留存分析:N 日留存矩阵与曲线 | Keentics

留存分析回答的是决定产品生死的那个问题:来试过的人,会回来吗?它把用户按首次出现的日期分组,跟踪有多少人在第 1、7、30 天乃至更久之后回访。对游戏和 App 团队来说,留存是最诚实的增长信号——量可以买,但留下来的用户会复利增长。Keentics 在全量事件上算留存,所以曲线反映的是每一个用户,而不是抽样。

读懂 N 日留存矩阵

经典视图是一张分群矩阵:每一行是一个注册日,每一列是天数偏移,每个格子是该分群当天仍活跃的比例。竖着读一列,看出留存是否在一版版变好;横着读一行,看出某个分群的衰减形状。Keentics 同时给出矩阵和一条平滑的留存曲线,次日的悬崖和长尾的趋平一眼可辨。精确定义可参考留存率术语解释。

按你产品的方式定义”留存”

不是每个产品对”活跃”的理解都一样。Keentics 允许你选择回访事件——一次会话、一次关卡开始、一次付费——让留存反映对你真正重要的行为。你可以度量经典 N 日留存、滚动(无界)留存,或为慢节奏循环设计的区间留存。一款超休闲游戏和一款 B2B 应用画出的曲线天差地别,而两者都该用各自的口径来量。

跨分群对比留存

单条曲线只是基线,洞察藏在对比里。把留存按用户分群、买量渠道、平台、国家或首日行为拆开,看哪一组留得住。你会因此发现:完成了新手引导的用户留存翻倍,或者某个付费渠道看着便宜,却在第 3 天就churn掉了。再配合 DAU/MAU,把分群留存和管理层盯的活跃用户数对应起来。

从留存到收入

留存和钱,是同一个故事讲两遍。会回来的用户,就是最终会付费的用户,所以留存曲线是 LTV 分析的先行指标。当一次留存实验抬高了 7 日数字,你可以顺着同一批分群进到 LTV 矩阵,看回收变好。而当一个漏斗在漏水,留存能告诉你:活下来的人,值不值得留。

为什么用 Keentics 做留存

• 全量分群,不抽样——早期小分群也站得住。
• 灵活的回访定义,快产品慢产品通吃。
• 只读 SQL,把任意分群拿到 ClickHouse 原始事件里核对。
• 固定定价,永不按项目数收费,免费档起步,随时全量导出。