App 運營指標的留存率和回訪率有什麼區別？

01-03

留存率：

某天/周/月的用戶在安裝該App的N天/周/月之後，該App還「留存「的比例，叫做N天/周/月留存率。直白一點，只要App還在，就算做你的用戶，俗話說：留得App在，不怕沒VC的錢燒，就是這麼一個意思。所以留存率是App運營的一個很重要指標。要注意留存率有活躍留存和安裝留存的區別，這兩者差距較大，分別對應與App還在被使用或者僅僅是沒有卸載。

回訪率：

用戶在使用該App之後的N天/周/月之後，再次使用該App的比例，叫做N天/周/月回訪率。一般的做法是計算用戶的回訪間隔和回訪頻率的分布，把用戶劃成不同的segment，然後有針對性地對產品或運營策略做改進。

轉載分享：（本文作者徐懿，北京騰雲天下COO）

在和大量移動應用開發者接觸的過程中，我們注意到有一個現象是：很多開發者只注意應用的下載量和激活量，他們把這些指標看成是一款應用成功與否的標誌。於是很多應用出現了「重推廣、輕運營」，甚至是「有推廣、無運營」的情況。

但是，一個人真正成為某款應用的用戶是在哪個時刻呢？是他決定下載這款應用的時候嗎？還是他安裝了這款應用的時候？事實上，都不是。甚至當他啟動並進入了這款應用的時候，也還沒有真正成為這款應用的用戶——通常這時他還帶著懷疑的態度。只有當他覺得這款應用符合（也可能是超出）他的期望值、或者至少還有興趣再次進入應用體驗時，他才真正成為這款應用的用戶。

為了幫助那些移動應用開發者認清這一點，我們通常用以下這個AARRR模型向他們解釋一個移動應用背後的運營模式。

什麼是AARRR模型

AARRR是Acquisition、Activation、Retention、Revenue、Refer，這個五個單詞的所寫，分別對應這一款移動應用生命周期中的5個重要環節。下面我們來簡單講解一下AARRR模型中每個項目的意義。

獲取用戶（Acquisition）

運營一款移動應用的第一步，毫無疑問是獲取用戶，也就是大家通常所說的推廣。如果沒有用戶，就談不上運營。

提高活躍度（Activation）

很多用戶可能是通過終端預置（刷機）、廣告等不同的渠道進入應用的，這些用戶是被動地進入應用的。如何把他們轉化為活躍用戶，是運營者面臨的第一個問題。

當然，這裡面一個重要的因素是推廣渠道的質量。差的推廣渠道帶來的是大量的一次性用戶，也就是那種啟動一次，但是再也不會使用的那種用戶。嚴格意義上說，這種不能算是真正的用戶。好的推廣渠道往往是有針對性地圈定了目標人群，他們帶來的用戶和應用設計時設定的目標人群有很大吻合度，這樣的用戶通常比較容易成為活躍用戶。另外，挑選推廣渠道的時候一定要先分析自己應用的特性（例如是否小眾應用）以及目標人群。對別人來說是個好的推廣渠道，對你卻不一定合適。

另一個重要的因素是產品本身是否能在最初使用的幾十秒鐘內抓住用戶。再有內涵的應用，如果給人的第一印象不好，也會「相親」失敗，成為「嫁不出去的老大難」。

此外，還有些應用會通過體驗良好的新手教程來吸引新用戶，這在遊戲行業尤其突出。

提高留存率（Retention）

有些應用在解決了活躍度的問題以後，又發現了另一個問題：「用戶來得快、走得也快」。有時候我們也說是這款應用沒有用戶粘性。

我們都知道，通常保留一個老客戶的成本要遠遠低於獲取一個新客戶的成本。所以狗熊掰玉米（拿一個、丟一個）的情況是應用運營的大忌。但是很多應用確實並不清楚用戶是在什麼時間流失的，於是一方面他們不斷地開拓新用戶，另一方面又不斷地有大量用戶流失。

