用户留存分析怎么做：口径、矩阵与排查

用户留存分析衡量同一批用户在首次满足条件后，是否在后续周期再次活跃。它回答的不是“今天来了多少人”，而是“某天获得的用户后来还回来吗”。分析前必须统一初始行为、回访行为、用户标识和时间粒度。

先统一留存率的计算口径

N 日留存率通常表示：某日进入初始用户组的人中，在第 N 日满足回访条件的人数，占该初始用户组人数的比例。分母固定为同一批用户，不能拿第 N 日全部活跃用户来计算。

选择真正代表价值的初始与回访行为

初始行为决定“从哪里开始”，回访行为决定“什么算回来”。只用任意访问最容易执行，但可能高估业务价值。更成熟的分析会把注册成功、创建项目、完成首个任务等价值事件作为起点或回访条件。

怎样阅读留存矩阵

留存矩阵每一行是一批在同一日期进入的用户，每一列是他们在 D0、D1、D2 等后续日期的回访比例。应同时横向看一批用户如何衰减，纵向看不同批次在同一天数是否改善。

1. 先确认每行样本量，小样本的百分比容易大幅波动。
2. 横向寻找下降最快的阶段，判断首次价值是否来得太晚。
3. 纵向比较改版或活动前后的同一列，而不是比较不同成熟度的日期。
4. 观察是否逐渐形成稳定区间；不要因单日异常立即下结论。

Iris 的留存矩阵以首次访问日组成队列，Dn 表示 n 天后仍有任意事件的用户比例，适合先建立基础回访基线。

按来源、版本和人群拆开看

整体留存下降可能只是用户结构发生变化。按渠道、设备、地区、新老用户或版本拆分，才能区分“产品体验变差”和“新增流量质量改变”。

• 渠道：高注册低留存，可能是投放承诺与产品价值不一致。
• 版本：新版本某批次下降，优先核查发布内容和埋点完整性。
• 设备：移动端明显偏低，可结合性能、兼容性和回放排查。
• 关键行为：完成首个价值事件的人留存更高，说明应优化激活路径。

来源分析前先统一UTM 渠道归因规则，否则同一渠道的大小写和别名会被拆成多组。

从发现到验证：一个可执行流程

留存分析的结果应转成可验证假设，而不是停在“D7 下降”。先找到差异最大的批次，再查看他们是否完成关键事件、在哪条路径离开，并设计单一改动验证。

1. 固定时间范围、留存口径与目标人群。
2. 找到下降发生的批次和天数。
3. 与渠道、版本、设备和关键事件完成情况交叉分析。
4. 提出一个具体假设，例如“首个项目创建步骤过长”。
5. 只改一个关键因素，等待完整留存窗口后复查同口径数据。

常见问题

D1 高就代表长期留存好吗？

不代表。D1 反映短期回访，长期价值还需观察 D7、D30 或与产品周期匹配的周/月留存。

为什么最近几天的 D7 是空的？

因为这些用户组还没有经历完整 7 天。留存数据必须等待观察窗口结束，空值不等于 0。

留存突然归零先查什么？

先检查用户标识、事件上报、时区、环境和版本，而不是立即判断用户全部流失。