留存分析方法：怎么提升用户留存率

摘要：判断留存健康与否，看曲线是否走平，而不是看某个百分比。本文给出留存的三个定义与计算公式、曲线四段（陡崖、长坡、平台、尾巴）分别对应的根因与处方、分类基准与"自比上一 cohort"的使用原则、以及八条测量纪律——包括把活跃定义为价值动作而非登录、等 cohort 成熟再下结论、先分段再修复，并说明系统性留存工作的见效节奏是 60 到 90 天。

留存是最容易被误读的指标。一个团队看着 D30 留存 18% 想尽办法提升，另一个团队同样 18% 却在快速增长——差别在曲线形状：前者一路下滑，后者在第三周就走平了。单点数字会骗人，曲线不会。

留存的三个数字也常常被混为一谈：装了没删、打开了、真的在用了——这是三件事，对应三种完全不同的流失。分不清就没法谈提升。

关键要点

三类流失必须分开：安装流失、参与流失、订阅流失，混在一起看会得出错误结论。
健康的唯一检验是留存曲线走平，且每个新 cohort 至少不差于上一个。
基准只能当区间参考，真正该对比的是自己的历史 cohort。
曲线四段各对应不同根因：陡崖是激活问题，长坡是习惯问题，低平台是需求匹配问题，无回弯要做复活。
活跃要定义为价值动作而非登录，时间刻度要匹配产品的自然使用频率。
系统性留存工作 60 到 90 天初见成效，完整显现需要 6 到 9 个月。

一、先把三个定义分清楚

留存率的基本算法是：留存率 =（期末用户数 − 期间新增用户数）÷ 期初用户数 × 100。例如期初 2000 人、期间新增 400 人、期末 2200 人，留存率就是 90%，对应流失 10%。

但真正容易出错的是"什么算流失"。三类流失必须分开统计：

安装流失：装了之后删除或再也不打开，通常看 D1、D7、D30 三个窗口。

参与流失：打开了，却没有产生任何有效行为。用户第一天打开健身应用，什么都没记录，第七天再没回来——按安装留存他算"留住了"，按参与留存他已经流失。这类流失最容易被漏掉，因为它看起来像是留存。

订阅流失：付费之后取消或不续费，是订阅类业务最贵的一种流失。

"活跃"的定义决定了所有数字的成色。把登录当成活跃，曲线会好看得多，但你什么也诊断不出来。活跃应该是价值动作：完成任务、产生内容、完成一次交易，而不是打开了一次应用。

二、曲线比数字重要：唯一的健康检验是走平

留存曲线是按注册日期分组的同一群人，在各个时间点上仍然活跃的比例。它从 100% 开始往下走，形状分三种：

一路下滑到接近零——最坏的情况。说明产品是个漏桶，没有形成稳定核心，用户生命周期价值有上限。这种情况下加大获客只是加速漏水。

下降到某个位置后走平——健康。走平的位置就是你的稳定核心，这批人会持续贡献价值。这是判断留存健康与否的唯一可靠检验。

下降、走平、然后回升——微笑曲线，流失用户因为产品变好而回来了。这是罕见且极强的信号，但不要指望它。

好曲线还有几个可对照的特征：消费级应用的 D1 在 40% 到 60%；D1 到 D7 的跌幅小于 D1 的一半；D7 到 D30 趋稳；D30 到 D90 基本持平。如果曲线在 D30 之后仍在持续下滑，说明你还没有找到那批真正需要你的人。

三、基准怎么用：参考区间，自比为主

行业基准可以按品类参考。D30 安装留存的中位数大致是：效率工具类 15% 到 25%，社交类 10% 到 20%，休闲游戏 3% 到 8%，健康健身 10% 到 20%，摄影摄像类 5% 到 12%。订阅业务的月流失率：消费级订阅 5% 到 12%，B2B 2% 到 5%，流媒体内容 5% 到 10%；折算到年度，消费级订阅 30% 到 50%，B2B 10% 到 30%。

综合基准上也有参考带：消费级订阅产品"好"约 40%、"优秀"约 70%；中小与中端 SaaS 约 60% 与 80%；企业级约 70% 与 90%。

但基准最大的用处是排除数量级错误，而不是设定目标。真正该问的是：这个 cohort 有没有比上一个 cohort 留得更好。每个新 cohort 至少不差于上一个，就是在改善；比自己上一季度好，就是在改善。日频通讯工具的好留存，放到季度使用的报税产品上是灾难——产品的自然使用频率决定了合理区间，跨品类比数字没有意义。