解決這個問題首先需要通過日留存率、周留存率、月留存率等指標監控應用的用戶流失情況，並採取相應的手段在用戶流失之前，激勵這些用戶繼續使用應用。

留存率跟應用的類型也有很大關係。通常來說，工具類應用的首月留存率可能普遍比遊戲類的首月流存率要高。

獲取收入（Revenue）

獲取收入其實是應用運營最核心的一塊。極少有人開發一款應用只是純粹出於興趣，絕大多數開發者最關心的就是收入。即使是免費應用，也應該有其盈利的模式。

收入有很多種來源，主要的有三種：付費應用、應用內付費、以及廣告。付費應用在國內的接受程度很低，包括Google Play Store在中國也只推免費應用。在國內，廣告是大部分開發者的收入來源，而應用內付費目前在遊戲行業應用比較多。

無論是以上哪一種，收入都直接或間接來自用戶。所以，前面所提的提高活躍度、提高留存率，對獲取收入來說，是必需的基礎。用戶基數大了，收入才有可能上量。

自傳播（Refer）

以前的運營模型到第四個層次就結束了，但是社交網路的興起，使得運營增加了一個方面，就是基於社交網路的病毒式傳播，這已經成為獲取用戶的一個新途徑。這個方式的成本很低，而且效果有可能非常好；唯一的前提是產品自身要足夠好，有很好的口碑。

從自傳播到再次獲取新用戶，應用運營形成了一個螺旋式上升的軌道。而那些優秀的應用就很好地利用了這個軌道，不斷擴大自己的用戶群體。

通過上述這個AARRR模型，我們看到獲取用戶（推廣）只是整個應用運營中的第一步，好戲都還在後頭。如果只看推廣，不重視運管中的其它幾個層次，任由用戶自生自滅，那麼應用的前景必定是暗淡的。

如何使用AARRR模型

通常大家在推廣應用時，頭痛的是後台統計的激活量比渠道提供的下載量小很多。但是前幾天，有一位朋友找我諮詢，說他們公司的一款App來自某個渠道的激活量突然猛增。但是他查了在那個渠道（是家應用市場）上的下載量，並沒有明顯的變化。於是他非常困惑，問我有沒有辦法幫他查到原因。

少了多了都會讓人頭痛——因為數據出現異常，通常就說明有某個環節出了問題。但是光看一個激活量和一個下載量，並不能揭示問題的根本原因。尤其是當我們已經了解了移動應用運營模型時，我們更需要了解在AARRR的每個環節中，我們應當關注什麼樣的數據，什麼樣的數據表現才是正常的——簡單來說，只知道AARRR還不夠，還要會用才行。

一、獲取用戶（Acquisition）

這個階段，最初大家最關心的數據是下載量。到今天，一些媒體的報道中也還經常用下載量來衡量一個應用的用戶規模和是否成功。不過，下載了應用不等於一定會安裝，安裝了應用也不等於一定使用了該應用。所以很快激活量成為了這個層次中大家最關心的數據，甚至是有些推廣人員唯一關注的數據。通常激活量（即新增用戶數量）的定義是新增的啟動了該應用的獨立設備的個數。從字面上看激活量似乎更應該是第二層Activation的指標，但是因為下載量、安裝量這些數據都比較虛，不能真實反映用戶是否已經被獲取。所以大家都要看激活，這才是真正獲取到了新的用戶。

另一個非常重要的數據，就是分渠道統計的激活量。因為在渠道推廣時，很多應用開發者選擇了付費推廣。結算的時候，自然要了解在某個渠道有多少真正激活的用戶。即使沒有付費關係，開發者也需要知道哪個渠道是最有效果的。

但是站在更高的高度看，CAC（用戶獲取成本 Customer Acquisition Cost）才是最需要去關注的數據。目前行業里有種粗略的說法，每個Android用戶的獲取成本大約在4元左右，而iOS用戶大約在8元以上。當然，應用市場下載、手機預置、廣告等各種不同的渠道的獲取成本是完全不同的。這裡面有個性價比的問題，有些渠道的獲取成本比較高，但是用戶質量也比較高（什麼樣的叫質量高，後面會有說明）。

