留存分析从入门到进阶

说起用户留存分析，想必同学们又会开始吐槽了：哪家公司现在不看用户留存，用你教？

没有错，不管是一线的产品、运营同学们，还是把控全局的管理层们，都一定会关注用户留存。但是，作者在这里想问的是，对于不同类型的用户行为，留存分析的思路相同吗？想要实现自定义的留存分析和流失分析，该怎么做呢？

为了解答以上两个问题，本篇将分享用户留存分析的进阶方法。

（备注：本文中涉及的数据均为 demo 环境下模拟的虚拟数据）

一、通过流失分析逆向反推留存

有的同学会觉得，留存分析的是一群人第一天来了之后，后续几天每天来的一个比率，这也是一种对留存比较主流的的定义，他评估的是一群人进行某项行为后，再次进行某项行为的一个可能性。

这类分析常常适用于用户对于产品的访问会有一定的粘性，使用产品的频率一般较高的场景，例如常见的直播类产品进入直播间、电商类产品进入商品详情页，都可以用这种分析方式来评估用户留存情况。

但其实广义上来讲，留存分析还有另外一种定义。那就是，一群人第一天来了之后，虽然第二天有的人没来，但是我不关心，我在乎的是，以走完产品的核心流程周期或使用频率为基准，用户留存的可能性到底有多少。

具体来说，如果产品的核心流程较长，用户其实在第一天进行了某些操作之后，短期内他并不会再次回到产品内部，自然第二天的留存数据也就相对不重要了。

这类分析思路常常适用于产品的核心流程较长，或者用户不会比较高频地进入产品的情况。例如常见的理财类产品购买，或直播产品的会员开通，在用户进行了产品价值购买后，短期内用户再次进入产品，进行二次购买的可能性较小，这里我们介绍适合这类场景的分析思路——通过流失分析逆向反推留存