还有一条近年很实用的修正：测量起点未必是注册月。如果产品有免费层或低价试用，早期 cohort 里会有大量只想试一次的人，以注册月为锚算出来的留存，多半是在测量"你吸引了多少游客"，而不是产品好不好。更稳妥的做法是以第三个月重定基，看第十二个月相对第三个月的留存——曲线通常在第三个月附近开始走平，走平的位置才预测长期留存。相应地，获客成本也应按"第三个月仍留存的用户成本"来算，而不是按注册成本。

四、四段诊断：问题出在哪一段

曲线回落的位置直接指向根因，按四段分别处理：

D1 就低——激活问题。引导过长或令人困惑；宣传与实际体验不符；首次启动就崩溃。对照品类中位数看 D1 是否偏低，同时按操作系统与机型查崩溃率。

D1 到 D7 陡降——首次会话没有让人"啊哈"的时刻，用户不知道为什么需要它；或者付费墙来得太早，在用户想付费之前就撞上了；或者没有回访的理由——没建立通知、没设定目标、没形成习惯。

D7 到 D30 持续下滑——内容或服务深度不够，用户把显而易见的价值用完了就看不到更多；通知质量差（要么没有，要么逼人退订）；缺少成长与进阶信号，用户撞上了天花板。

D30 之后缓慢衰减——订阅类的账单意外；互动循环断裂（内容更新节奏、社交钩子、新挑战都没了）；或者被竞品拉走。

一个必须强调的纪律：先分段，再修复。混合曲线的恶化几乎总是集中在某一个细分或渠道上。按渠道、套餐、用户画像、平台拆开看再动手，否则修的往往不是出问题的那一块。

五、干预处方：按曲线区域给动作

陡崖（早期暴跌）→ 修激活。 缩短从注册到首次价值的路径：聚焦的产品引导、3 到 5 项的新手清单、减少到达"啊哈"之前的步骤。引导时长控制在 30 到 90 秒、最长不超过 2 分钟；让用户在 60 秒内触达首次价值，可使 D1 高出中位数 30% 到 50%。每多一个引导步骤，转化会掉 5% 到 10%，冗余步骤要狠心砍掉。

长坡（持续缓降）→ 养习惯。 用应用内公告与场景化引导把用户还没发现的功能露出来，并把产品挂到一个** recurring 的工作流**上，而不是一次性任务上。加 2 到 3 个个性化问题（目标、水平、偏好）通常能让 D7 提升 5% 到 15%。

低平台（稳定核心太小）→ 听反馈。 留下来的人知道为什么留，走掉的人在离开时告诉过你。跑满意度调研、逐条读贬损者的原话、把高频主题排进路线图。同时要注意：通知授权要在首次价值之后再做前置——授权率能从约 25% 提到 50% 以上，而开启通知的用户留存要好 30% 到 60%。

无回弯（流失不再回来）→ 做复活。 休眠用户不等于失去。在他们下次访问时用应用内通知告知相关的新功能，是最便宜的再获客渠道。第 3 天不活跃时的定向召回，通常能挽回 5% 到 15% 的流失中用户。

最需要克制的是推送。它是留存最强的单一渠道——90 天内收到至少一条推送的用户，留存是未收到用户的 3 倍；但每周 6 条以上会让卸载风险高出 3.4 倍。前提始终是分段与频次纪律。

还有个补充指标值得看：粘性（日活 ÷ 月活）。社交类健康值在 50% 以上，效率工具 20% 到 30%，订阅类 15% 到 25%。它比 D30 更细粒度——曲线看着正常，粘性可能暴露用户一个月只打开几次。

六、测量纪律与见效节奏

八条纪律，按重要性排：

按注册日期建 cohort，而不是看全量混合曲线；把活跃定义为价值动作而非登录；时间刻度匹配产品的自然节奏（消费级看 D1/D7/D30，B2B 看周或月 cohort）；叠加对比新旧 cohort 是否走平在更高位置；按渠道、套餐、画像、平台细分；等 cohort 成熟再下结论（两周大的曲线看不出形状）；研究平台期那批用户——他们定义了你的最佳适配人群；把曲线与定性反馈配对使用。

反过来，这些做法是错的：用登录当活跃美化曲线；拿日留存去衡量周频产品；用不同方法论的基准直接对比；在还在下降的曲线上加大获客；只盯 D30 单点数字而忽略形状恶化；不分段就直接发修复。

节奏上要有预期：系统性留存工作通常 60 到 90 天初见成效，6 到 9 个月完整显现。前 30 天建测量与基线，第二个 30 天建干预（推送计划、生命周期序列、引导改版），第三个月进入优化循环。D1 与 D7 可以在首月提升 2 到 5 个点；D30 与 D90 需要 4 到 6 个月，因为新的 cohort 需要时间成熟。