二、提高活躍度（Activation）

看到活躍度，大家首先會想到的指標是DAU（日活躍用戶）、MAU（月活躍用戶）。這兩個數據基本上說明了應用當前的用戶群規模，在網路遊戲行業這是兩個運營人員必看的指標。通常活躍用戶是指在指定周期內有啟動的用戶。但是啟動是否真的等於活躍呢？如果在指定周期內只啟動了一次，而且時間很短，這樣的用戶活躍度其實並不高（當然對某些特殊的應用來說可能算高，例如用來記錄女性生理周期的應用，一月啟動一次就夠了）。所以其實還要看另兩個指標：每次啟動平均使用時長和每個用戶每日平均啟動次數。當這兩個指標都處於上漲趨勢時，可以肯定應用的用戶活躍度在增加。

針對使用時長和啟動次數的渠道統計同樣很重要。我們把它們稱為渠道的質量數據，如果某個渠道上來的用戶，這兩個指標很差，那麼在這個渠道上投入太多是沒有意義的。最典型的就是水貨刷機的用戶，很多預置的應用都是在刷機完成時被激活的。針對這種被動激活的用戶，可以看另一個指標，叫一次性啟動用戶數量，也就是迄今為止只啟動過一次的用戶的數量。

除了渠道，另一個和活躍度相關的分析維度是版本。各個版本的使用時長和啟動次數也會有差異。對產品經理來說，分析不同版本的活躍度差異有助於不斷改進應用。

此外跟活躍度相關的，還有日活躍率、周活躍率、月活躍率這些指標。當然活躍率和應用的類別是很有關係的，比如桌面、省電類的應用的活躍率就比字典類的應用高。

三、提高留存率（Retention）

下載和安裝——使用——卸載或者遺忘，這是用戶在每個應用中的生命周期。成功的應用就是那些能盡量延長用戶的生命周期，最大化用戶在此生命周期內的價值（下一節會談到生命周期價值這個話題）的應用。

對於大部分應用，應該關心的是1-Day Retention 和7-Day Retention。這裡我之所以用英文，是因為其中文翻譯不統一，容易引起歧義。1-Day Retention通常翻譯為首日留存率，其實這個「首日」並不是指應用被安裝使用的第一天（假設日期為D），而是D+1日，即安裝使用的第二天。因為安裝使用的第一天沒有留存率這個概念（有的話，只能是100%）。到了第二天，前一天安裝使用的用戶中還有多少百分比的人還在啟動使用這款應用，這就是1-Day Retention。因為是第二天，所以有些文章中也叫「次日留存率」。同樣的，7-Day Retention是在D+7日啟動使用這款應用的佔D日首次安裝使用這款應用的用戶總數的百分比。通常用戶新安裝使用後的前幾天是流失比例最大的時期（關於用戶留存的細節，請參考我們同事的另一篇博客《讀懂你的用戶留存》）。所以這兩個指標在留存率分析是最重要的。曾經有遊戲行業的行家指出，如果想成為一款成功的遊戲，1-Day Retention要達到40%， 7-Day Retention要達到 20%。

有些應用不是需要每日啟動的，那樣的話可以看周留存率、月留存率等指標，會更有意義。留存率也是檢驗渠道的用戶質量的重要指標，如果同一個應用的某個渠道的首日留存率比其它渠道低很多，那麼這個渠道的質量是比較差的。

四、獲取收入（Revenue）

關於收入，大家最耳熟能詳的指標就是ARPU（平均每用戶收入）值。對應的比較少提的還有個指標叫ARPPU（平均每付費用戶收入）。前幾天，@吳剛在微博里貼圖比較二戰風雲的ARPU值時就註明了是周付費用戶ARPU（所以其實是ARPPU）。但是很多人誤讀了以為是六十多元的周ARPU值，就會讓他們對Android遊戲產生過分的樂觀。

