ) AS retention_rate_pct
FROM daily_new d
LEFT JOIN retained_users r
    ON d.dt = r.dt
ORDER BY d.dt DESC
LIMIT 30;

代码解读：

  1. new_users CTE：先锁定每天“第一次来”的人是谁，避免老用户被重复计算。
  2. retained_users CTE：通过时间偏移（DATE_ADD(dt, 1)）找到这些人在“明天”是否出现。
  3. 最终将保留人数除以新增总人数，得到百分比。

💡 提示：如果你的业务是“签到”类，留存定义可以是“连续N天登录”；如果是“游戏”，可能是“7日内充值”；定义需根据业务目标调整，但基数必须是首日新增，这点不能变。

三、 新手必踩的5大误区（附真实案例）

误区1：把“日留存”当成唯一指标，忽视“周留存”和“月留存”

案例：某社交App上线后，次日留存高达85%，运营团队觉得产品非常成功，加大投放。结果一个月后，月留存不到5%，用户全部流失，公司倒闭。

为什么错：次日留存高，说明“钩子”做得好（比如新人礼包、引导流程顺畅），但用户没有形成习惯。真正的留存要看30日留存或60日留存，它反映的是用户是否真正认可产品价值。

✅ 正确做法：关注N7、N14、N30留存。游戏行业看N1留存和N7留存，工具类APP看N30留存更有意义。

误区2：混淆“新增用户”和“活跃用户”，导致留存率虚高

案例：某电商APP统计“昨日新增用户今日留存”，发现留存率90%。仔细一查，发现这“新增用户”里包含了大量老用户重新下载后打开APP的记录（被误判为新用户）。

为什么错：如果用户多次安装/卸载，每次都被算作“新增”，那么次日留存率会被严重高估，因为很多是“回流用户”而非“真正的新增”。

✅ 正确做法：用user_id + first_install_time 来定义唯一的新增用户群，并用device_id或fingerprint辅助去重，确保“新增”是真实的首次行为。

误区3：只看整体留存，不看分群留存

案例：某内容APP整体7日留存率为20%，看起来不错。但细分后发现：

  • 通过SEO搜索进来的用户，7日留存率仅5%（他们只想看一篇文章就走）
  • 通过KOL推荐来的用户，7日留存率达45%

运营团队只看了整体数据，继续加大SEO投放，结果成本越来越高，用户质量却越来越差。

为什么错：不同渠道、不同来源、不同行为路径的用户，留存能力天差地别。整体数据会掩盖问题。

✅ 正确做法：分层分析：

  • 按渠道分（自然流量 vs 付费广告）
  • 按用户行为分（首次使用路径A vs 路径B）
  • 按设备/地区分

误区4：认为“留存率高 = 产品好”，忽视“留存率低 = 产品差”的因果关系

案例：某工具类APP留存率只有10%，产品团队认为是“用户太挑剔”，继续优化UI和动画，试图“留住用户”。但根本没解决核心问题：这个工具没有差异化功能，用户用完就走，没有理由留下。

为什么错：留存率低，根本原因是产品价值未被感知，而不是体验细节。优化UI是“锦上添花”，不是“雪中送炭”。

✅ 正确做法：留存低时，先问三个问题：

  1. 用户为什么来？（价值主张）
  2. 用户为什么走？（流失原因调研）
  3. 用户用什么来替换我？（竞品分析）

误区5：用“算术平均”计算多日留存，而非“队列追踪”

案例：某公司统计“周留存率”，方法是：把本周所有活跃用户中，上周新增的用户数，除以本周新增用户数。结果算出来留存率30%。

但正确做法应该是：追踪上周新增的特定人群，看他们在本周还有多少人活跃。两种算法结果可能相差甚远。

为什么错：算术平均会混入“本周新增用户中的一部分”，导致数据失真。

✅ 正确做法：坚持cohort（队列）追踪，始终基于“首日新增用户”这一固定群体进行计算。

四、 如何提升留存率？三个实战技巧

技巧1：优化“首因效应”——让前7天成为关键

用户流失高峰期通常在前7天。这期间，你需要：

  • Aha Moment（顿悟时刻）：让用户尽快体验到产品的核心价值。比如知乎让用户“第一次回答”获得点赞，抖音让用户“刷到第一条感兴趣的视频”。
  • 新手引导轻量化：不要一上来就弹出10个功能介绍，而是通过“任务体系”让用户在操作中自然学习。

技巧2：建立“流失预警”机制

不要等用户走了才后悔。设置阈值：

  • 用户3天未登录 → 推送优惠券
  • 用户7天未打开 → 触发短信/电话回访
  • 用户30天未活跃 → 标记为流失用户，分析原因

技巧3：用“游戏化”和“社交关系”锁定用户

  • 游戏化：签到、勋章、排行榜，利用人的成就感心理。
  • 社交关系：让用户邀请朋友一起使用（如微信读书的“好友正在读”），关系链是留存的最强护城河。

五、 总结：留存是产品的生命线

记住一句话：新增是面子，留存是里子。

没有留存的拉新，就像往漏水的桶里倒水，倒得越多，亏得越惨。而有了留存，拉新才是“造血”，而不是“输血”。

下次再看数据报表时，别只盯着DAU那个数字傻笑，多花5分钟看看不同 cohort 的留存曲线。那条曲线，才是你产品真正的生命力所在。

如果数据不好，别急着骂用户，先问问自己：我给用户留下了什么理由？

-- 展开阅读全文 --