留存分析

功能简介

留存分析可用于分析用户的持续参与度和粘性，功能可分析用户进行初始行为后，在经过一定时间后仍然进行了后续行为（如启动 app、购买）的用户比例，指导后续运营策略。在该功能中，执行了初始行为后，又执行后续行为的人视为留存。

使用场景

1）某电商 APP 分析用户领取了优惠券后，后续每一天进行商品购买的留存率变化趋势，发现第三天开始留存率下降明显，设定策略在用户领取优惠券后第三天若没有使用则进行二次提醒。

2）某短视频 APP 分析用户首次进入某头部主播直播间后，后续每一天再次进入该直播间的留存率变化趋势，用于分析该主播是否足够吸引用户。

3）分析新用户在注册后进行付费购买的时间规律，用于预测生命周期价值，从而制定长期的用户留存策略。

功能操作流程

1、 选择初始行为、后续行为

此处可以指定需要分析的留存行为，如分析用户启动 app的后续每一天，进行商品购买的留存率变化趋势：初始行为配置“启动 app”，后续行为配置“购买”

行为的可选内容为 SDK 上报的所有埋点事件，如启动 APP、领取优惠券、购买、浏览等。

• 筛选事件属性，用于指定带有哪些属性的事件参与分析，如选择启动 APP 后，若选择事件属性“设备品牌等于 xiaomi” ，则只有小米手机品牌的用户会参与分析

2、 选择展示维度

可以选择通过哪些维度进行留存情况的对比，如对比不同地域用户的留存差异，对比不同手机版本用户的留存差异，对比浏览了不同类型文章的用户留存差异等。

2.1 可选项介绍

• 系统默认选择按照“总体”进行展示，即不进行任何对比。

• 按照初始行为事件属性、后续行为事件属性：可选择上面初始行为、后续行为事件所携带的事件属性，如启动 APP 事件携带了设备品牌，登录方式等属性，则可以选择对应的属性进行留存情况对比

• 用户属性：指通过 SDK 汇报的所有用户属性，如最近一次活跃时间、地域等

2.2 不同数据类型属性的设置

• 时间型属性：如最近一次访问时间，由于时间基本都是到秒级，如果进行秒级的数据对比，量级太大且没有实际意义，故系统默认提供了“按小时”、“按天”、“按周”、“按月”四个选项，将数据聚合后进行展示。
• 数值型属性：如付款金额，需要将属性值设置区间进行展示，如将付款金额设置为 0-50,50-100,100-200,200 以上进行对比展示，以保证各个维度的数据聚合后量级足够可进行对比。

3、 筛选分析时间

3.1 时间选择限制

• 默认可选择的最早时间为一年前

• 默认可选择的时间区间范围不超过一个月

3.2 修改默认时间限制

系统的时间限制可以根据不同的 APP 进行配置，若您有更长的时间筛选需求，如延长单次的分析时间，可联系技术支持进行调整

3.3 实时分析&离线分析

受计算资源等因素影响，我们将所有的分析都拆分为了实时分析和离线分析，实时分析的计算性能较高，指点击立即分析后数据可以立即执行计算，并通过秒级计算能力快速查看计算结果，而基于实时分析的计算有性能压力，因此对实时计算的数据量有一定限制。离线分析指内容配置完成后，保存为一个离线分析任务，系统在后台执行计算，计算完成后再查看结果，一般需要几十分钟。

系统默认的实时分析区间为近一月的埋点数据，若需要延长实时分析的时长，请联系技术支持。

4、 全局筛选用户

可以设置一个全局用户过滤条件，指定要针对哪些用户进行留存分析，如指定昨日新用户进行留存情况分析，则可以将昨日新增用户配置在全局筛选用户条件中

5、 数据展示粒度及其分析效果

配置数据展示的时间粒度，包含：

• 时间聚合粒度：如按天展示、按周展示；
• 留存周期：如分析 7 日留存，14 日留存；
• 留存/流失：指此次分析是分析行为间的留存还是流失，若执行了后续行为是留存，否则为流失

配置不同内容的展示样式如图：

1）按天展示：

纵轴指初始事件的发生时间，按天进行展示，横轴指发生了初始事件的用户，在后续第 N 天执行了后续事件的留存情况，也是按天展示。

2）按周展示

纵轴指初始事件的发生时间，按自然周（周一至周日）进行展示，横轴指发生了初始事件的用户，在后续第 N 天执行了后续事件的留存情况，也是按周进行展示。

若在“筛选时间”模块选择的时间区间不是严格的整周，即从周一到周日，则实际数据计算时，会将分析的数据扩展为整周，以保证各个周的数据取满七天，使得数据有对比的意义，在这种取数逻辑下，第一周日期可能会往前扩展，最后一周的数据可能会往后扩展。如分析当天日期为 9.15 日，选择的分析时间为 8.16日（周五）至 8.30 日（周五），则拆分为自然周后，实际的取数周期为：

• 8.12 当周（8.12～8.18）
• 8.19 当周（8.19～8.25）
• 8.26 当周（8.26～9.1）

查看分析结果

1、 分析结果中包含图表部分和表格部分

• 表格纵轴指起始事件发生的时间 （若选择了某个展示维度进行对比，则纵轴优先展示对比维度），横轴表示留存周期，即第 N 日/周留存情况。

• 图表分两种展示维度：

  • 按留存周期展示，即每一条线代表一个留存周期，查看的是初始事件在不同时间发生后，对应的第 N 日/周留存的差异，如分析双十一期间，在不同日期领取优惠券的用户，次日留存率的变化情况。（即纵向对比看表格数据）

  

• 按初始行为时间展示：即每一条线代表一个初始行为日期，查看的是，某天/周初始行为发生后，后续每天/每周的留存情况差异。如分析新功能上线后，用户首次使用了该功能后，后续每天还会使用该功能的变化趋势。（即横向对比看表格数据）

  

​

2、 选择了展示维度的分析结果

如图所示，若设置了按照城市进行留存数据对比展示，则纵轴默认的维度为"城市"，城市下点击后可查看对应具体日期的用户留存情况

对应的图表展示，也和表格逻辑一致，横向对比时是按展示维度进行数据对比。

3、 添加用户群

表格/图表中的用户数都可以添加为用户群，以支持后续深入运营，如将次日留存的人保存为用户群进行分析洞察，查看用户的特征分布，用于指导后续运营。

• 用户群保存后可以去【用户群管理】页面查看该用户群并支持后续用户触达及转化。

除此之外，若想直接查看留存用户的用户详情，可直接点击对应人数，进入用户群列表页面。

4、 导出分析结果

分析明细结果可通过 CSV 的方式进行导出，最多可以导出 1000 条。

常见问题

1、 表格中的总计人数为什么小于每日加起来的人数之和？

报表中的总人数是去重计算的，如果同一个人在1、2、3 日都执行了起始事件，在 1、2、3 日每日的起始事件人数统计中，都会被统计进去，但是在总计计算中，只会算一个人。

2、 如果一个人一天汇报了同一个事件属性的多个属性值，按照该事件属性对比展示时，这个人是否会被计算多次？

如果一个人汇报了同一个事件属性的多个属性值，如购物事件的商品名称，一个人分多次购买了 A、B、C 三个商品，则实际计算数据时，会取数据统计粒度内最早汇报的商品名称进行数据统计：即如果按天展示，则取一天内最早汇报的商品名称统计；如果按周展示，则取一周内最早汇报的商品名称统计。即我们会保证，统计结果的人数，不会出现一个数据统计值中将一个人重复统计的情况。