是不是ARPPU高，ARPU就一定會高呢？答案是不一定。因為其中還有個指標是付費用戶比例，也就是付費用戶在全部用戶中所佔的比例。如果付費用戶比例較低，那麼那些收入攤到所有用戶身上的平均值就低了。通常來說，如果某個遊戲為了提高ARPPU，提高了虛擬道具的價格，那麼付費用戶比例就會相應地降低。找到一個ARPPU和付費用戶比例的平衡點，才能最大化收入。

但是收入並不是最重要的，利潤才是。如何最大化利潤呢？利潤最簡化的計算公式是：利潤=收入-成本。首先我們看一下成本，我們在上一篇中提到過CAC（用戶獲取成本）。除此之外，還有應用本身的開發成本、伺服器硬體和帶寬成本以及運營成本等等。不過在用戶量很大的情況下，CAC會成為最主要的成本，而其它成本不在一個數量級，所以我們在後續討論中只考慮CAC。

那麼收入如何計算？ ARPU是一個和時間段相關的指標（通常講的最多是每月的ARPU值），還不能完全和CAC對應，因為CAC和時間段並沒有直接關係。所以我們還要多看一個指標：LTV（生命周期價值）。用戶的生命周期是指一個用戶從第一次啟動應用，到最後一次啟動應用之間的周期。LTV就是某個用戶在生命周期內為該應用創造的收入總計，可以看成是一個長期累計的ARPU值。每個用戶平均的LTV = 每月ARPU * 用戶按月計的平均生命周期。

LTV – CAC的差值，就可以視為該應用從每個用戶身上獲取的利潤。所以最大化利潤，就變成如何在降低CAC的同時，提高LTV，使得這兩者之間的差值最大化。更進一步的，對不同渠道來源用戶做斷代分析，根據他們不同的CAC和LTV，就可以推導出不同渠道來源的利潤率差異。

五、自傳播（Refer）

自傳播，或者說病毒式營銷，是最近十年才被廣泛研究的營銷方法。雖然大家都聽過一些病毒式營銷的經典案例，但是要說怎樣量化評估其效果，卻很少有人知道K因子(K-factor)這個衡量指標。其實K因子這個術語並非起源於市場學或軟體業，而是來源於傳染病學——對，就是研究真正的病毒傳播的科學。K因子量化了感染的概率，即一個已經感染了病毒的宿主所能接觸到的所有宿主中，會有多少宿主被其傳染上病毒。

K因子的計算公式不算複雜，K = (每個用戶向他的朋友們發出的邀請的數量) * (接收到邀請的人轉化為新用戶的轉化率)。假設平均每個用戶會向20個朋友發出邀請，而平均的轉化率為10%的話，K =20*10%=2。這個結果還算是不錯的效果——當K&>1時，用戶群就會象滾雪球一樣增大。如果K&<1的話，那麼用戶群到某個規模時就會停止通過自傳播增長。

很遺憾的是，即使是社交類的移動應用，目前K因子大於1的也很少。所以絕大部分移動應用還不能完全依賴於自傳播，還必須和其它營銷方式結合。但是從產品設計階段就加入有利於自傳播的功能，還是有必要的，畢竟這種免費的推廣方式可以部分地減少CAC。

以上我們列舉了在應用推廣運營各個層次（各個階段）需要關注的一些指標。在整個AARRR模型中，這些量化指標都具有很重要的地位，而且很多指標的影響力是跨多個層次的。及時準確地獲取這些指標的具體數據，對於應用的成功運營是必不可少的。

許多創業公司都樂於嘗試通過渠道監測來發現下一個引爆點。然而在我們測試用戶獲取渠道前，需要問自己一個最重要的問題：

該花多少錢獲取用戶？

沒有人想要在無效果的渠道投放無意義的廣告。因此我們都需要一些判斷標準：什麼樣的渠道更優質？有什麼辦法可以幫助我們快速了解用戶？獲取用戶的有效方法有哪些？有哪些工具和量化方法值得借鑒？

步驟0：基礎三問

在獲得以上核心問題的結論之前，需要先理清如下3個概念：

1.付費客戶在他的生命周期總價值是多少？

所謂的生命周期總價值（LTV），即用戶從第一天使用產品到最後一次登錄期間，為你的產品帶來的收入總和。它可以看成是一個ARPU值的長期累計。傳統的LTV計算相對複雜，商業智能創業公司RJ Metrics為此專門開發了一款計算工具。

