过去三年，我拆解过十几个增长项目的留存数据。最常见的现象是，运营团队拿着一张周留存曲线，把下降归因于版本更新、内容拉动，或者换了一批新用户，但很少有人会问一句：这一批用户的同期群，到底是在第几周开始流失的。2023年我复盘某个协作工具的数据时发现，整体周留存率从35%掉到20%，表面上看是产品迭代导致，可一旦按注册周拆开同期群，下降早在迭代前就已经出现，只是被新用户增长高峰稀释了。
留存分析不是给一个指标定生死，而是把“谁在流失、什么时候流失、发生了什么、背后是哪类行为缺口”逐层剥开。这篇文章，我会结合实际案例和数据观察，说清楚留存分析真正应该怎么做，以及提升留存时该从哪里动手。
先讲核心结论
留存分析的首要任务不是算出留存率，而是找到失去的“时间点”和“行为点”
很多团队用“次日留存、7日留存、30日留存”做周报，但这一组数字只能告诉你“还在不在”，不能告诉你“为什么留不住”。我的判断是，留存分析的真正产出是一张“时间，行为，用户分层”的三维地图，而不是一张折线图。时间点告诉你流失发生的阶段，行为点告诉你流失之前用户到底缺了哪个动作，用户分层告诉你不同来源、不同使用深度的群体差异。
在实操中，我一旦发现某个产品次日留存还在45%以上，但7日留存跌到15%，第一个动作不是上推送，而是去看注册后第2天到第3天之间发生了什么。因为48小时到72小时通常是“首次价值时刻”的兑现窗口。如果用户在这段时间内没有完成任何一个能带来即时反馈的核心动作，后续留存大概率会继续下滑。
提升留存的杠杆集中在“激活”与“重新激活”，而不是盲目增加功能
我做过一个数据对比：把新用户分成两组，A组在注册24小时内完成了关键操作，B组只浏览了首页。30天后，A组的留存率是B组的2.3倍。这个差距不是靠弹窗、红包或者签到能够抹平的。留存是激活的自然结果，如果激活环节没有打通，后面所有动作都是补救。
所以，提升留存的第一步，永远是把激活路径上每一步转化数据拉出来，找到从注册到“首次价值时刻”之间流失最大的环节。这个环节可能是注册表单太长、可能是首次加载太慢、可能是新手引导没有指向核心功能。
留存分析必须用同期群视角，不能只看整体平均
整体留存率会被新增用户结构、渠道投放节奏和季节因素严重扭曲。新用户占比高的时候，整体留存往往会被拉低；老用户回访高峰的时候，整体留存又会被抬高。只有把用户按首次访问或首次注册的时间切成同期群，才能看到每批用户真实的“生存曲线”。
我用一个具体数据说明这个问题：某内容社区App，整体次日留存稳定在38%，看起来无恙。但按注册周拆开后，第1周的次日留存还有47%，到第12周已经掉到29%。整体稳定是错的，真实趋势一直在恶化，只是每周新增用户量在增加，掩盖了质量下降。没有同期群视角，团队很容易在错误的方向上使劲。
背景与真实场景
我接手的一个 SaaS 协作工具留存分析项目
2023年下半年，我作为外部数据分析顾问，参与了一个团队协作工具的留存优化项目。产品形态是SaaS，覆盖项目任务管理、文件共享和进度同步，主要面向中小团队，注册方式以团队管理员邀请成员为主。当时产品已经走过两年，累计注册用户超过30万，但周活跃率长期徘徊在22%左右。
项目启动时，团队给我的预期是“做一次功能点分析，找出哪个模块用户用得少，然后优化”。但我没有从功能使用率入手，而是先建立了6个周同期群，追踪从注册到第12周的留存变化。结果比我预想的更清晰：每批用户在注册后第1周的留存率都挺高，但在第2周出现断崖式下跌，跌幅接近一半。也就是说，大部分用户不是“从来不用”，而是“用了一周后不再回来”。
深入挖掘后，真正的流失原因浮出水面
我把流失用户的数据继续往下拆，按是否创建过项目、是否邀请过成员、是否创建过任务、是否移动端使用过四个行为维度做交叉分析，发现一个非常稳定的规律：注册后7天内没有创建过项目的用户，第30天留存率只有8%；而创建过项目且邀请过至少1位成员的用户，第30天留存率是31%。这个差距接近4倍。
进一步看了使用流程，发现产品的新手引导规划了5个步骤，但“创建项目”被放在第3步，前面还有“完善头像、选择行业模板、设置团队名称”。大量用户在半路流失，这一步就是“激活”的阻碍点。