常见问题

问：留存率多少算好？

答：没有通用数字，取决于产品被使用的自然频率。可以参考分品类的 D30 中位数（效率工具 15–25%、社交 10–20%、休闲游戏 3–8%）与综合区间（消费级订阅好约 40%/优秀约 70%，企业级 70%/90%），但基准只用于排除数量级错误。真正该比的是自己的历史 cohort——新 cohort 是否至少不差于上一个，比上一季度好就是在改善。更可靠的检验是曲线是否走平。

问：为什么留存率没变，但业务在变差？

答：因为单点数字会掩盖形状恶化。D30 保持 18% 的同时，曲线可能已经从"第三周走平"变成"持续下滑"——稳定核心正在缩小，只是尚未反映到那个点上。同理，把登录当活跃也会让数字好看但诊断失效。所以应该"上报留存率、从曲线上做工作"，并配合粘性（日活/月活）一起看。

问：新用户前三个月掉得很厉害，是不是产品有问题？

答：不一定，要看掉完之后是否走平。如果产品有免费层或低价试用，早期 cohort 里会有大量只想试一次的人，这段陡降是"宽入口"的代价。判断方法是以第三个月重定基，看第十二个月相对第三个月的留存——曲线通常在第三个月附近开始走平，走平的位置才说明产品真实留存能力。同时获客成本也应按第三个月仍留存的用户来算。

问：应该先看哪个时间窗口？

答：按曲线分段看，而不是挑一个窗口。D1 低是激活问题（引导、宣传一致性、首启崩溃）；D1–D7 陡降是首会话没有"啊哈"时刻或付费墙过早；D7–D30 下滑是深度、通知质量与成长信号不足；D30 之后缓降是账单意外、互动循环断裂或被竞品拉走。先分段定位再动手，混合曲线上的修复常常修错地方。

问：推送通知该发多少？

答：它是留存最强的单一渠道，也是最容易用坏的。90 天内收到至少一条推送的用户留存是未收到用户的 3 倍；但每周 6 条以上会让卸载风险高出 3.4 倍。原则是按行为分段、严格控频次、内容具体（带上用户的真实行为数据），并把授权请求放在用户首次获得价值之后，而不是一启动就要。

问：做留存多久能看到效果？

答：60 到 90 天初见成效，完整显现需要 6 到 9 个月。前 30 天建测量、基线与分段；第二个 30 天建干预（推送计划、生命周期序列、引导改版）；第三个月进入优化循环。D1 与 D7 可以在首月提升 2 到 5 个点，D30 与 D90 需要 4 到 6 个月，因为新 cohort 必须成熟才能读出曲线形状。

关于通智云

留存分析的难点不在公式，而在定义一致与分段纪律：活跃怎么定义、cohort 怎么分组、什么时候可以下结论，这些决定了所有后续动作是否有效。通智云（TENGENCE）专注企业公域引流获客与私域转化成交的增长技术，本文涉及的用户分层、行为数据与留存度量是其持续关注的方向。

数据来源

Mobile App Retention: Benchmarks, Curve & 7 Tactics——Digipeak：引导 30–90 秒／最长 2 分钟；60 秒内首次价值使 D1 高 30–50%；每多一步转化降 5–10%；Airship 6300 万用户研究（收到 push 留存 3 倍、每周 6+ 条卸载风险 3.4 倍）；粘性基准；见效周期 60–90 天／6–9 月。
Mobile App Churn and Retention: A Working Playbook (2026)——ASOhack：三类流失定义；D30 分品类中位数与订阅月/年流失率；好曲线四特征；D1／D1–D7／D7–D30／D30+ 四步诊断；四类干预量化（个性化 +5–15% D7、授权率 25%→50%+、软硬付费墙、第 3 天召回 5–15%）。
User retention: how to measure and improve it——Bettermode：留存率公式与算例；曲线应走平、新 cohort 不差于上一个；六类改善杠杆。
How to Improve User Retention for Your Startup——DEV Community：走平是唯一检验；微笑曲线（a16z 2025-09 ChatGPT 月留存案例）；Lenny Rachitsky 基准带；以 M3 重定基看 M12/M3、"AI tourists"与按 M3 留存计成本。
Retention Curves: How to Read, Benchmark & Bend Them (2026)——Kompassify：曲线四段处方（陡崖/长坡/低平台/无回弯）；八条 Do 与八条 Don't；曲线与留存率的差别；获客成本为留存的 5–25 倍、Bain 留存 +5% 带来利润 +25–95%。