但我們完全可以通過一個簡單的公式來計算客戶生命周期內的總價值：

LTV = (付費用戶月均消費 - 毛利) / 流失率

其中，毛利即：商品售賣價格除去基本的產品銷售的成本，比如說支持和組織費用；月流失率即：有多少比例的用戶會離開、取消訂閱、停止付費，按月計算。

2.付費用戶比例

當付費客戶的生命周期總價值有一定保證後，提升付費用戶比例，就將成為提升公司應收的有效途徑。

產品推廣初期，很多公司會以免費吸引客戶；而後通過增值服務，將部分免費用戶轉化為付費用戶，實現收入的增長。因此，對我們而言不是每個註冊用戶都在付費。那麼，計算和提升付費用戶的比例與轉化率，就顯得十分必要。

付費用戶比例 = 付費用戶數 / 註冊用戶數

3.訪客註冊成功比例

通過簡單的註冊率渠道分析，你可以得知各個渠道用戶在landing page上的註冊轉化率（或App的渠道下載轉化率）：

註冊用戶數 / 渠道訪客數

對營銷活動而言，其目標通常是獲取一些中間事件數據，比如說獲取試駕用戶資料、銷售線索數據等。此時，計算方式應該是這樣的：

線索數 / 訪客數 or 成單數 / 線索數

對於電商公司來說，因為沒有免費的商品，所以可以簡單地計算：

成交率 = 成單數 / 訪客數

現在我們已經計算了三個數值：用戶生命周期價值、註冊付費率、訪客註冊率，那麼我們就可以很清楚地知道獲取一個新用戶的成本是多少，獲取一個付費用戶來訪又需要多少錢。

接下來的5個步驟，將解決我們最開始的疑問：有哪些方法與工具可以幫助我們深入了解並獲取新用戶呢？

步驟1：用戶獲取成本計算

除去在電商平台上的CPS（每筆成單的成本），另外兩個核心的成本指標是：CPA和CPC。 CPA計算的是獲取一個用戶註冊的成本，CPC是獲取一個點擊到站的成本。

CPA的計算，對於提供Freemium產品的公司來說包含兩個部分：

1. 獲取一個付費用戶的成本

CPPC：單個付費用戶的獲取成本
LTV：用戶生命周期價值 (基礎問題1)
CPCC = LTV / 3

用戶生命周期價值的1/3是你獲取一個付費用戶的成本的上限。

在測試新的渠道的時候可以不受這個限制。但是當你發現了一個還不錯的渠道時，你的優化目標就是將成本降低到LTV的五分之一。

2. 對於一個用戶註冊應該花費多少的成本？

CPA：單用戶的獲取成本
CPPC：單付費用戶的獲取成本
CR：註冊用戶的付費轉化率 (基礎問題2)
CPA = CPPC * CR

如果你的註冊用戶中有部分是免費或試用用戶，在計算獲取單個用戶註冊時需要考慮這個額外的因素。

注意：有些面向企業服務的公司，他們的收費是遠遠高於自助服務的。在這種情況下需要將自助服務向企業服務轉化的轉化率考慮進來，此時企業服務的獲取成本公式將為：

自助CPA * 企業服務轉化率 * (企業服務LTV/3)

步驟2：計算單個到站流量的成本

通常廣告平台會讓你選擇一個單詞點擊的最高競價，而並不讓你按照實際獲得的註冊數來支付廣告費。這就是基礎問題3中「訪客註冊率」存在的價值，它將幫你了解這些渠道流量中有多少能轉化為註冊用戶。