拆解常见误区
很多团队遇到留存下滑，第一反应是给流失用户发问卷、做访谈。流失用户当然有价值，但只看他们，你只能知道“为什么不想回来”，很难知道“为什么愿意回来”。我会同时分析高留存用户的行为模式，找那些持续使用超过90天的用户，在看他们使用的功能组合。这些才是留存的正向证据。流失用户提供痛点，高留存用户提供路径。
给出专业判断逻辑
判断留存问题，先建立“使用周期，行为触发，价值感知”三层框架
任何一个留存问题，都可以放到三层框架里去定位。
这三层的优先级不能倒置。先看使用周期是否符合产品定位，再看行为触发是否顺畅，最后才看价值感知。很多产品把价值感知放在第一位，天天发调查问卷问用户“你觉得有用吗”，但用户根本还没进入使用节奏。
定位核心流失节点，用“事件间隔分布”找出死亡谷
我习惯把用户生命周期切成三段：新手期（注册到第7天）、成长期（第8天到第30天）、稳定期（第31天以后）。然后分段计算事件间隔分布，也就是用户两次关键操作之间隔了多少天。
如果新手期用户平均完成第一次核心操作的间隔是2.1天，但流失用户的间隔高达6.8天，那“激活速度”就是新手期留存的核心变量。如果成长期用户的关键行为间隔从3天逐步拉长到15天，那问题变成“使用频次无法维持”，这时候要考虑引入周期性的外部触发，比如任务到期提醒、协作动态通知。
案例：注册后引导路径调整，7日留存提升5.2个百分点
在协作工具项目中，我建议把“创建项目”从新手引导第3步挪到第1步，同时把“邀请成员”设计成创建项目后的即时弹窗。团队成员担心这样做会让新手引导完成率下降，因为用户先创建内容再完善资料，从流程上更“重”。但我坚持做了两周A/B测试。
结果显示：新引导组的新手引导完成率从68%降到61%，但注册后7日内创建项目的比例提升了22%，第7日留存率从29.4%提升到34.6%。用户进入产品后第一次就完成“在一个容器里设定目标，然后拉人进来协作”，整个价值链路被缩短到1分钟内。留存提升不是因为你提供了更多功能，而是你让用户更快地“第一次成功”。
数据观察：沉默用户的“回归窗口”远比想象中短
我统计过连续12个月的流失数据，结论是：80%的流失用户是在最后一次活跃后的第14天到第21天内彻底沉默的。也就是说，如果用户连续14天没有回来，你还有最后一到两周的召回时间；超过21天，召回成本成倍上升。
这个观察让我调整了整个召回策略：在用户第7天未活跃时发一次轻量提醒，第14天未活跃时发一次带有利益驱动的召回，第21天之后不再投放召回，把预算留给更早期的人群。很多团队的召回成本高，就是因为把预算浪费在已经彻底沉默的“僵尸用户”上。
数据观察：新用户来源渠道与真实留存的相关性
我在另一个电商类App项目里，按渠道拆解了同期群留存。广告投放带来的注册用户，第7日留存率只有9%，而搜索关键词带来的用户，第7日留存率是25%。前者的用户在没有明确购买需求时被折扣吸引，后者的用户带着明确意图进来。虽然两拨用户都是“注册”，但质量完全不同。
如果只看整体留存并试图通过产品功能提升留存，就会陷入“为什么做了这么多优化，留存还是拉不动”的困境。正确的做法是先把渠道和留存之间的相关性拆出来，重新校准投放逻辑。产品团队的目标不再是“把广告进来的用户留存做上去”，而是“帮投放团队把符合高留存画像的用户找出来”。
给出不同情况下的行动建议
情况一：数据量少，产品刚上线，下一步该怎么办
建议做“深度访谈式行为日志”。不用急着看统计显著性，先拉出30个已注册用户的行为数据，逐一回放他们的操作步骤，找出中断点。再对其中10个用户进行访谈，重点问“你在哪一步犹豫了”。
我的经验是，这一阶段最值得做的优化是“让核心路径短到不能再短”。很多早期产品留存低，不是功能不够，而是用户在完成核心操作前需要跨越太多“心理门槛”。
行动清单：
情况二：用户基数大但整体留存持续下滑，下一步该怎么办
建议先处理“数据混杂”问题。把不同渠道、不同注册时点的用户拆成独立同期群，计算出每个同期群的留存曲线，再按渠道类型做对比。往往你能看到，某几个渠道的同期群留存曲线一路向下，而另一些渠道很平稳。把留存最差的渠道停掉，整体留存立刻回升。
