您现在的位置是：首页 > 文章详情

数据分析干货 | 留存率模型应该怎么搭建？

日期：2020-09-27点击：441收藏

几乎所有的业务数据分析和运营工作都是围绕着“拉新”、“留存”、“促活”、“转化”4个环节来开展的。

我们常常面临这样的问题，好不容易拉进来一批用户，玩着玩着就都流失了，更别谈转化和变现了。

所以，弄明白“留存率”非常重要，它是衡量产品质量、运营效果的重要指标，也是预估产品盈利能力的重要参考！

一、“留存率”是什么？

留存率，留的都是活跃用户（Active User），具体的讲，就是指某一时间段内完成了某种特定行为的用户。例如某内容平台，可以参考打开次数、使用时长、互动情况、内容产出量来制定自己的标准。需要注意的是，单个用户可能多次完成特定行为，统计时需要按照用户维度去重，即只算为1个用户。

举个例子，某天进来一批新用户，有的用了一下就再也没回来过，有的继续用过几次后也离开了，还有些在一定时间段里，能够一直持续活跃使用，这些一直保持活跃的我们称之为留存用户。留存用户占这批次新增用户的比例，就是留存率。

考量留存的时间，一般会有次日、第7日、第30日型等，分别对应着次日留存率、第7日留存率、第30日留存率。还有按整周、整月的留存率计算形式，比如次月留存率等。

（7日留存和周留存容易混淆，举个例子说清楚：假如1月1日新增100人，其中20人在1月8日依然活跃，则7日留存是20%，即7日留存是指第一天新增用户在七天后活跃的人数；假如1月1日到第1月7日共新增1000人，其中300人在1月8日到1月14日之间依然活跃，那么周留存就是30%，即周留存是第一周新增总用户在第二周活跃的人数。）

根据现有的用户留存数量，就可以算出留存率，而根据留存率，又可以预测产品未来的活跃用户量。

作为一名运营，不要简单地以为用户拉进来就算是你的用户了，也不要总把「用户总数」作为洋洋自得的指标，而应该更关注活跃用户数和留存率。

因为，只有真正活跃的用户，才能产生商业价值。

二、留存率模型

搞清留存率，本文将祭出一大法宝——「以留存率为基础的产品盈利模型」。

1.模型1.0

在1.0版本里，留存率只是个初步模型：（其实就是一个加法公式）

此模型说明了活跃用户数来源于「阶段内新增用户」加上「以往每个阶段的留存用户」。举个例子，假如要算7天的留存用户，那么第7天的活跃总用户数 = 第7天的新增用户数 + 第6天的新增用户数 x 第1天的留存率 + 第5天的新增用户数 x 第2天的留存率 + …… + 第1天的新增用户数 x 第6天的留存率。假如按周、月算，也是一样的道理，所以简单说来，这个模型就是把每个阶段的留存人数相加的结果。

我们用案例再来解释一下：

比如，某产品7月1日的活跃用户量为500，然后拉取这500人接下来7天的每日活跃数，就可以计算出该产品7天的留存率：

（当天留存率 = 该批次剩余活跃用户数 / 7月1日活跃用户量）

这样，我们就得出了产品的阶段留存率。然后我们可以依据这个留存率来计算每日自然新增的每日留存了，如果7月1日当天的新增用户为1400人，可以继续计算：

（当天剩余活跃用户量 = 当天留存率 * 7月1日新增用户量）

因此，我们就初步得到了7月1日这批用户在接下来几天里的活跃数变化情况。当然现实情况是每天都有新增用户，因此我们可以计算每天新增用户的留存率，再把历史留存都加起来，就得到了每天的总留存。

假如7月1日新增用户为500人，并且每日稳定增长500人，那么根据留存率，可以算出7月7日的活跃用户总数：

2.模型2.0

一旦可以算出未来的活跃用户数量，我们就可以粗略的计算未来的收益、销售额等数据。

而这个模型可以继续优化，增加更多参数，使得计算结果更加接近真实情况。

需要注意的是，影响模型结果的因素很多，考虑的越多，模型就越接近于真实情况，精确度就越高。但同时，因素与因素之间也会互相影响，增加了模型的复杂程度，计算的需要的时间会增加，计算的结果也会更加难以得出。使用模型时，请仔细思考这两点的平衡性。

那么问题来了，现实中有哪些因素需要考虑？哪些可以增加到这个模型中？

1.用户来自不同渠道，因此不同渠道需使用不同的留存率；

2.随着运营活动的开展，每月自然新增也会产生变化；

3.很多产品每月会做付费推广，这其中需要考虑到推广的转化率；

4.推广及活动吸引来的用户的留存率，可能和自然新增的用户留存率不同；
5.考虑到用户生命周期，历史存量用户会有固定的流失率；

6.总活跃用户中，有一定比例的付费率；

7.随着产品价值的提升，新增用户的付费转化率每月会增长；

8.随着产品的精细运营，单个用户在生命周期内的消费能力会逐渐递增；

9.还可以根据人均贡献率预估出总收益；

……