CPC：單個點擊的成本
CPA：單個用戶註冊的成本
CR：註冊率 (基礎問題3)
CPC = CPA * CR

這個公式將告訴你每個用戶獲取的成本。藉此你可以一目了然的查驗真實的用戶獲取成本，看看到底是賺了還是賠了。

步驟3：優化你的渠道

以上的公式告訴你該如何支配預算，而事件跟蹤、分析和歸因工具將幫助你持續優化渠道的用戶獲取成本。

比如說：通過百度的SEM帶來用戶的成本，可能會比通過SNS推廣（微博、知乎等）更高。作為一個高級的運營人員，每個渠道註冊用戶的LTV值都是必須被考量的，它們將決定渠道的選擇。

通過上述公式，你只需要輸入相關的數字，就可以輕鬆地評估各個渠道。請注意，以上計算需要有足夠的流量作基礎才有統計意義。如果發現某個特殊平台的用戶LTV值太低或獲取成本太高，則可以棄用該渠道。又或者你發現了一個便宜的渠道，也不妨任性一把。

步驟4：相關工具

1. A/B 測試

A/B 測試本質上是個分離式組間實驗。通過建立一個測試頁面，這個頁面可能在標題、字體、背景顏色、措辭等方面與原有頁面有所不同。然後將這兩個頁面以隨機的方式同時推送給所有瀏覽用戶。接下來分別統計兩個頁面的用戶轉化率，即可清晰的了解到兩種設計/創意的優劣。

以前進行A/B測試的技術成本和資源成本相對較高，但現在一系列可視化工具的出現，如：Optimizely、Leanplum、Taplytics等，使A/B測試逐漸成為運營策略優化的常用方法。

2. 營銷自動化

即由事件驅動的郵件和通知服務，像http://Customer.io、Outbound、vero和Kahuna等工具就可以幫助開發者優化用戶激活的流程，通過個性化的交互內容和實時交互通道來提升註冊用戶的購買率。

3. 歸因分析

如果你做了大量的活動，監測活動的轉化率和花費有很多的小技巧。移動APP的數據跟蹤工具是最好的工具。GA和國內類似友盟、諸葛io、Talkingdata等工具都可以很方便的告訴你那個渠道的表現更好。

步驟5：整合平台

在團隊規模有限時，確定一個方便易用的平台型工具來獲取以上所有計算需要的數據，然後將這些數據分發到相關的分析工具。這些數據分析平台的好處在於，只需完成一次嵌入開發，你可以隨時查驗運營所需的數據、隨時切換不同的統計分析方法。無論是對於團隊內部協作的優化、還是對運營策略效率的提升，這都是一個最省時的方式。

本文編譯自Segment博文，轉載請註明出處。

用戶留存可以告訴您用戶的忠誠度有多高。用戶在某段時間內開始使用應用，經過一段時間後，仍然繼續使用應用的被認作是留存用戶；這部分用戶占當時新增用戶的比例即是留存率。

通過用戶留存，您可以掌握每周（月）的新增用戶在初次使用之後一段時間的留存率，還可以比較不同渠道的差異。留存率越高，說明應用的質量越高，用戶的忠誠度越好。

基於以上的回答，基本可以認為回訪率和留存率都是以：

當前周期的再次使用人數 / 對比周期的使用（新增）人數（基數）

來計算的。

2者最大的區別在於，

留存率一般基數針對的是新用戶。

而回訪率的基數是對於特定功能的所有用戶。

回訪率的適用範圍比留存率高。

我的觀點是回訪率概念是從web時代繼承下來的：訪問過你網站的用戶是否還會回來。

而進入app時代後，由於用戶有安裝行為，天然在用戶匹配度上獲得了提升在用戶終端上保留了展示入口，此時只要沒刪除，用戶就有很高的再次訪問幾率。因通過將留存率這個指標細化獨立出評判自己產品的好壞，並設法提升。

App運營的留存率是指app推廣鎖定一個周期，第二天用戶中包含在第一天中的擁護的數量。我們稱第一天的用戶數為基數，之後每天的留存數是指當天的用戶數中包含在第一天中的用戶數，依據這個演算法計算出來的比例我們稱之為留存率。