然后再做“新用户激活质量”分析，看新用户是否集中在某一个功能页流失。这个阶段不建议直接改功能，建议先优化注册后的引导逻辑，比如把“用户进入产品后第一个看到的界面”改成与核心价值直接相关的界面。
情况三：核心用户留存稳定，但普通用户处于“不死不活”状态
这是最需要“分层运营”的阶段。我建议建立一套“活跃度阶梯”指标，把用户按每月活跃天数和关键操作数分成五档：
针对普通层，重点做“以带促活”的设计，比如让核心用户把他们创建的模板、文件夹或项目分享给普通用户；针对边缘层，用利益点和外部触发来拉回，但不要过度使用。普通层和边缘层最容易被忽略，因为他们还在活跃，但实际价值很低。这层用户需要的是“被引导到更高频的使用场景”，而不是“更多入口”。
情况四：产品没有高频场景，天生低频，下一步该怎么办
低频产品不能用“提升打开频次”的思路做留存，而应该做“场景链留存”。比如装修平台，用户一辈子可能只装修一两次，你没办法让他每周打开。这时留存的关键是让用户“每次在有需要时第一时间想起你”。我会建议做“生命周期资产管理”：记录用户当前处于装修的哪个阶段（设计、硬装、软装、入住），在每一个里程碑推送针对性的清单或模板。
低频产品的留存指标也应改为“关键场景完成率”和“推荐率”，而不是“月活跃天数”。判断留存好坏的标准是：用户在需要同类服务时，是不是优先想到你。
给出不同情况下的取舍
时间维度上的取舍：短期留存与长期留存
把资源投到次日留存优化，见效快，影响面广，但往往停留在“让用户尽快再访问一次”的层面。把资源投到第90天或第180天留存，见效慢，却更接近产品价值的真实验证。我的判断是：两者不能二选一，但可以按阶段排优先级。
产品处在0到1阶段，抓次日留存；产品处在增长瓶颈期，抓30日到90日留存；产品已经进入成熟期，就看“流失用户回流率”和“长期活跃用户占比”。这里的核心原则是，不要让短期优化手段伤害长期价值。比如通过签到弹窗把次日留存拉高，但用户实际没有获得价值，这种虚假的留存提升会在第7天全部崩掉。
行为路径上的取舍：提高激活率还是挽回流失用户
提高激活率和挽回流失用户是两种完全不同的打法。提高激活率是“往前拉”，优化起点；挽回流失用户是“往回拉”，补齐终点。我的取舍原则是看“水流”：如果新用户激活率还有很大提升空间，优先投入激活优化；如果激活率已经达到60%以上，把资源转向流失召回。
用数据来判断，观察两个指标：新用户30日留存率是否持续低于老用户同生命周期留存率。如果低于5个百分点以上，说明用户留存问题发生在起点，先做激活；如果差距很小，说明新用户进来后体验稳定，问题出在生命周期中后段，这时候做召回和持续触达更有效。
成本维度上的取舍：产品手段还是运营手段
产品手段（改变功能流程、优化引导）的一次性成本高，但边际成本低，适合解决结构性问题。运营手段（推送、活动、召回短信）启动快，但每次都要花钱，适合解决周期性问题。我的建议是：凡是用产品手段能解决的，不要用运营手段持续砸钱。
比如用户在注册后没有完成关键操作，产品手段是把操作步骤前置，运营手段是给用户发短信送优惠券。如果你发短信拉回来10%，第二天又有6%流失掉，说明问题出在产品路径，不是触达不足。正确做法是先改产品路径，再用运营手段做辅助，而不是反着来。
分析深度上的取舍：快速洞察与精细模型
很多团队在刚开始做留存分析时，就急着搭建用户行为预测模型。我的建议是，先把快速洞察做扎实。快速洞察包括：同期群趋势、渠道分层留存、关键行为时间间隔、激活漏斗转化率。这四个部分不需要复杂建模，但能覆盖80%的留存问题。
精细模型（比如流失预警模型、用户生命周期价值预测）是在洞察已经形成、优化动作已经上线之后再做的事情。模型价值在于提前判断风险，而不是替代基础分析。如果基础分析还没做，模型再精准也只是解决了一个“可以等一等”的问题。这里的原则是：先做能快速指导行动的分析，再逐步增加复杂度和精度。
结尾
留存分析真正有价值的地方，不是计算出某一天某一个留存率数字，而是通过同期群拆解、激活行为归因、使用间隔分布和高留存用户行为回放，把“流失”这件表面上的单一结果还原成一条可以干预的行为链条。很多团队把留存做不好归结为产品不够好，但更常见的原因是：你根本没有看清流失是从哪一刻开始的，没有看清回来的人是因为哪一步做对了。
我给你的下一步建议很具体：打开你的用户行为数据，按注册周建立同期群，先看30日留存曲线；再找50个留存用户和50个流失用户，把他们的前7天操作日志并排放在一起，寻找行为分叉点。找到这个分叉点，优化这一个点，再继续做下一轮分析。留存提升不是一次大改造，而是一轮接一轮的行为地图校准。用数据不断逼近用户真实的需求路径，你会看到留存率以周为单位慢慢回升，也会更清楚自己产品的价值到底在哪里被用户感知。
我刚转行做用户运营，公司天天盯着新增用户数，但我觉得老用户流失更严重。到底留存率怎么定义？和拉新相比，留存对业务的影响有多大？
留存分析是衡量“在一定时间周期后，用户是否继续使用产品”的分析方法。它回答的不是“来了多少人”，而是“留下了多少人”。我亲历过一款内容类产品，当时市场部花大钱买量，新增一度冲到日增3万，但次周留存只有8%，等于每周流失近92%的新增。
后来我们把预算从拉新转向老用户留存，次月活跃人数反而增长了37%，这让我彻底改变了对留存重要性的认知。从商业模型看，留存直接决定用户生命周期价值（LTV）。假设获取一个用户成本50元，次日留存20%、每月付费转化2%和次日留存60%、付费转化5%的用户，LTV可能相差10倍以上。
新增只是“流量漏斗”的入口，留存则决定最终能沉淀多少有效用户。没有留存的增长，等于用漏桶接水，倒得越快，漏得也越多。我判断一个业务是否健康，会先看三个数：次日留存、7日留存和30日留存。次日低于25%说明产品初次体验差；7日低于15%说明没有形成长期吸引；
30日低于10%则基本是“用完即走”的工具属性，除非商业模式靠一次性付费，否则很难持续。
我手头有大量用户行为数据，但不知道该怎么整理成留存报表。应该从哪些维度看留存？同期群和普通留存有什么区别？能不能给我一个可以直接落地的分析框架？
搭建留存分析体系，第一步是先定义核心留存事件，通常是能代表用户价值的行为。比如电商的“首次下单”、社交平台的“首次加好友”、SaaS产品的“完成核心工作流”。不能把“打开应用”当成唯一指标，因为单纯打开没有意义。
我通常会把核心留存事件拆成“关键行为 + 时间周期”，比如“60天内完成10次会话”才算有效留存。第二步是建立多维度的留存报表。我推荐至少三张表：第一张是按注册日/激活日分组的同期群表，用来观察不同周期新用户的质量变化；第二张是按渠道分组的留存对比表，用来评估投放质量；
第三张是按用户属性和行为分层的留存表，比如按“是否完成新手任务”划分，能暴露产品或运营上的具体短板。在指标选择上，不要只盯着“次日留存”。次日留存受推送和渠道影响极大，不一定能反映真实价值。应该重点看“周留存”和“月留存”。
我用过一个经验值：若产品依赖用户主动回访，周留存率应大于30%，否则说明产品没有形成习惯。针对低频产品，可以看“90天滚动留存”，把时间窗口拉长到季度，更符合自然使用周期。
以我做过的一个在线工具为例，按注册周分组的次日留存表如下（虚构数据）： 注册周新增用户次日留存率 W1120032% W2140030% W3160026% 看到W3次日留存掉到26%，就应该迅速排查渠道变化或产品改动，而不是等到30日留存降下来才动手。
还有一个常见误区：把活跃用户留存和新增用户留存混在一起算。新增用户活跃留存往往会虚高，因为老用户本来就更活跃。正确做法是严格按“用户首次完成关键行为”的日期归组，再计算后续每个周期内发生行为的比例。
我们的App下载量不错，但用户用一周就流失，做过推送、签到、积分商城都没有起色。到底应该用什么方法系统地提升留存？有没有实际做过的案例？
我做过一个知识付费产品，注册到完成首次付费的转化率只有6%，30天留存不到4%。当时团队试过增加Push频率、做签到送积分，都没有效果。后来我们做了用户访谈，发现大多数用户“不知道该怎么学”，打开App后看到一堆课程不知所措。
我们重新设计了新手路径：注册后先做5道题，根据水平推荐3门核心课，并要求用户选择每天的学习时间。改动一周内，次日留存从22%提升到31%，30日留存从4%提升到9%。这次经历让我总结出提升留存的框架，按用户生命周期分三段处理。第一段是新用户0-7天，核心目标是缩短“首次产生价值”的时间。