回訪率是指在已有客戶中，再次訪問（登錄）app的人數所佔的比例，我們稱這個比例為回訪率。

留存率看的是新用戶的表現

回訪率看的是老用戶的表現

靈活、牛逼的留存率是怎麼樣計算的？

留存率這個概念對於大家來說一點也不陌生，平時看到的更多是固化的留存率，一般統計周期按天，常見有次日、7日、14日、15日、30日、60日等；如果大家想看更加靈活維度的留存率，比如按照某一日期時間段的留存率，都有經歷這樣的流程：給分析師提需求——分析師給技術提需求——分析師拿到數據並分析留存率——將數據結果給PM/運營，這個流程至少需要持續一天，一天後才能拿到最終的結果，不僅耽誤了調整網站運營策略的最佳時間，還可能因為時間間隔存在數據誤差的情況。這樣的流程的確降低了工作效率，那有沒有什麼方法能更加自主、靈活地計算留存率呢？

1、何為留存率？

在互聯網行業當中，因為拉新或推廣的活動把用戶引過來，用戶開始訪問網站/應用，但是經過一段時間可能就會有一部分客戶逐漸流失了。留存率定義為用戶在某段時間內開始使用網站/應用（一般定義是註冊），經過一段時間後，仍然繼續使用的人被認作是留存用戶。留存率體現了網站/應用的質量和保留用戶的能力。

留存率計算方法：留存率=登錄用戶數/新增用戶數*100%

（一般統計周期為天，常見的周期維度有次日、7日、14日/15日、30日、60日、90日）

比如：

次日留存率：（第一天新增用戶數，第2天還登錄的用戶數）/第一天總註冊用戶數
7日留存率：（第一天新增用戶數，第8天還登錄的用戶數）/第一天總註冊用戶數
30日留存率：（第一天新增用戶數，第31天還登錄的用戶數）/第一天總註冊用戶

留存率 ≠ 活躍率

留存率和活躍率混為一談，這是一個很嚴重的誤區。大家經常會用日活（簡稱DAU）來監測網站/應用，有時候日活在一段時期內都是逐漸增加的，按理說這是一個好現象，但是如果忽略了留存率計算，這個結果很可能是一個錯誤。比如某公司做了很多拉新、推廣的活動，帶來了很多新用戶，其日活數據應該也是增加的，但是最終留下來的用戶不一定在增長，甚至有可能在減少，只不過是新用戶太多而掩蓋了留存率問題，實際上用戶的留存是在逐漸降低的。

2、留存率在數據平台BDP中是如何實現的？

1）如何設定：

維度：日期維度

數值：新增註冊用戶+留存設置（註：留存率可同時計算多個，如次日留存、第7日留存、第30日留存、第1季度留存等；）

2）留存率設置：

經過很多相關的數據調研，我們最終確定留存率可以按日、周、月、季度、年、或自定義時間段來計算，以往大部分留存率都是以日為維度，但這些按周、按月甚至自定義時間段的個性化需求是很強烈的，能幫助我們客戶了解更加網站的具體留存數據，做出更加正確的網站運營策略。