比如电商要让用户尽快完成首单，内容产品要让用户首次看到收藏或评论的反馈。这一段的黄金法则是“降低费力度”，尽量让用户在前5分钟内完成一次关键行为。第二段是8-30天，核心是制造“使用习惯”。可以设计固定时间提醒、连续打卡、每周报告。但注意，习惯形成的钩子必须和产品核心价值绑定，而不是单纯打卡。
我会用“触发器-行动-奖励-投入”模型，例如让用户设置目标后每周生成进度报告，用户为了看到报告而持续使用。第三段是30天以后，重点是预防流失和唤醒。我当时建立了“流失预警模型”，预测用户流失概率大于60%就触发定向运营。
比如观察到用户过去14天打开次数下降超过40%，并且近7天没有发生核心行为，就发送带有个性化内容的召回推送。我们做过一次测试，随机分为两组，对照组发通用优惠券，实验组发“你的同学小李本周学完了XX课，你又落下了”这种社交压力文案，实验组30日留存比对照组高5个百分点。执行时一定要做A/B测试。
我强烈建议用同期群作为分组维度，而不是按活跃用户随机分组，因为活跃度差异会严重干扰实验结果。另有一个违反直觉的发现：在某些场景下，提高注销/退订门槛并不能提升留存，反而会带来负面口碑，不如接受低愿意用户的流失，集中资源服务核心用户。
我总感觉我们的留存数据“看起来还行”，但老板不认可，是不是哪里算错了？留存分析有哪些坑会让结论完全失真？
第一个坑是“幸存者偏差”：只统计最近活跃用户，没有按注册时间分组。比如你计算“本月活跃用户的次月留存”，因为活跃用户本身已经经历过一轮筛选，老用户占比高，结果必然虚高。正确做法是固定某一天注册的用户，追踪他们后续的活跃情况。第二个坑是“留存口径不统一”。
产品团队按“打开App”算，市场团队按“访问落地页”算，运营团队按“产生订单”算，最后对不上账。我建议公司统一采用“关键行为留存”作为北极星指标，其他口径只作参考。比如对于协同办公工具，关键行为可以是“创建或完成一个任务”，而不是“登录”。第三个坑是“忽略渠道质量差异”。
一个渠道次留高，可能只是因为冲榜带来的自然流量兑水。我见过某个App的付费广告渠道次留达到40%，后来发现大部分是激励视频带来的“任务党”，他们只为赚金币而打开，根本不产生价值。分析时要用“次日留存+核心行为达成率”交叉验证，保证用户不是“僵尸留存”。第四个坑是“平均主义”。
把全体用户的留存率加在一起，掩盖了核心用户和边缘用户的巨大差异。比如核心用户30日留存达到50%，但低价值用户只有3%，平均后看起来依然是15%，导致决策迟疑。我通常会把用户按行为分位，比如按照3个月内关键行为次数分为高/中/低价值三层，分别计算留存曲线，再按利润权重加权。第五个坑是“归因错误”。
留存下降时，只看大环境或渠道问题，没有结合产品发版记录分析。我有一个习惯，记录每次产品上线时间，然后在同期群表上叠加版本迭代标记，一旦某个版本后新用户次留下降超过3个百分点，立刻回滚或排查该版本内的功能变更。
在一家电商公司，我们就靠这个定位到新版结账页重定向逻辑导致支付失败率上升，留存次日下降6个百分点，回滚后恢复。最后一个坑是“指标本身不代表价值”。用户每日打卡也许提高了登陆频次，但如果不产生购买或分享，留存最终还是会上不去。
设计留存目标时，要同时监控“高质量留存”数量，例如“完成一个核心闭环的用户留存”，把用户的参与深度和持久度一起优化。
读者评论
作为数据分析师，很有共鸣。整体曲线确实会骗人，同期群拆开后才发现问题藏在第几周。文章里那个协作工具案例很典型，平均数掩盖了逐周下滑的真相，值得反复琢磨。
产品团队视角看，新手引导调整的A/B测试特别有说服力。把核心动作提前，哪怕引导完成率降了，最终留存反而升了。这说明优化不能只看流程完成度，要盯住激活那一刻的价值体验。
增长运营最赞同的是召回窗口那段。很多人把预算浪费在早已沉默的用户身上，结果ROI极低。按7天、14天、21天分层触达，把资源留给可召回人群，这思路很务实。
从SaaS创业角度看，三层框架和四张表很实用。以前总在想怎么加功能，其实先摸清用户的使用周期和激活路径更重要，尤其是‘待办钩子’这个说法，点醒了我。