按固定時間：最基礎的設置，只查看未來某個固定時間的留存率

留存周期：選定按固定時間計算，包括：日、周、月、季、年，比如第n日，第n月，上圖設置第7日；

日期欄位：選擇工作表裡是日期的欄位，比如用戶訪問時間；

所選日期：即留存周期的開始時間，默認固定時間，也支持自定義設置時間段；

數值設置：留存率、留存數，這個應該不難理解；

上圖含義：今天之後的第7天留存，即7日留存；

按範圍時間：設置更加靈活，可以查看未來某一段時間範圍（按固定的周期，比如第1周-第7周）的留存率

留存周期：選定按範圍時間計算留存率，包括：日、周、月、季度、年，比如第n日到第m日，第n月到第n月，上圖設置第1日到第7日（即次日-7日留存）；

日期欄位：選擇工作表裡是日期的欄位，比如用戶訪問時間；

所選日期：即留存周期的開始時間，默認固定時間，這裡我們選擇自定義設置時間段；

數值設置：留存率、留存數，這個應該不難理解；

上圖含義：2016-07-21到2016-07-31這段期間的新用戶總數對應的次日-7日留存情況；

按自定義時間段：最個性化的設置，可以任意查看未來某一段時間範圍（無固定周期設置，任意設置日期範圍）的留存率

（圖1，所選日期：固定時間）

（圖2，所選日期：自定義時間段）

留存周期：選定按自定義時間段計算留存率，比如從2016-08-04到2016-08-31；

日期欄位：選擇工作表裡是日期的欄位，比如用戶訪問時間；

所選日期：即留存周期的開始時間，可以選擇固定時間（今天），也可以自定義時間段；

數值設置：留存率、留存數，這個應該不難理解；

圖1含義：今天的註冊用戶在2016-08-04到2016-08-31的留存情況；

圖2含義：2016-07-21到2016-08-03的新用戶總數在2016-08-04到2016-08-31的留存情況；

另外，需要注意一下高級選項中「在計算留存率的時候計算值可能存在多個狀態」這句話是這樣理解的：比如大部分網站使用用戶ID來計算新用戶、用戶留存率，新用戶只是對用戶ID做了一個計算判斷（比如，訪問時間-創建時間=0，即此用戶ID為新用戶），留存率也是針對用戶ID進行計算，那訪問日期來的用戶除了之前留下來的用戶，還有訪問當天來的新用戶，這時候就必須把訪問當天的新用戶給排除，只剩之前留下來的用戶才能算作留存用戶，計算出來的留存率才是正確的。

若留存率計算對應的欄位不存在這種例外情況，可以忽視這個所謂的「高級選項」。

以上就是留存率是如何在數據平台靈活設置的相關內容，下期想跟大家分享的是留存率的設計理念和一些實際應用的場景，以產品設計角度跟大家分享更多有關留存率的知識。

轉載出處：《若想及時留住流失用戶，請認真讀完此文章！》

（一樓答非所問了，有炫技的感覺）這裡我只想去解釋這兩個指標，先說下回訪，回訪率在web分析時代就已經較為普遍的出現，Google Analytics一開始就有Returning Visitor這個維度，回訪率就是已有用戶（或符合某些特徵的已有用戶）在某一時間段再次訪問的比例。而留存率是在移動互聯網盛行後才逐漸被廣泛應用的指標，它屬於對回訪概念的一個細分，即某一日新增的用戶在第N日有訪問行為的用戶，即通常所說的N日留存率，描述新增用戶的留存概況。

大神們說的都很全面，所以我可能回答的比較片面。

我認為：

留存率是指今天在，明天還在；

回訪率是指今天在，明天不在，後天不在，大後天不在……突然有一天回來了。

如果回來的那天的明天也在，那就又是留存率了。

我來自諸葛io，給我們產品打個廣告，我們做精細化運營及分析。

感覺有點混亂，每個人說的留存率都不同

首先我們看到的就是APP運營一個重要的點做好拉新、接著再是盤活、然後是留存、最好是營收，這樣多的步驟可以做好的就是利用【活動盒子—APP活動運營工具】來實現，官網網址：http://www.huodonghezi.com

留存率有好多種定義：

http://www.applift.com/blog/user-retention.html

專業，學習了

APP是一個內容平台，是針對用戶生活需求或興趣需求而產生的內容平台。用戶下載一個APP是因為用戶對一個APP的內容感興趣或有需求。留存率和回訪率的差別在於:用戶對APP上的內容需求頻率有多高，興趣有多大。舉個例子，今日頭條，美麗說。一個是男性用戶多，一個是女性用戶多。只有對最新信息渴求度極高的人才會回訪極高。他不僅認可喜歡APP上的內容，而且時刻關注。而留存就不一樣了，只是說，用戶只是略感興趣，下載了卻很少打開。所以說，內容的運營決定著一個APP的用戶發展速度，甚至決定著APP的盈利規模。

不錯，你們APP的留存率有多少呢？

贊同樓上的說的，現在app的數量太龐大，對於用戶而言，軟體好用，信息價值高，自然會留存，其他那些墟里吧唧的數據，有什麼用呢