# 留存分析

留存分析是数据分析中常用的方法，可以衡量不同批次新增用户的数据表现，最常见的就是留存率。提升次留、三留、七留等留存率指标对项目的可持续发展至关重要，通过留存分析模型，您只需几次点击就可分析一段时间内，完成某项初始事件用户的回访情况，从而进行宏观把控，优化决策。

在留存分析中，您可以得到下面问题的答案：

# 快速配置留存定义

在进行分析前，您需要先确定分析主体是什么，不同的分析主体代表不同的留存视角。举例来说，您可能希望查看游戏内角色的留存情况，或者分析账号的次日留存。

如果您希望分析的是新增账号在次日、三日……仍然活跃的情况，可以进行如下配置：

留存分析默认以“日”为单位进行分析，您也可以选择按周、按月进行分析，即在某周/月完成了初始事件的分析主体在后续第N周/月是否有完成回访事件，得到第N周/月留存；如果您想分析的是日留存指标，但希望以周或月为单位汇总查看，请在显示设置进行配置。

配置好相应事件后，留存分析模型会自动生成第N日/周/月的留存人数、留存率、流失人数、流失率指标。留存和流失定义如下：

您还可以开启“同时展示”进行进一步分析，计算完成了回访事件的用户的其他指标，如计算LTV及ROI。

为了获得更精准的留存数据，您还可以“使用关联属性”，为初始事件、回访事件和同时展示分别选择类型相同的事件属性；开启后，不仅要求用户完成回访事件，还要求属性值完全相同。如果用户在初始日期同时触发了多次属性值不同的初始事件，则会同时属于多个关联属性对应的组别中。

例如，如果您希望对比游戏内不同活动的情况，要求同一个用户在次日仍然参与相同活动才会计入该玩法的留存人数，可以指定活动类型作为关联属性。

您也可以通过筛选过滤数据，或者通过分组项对比分析。和事件分析不同，如果您使用的分组项是事件属性或者标签的动态匹配，仅会取分析主体首次触发初始事件时对应的分组值作为用户标识，即一个分析主体在时间范围内仅会属于一个分组项。

举例来说，如果您希望分析用户在1月1日~1月7日的7日活跃留存，按事件属性VIP等级分组。假设用户在7天内每天都有完成登录事件，并且VIP等级各不相同，该用户也只会被归到1月1日当天首次触发登录事件时的VIP等级对应的分组。

留存分析支持多种可视化展示样式，默认以表格展示。

每个单元格展示在某个初始日期下，第N日的留存人数/留存率，鼠标移动上去可查看对应说明。根据留存/流失率的大小，每个单元格都会用不同深浅的蓝色填充，方便您快速定位异常日期。

表格首行展示时间范围内的阶段值数据，您可以在阶段值逻辑说明查看阶段值的计算逻辑；从第二行开始，将会展示每日/周/月的留存/流失情况。如果您有配置分组项，可以点击+号在弹窗中查看该日期下不同分组的数据表现。

如果您希望更方便对比不同分组值的数据表现，也可以切换表格展示格式为“以分组为行”，表格默认展示各分组值的阶段值数据，您可以点击+号在弹窗中查看该分组下不同日期的数据表现。

需要注意的是，涉及到“今天”的单元格会带有星号(*)，表示数据仍在变化中。举例来说，3月2日查看留存率数据时，3月3日的次日、3月4日的3日、3月5日的4日……的单元格都会有星号。

您可通过「隐藏不完整日期」来排除变化中数据的干扰，此设置会对表格展示，数据导出/下载生效。

第N日留存以折线图的形式展示第N日的留存/流失指标随时间变化的趋势，相比表格您可以更容易发现存在异常的初始事件日期。

第N日留存的X轴为初始事件日期，每条折线代表一个分组项的数据。

通过每日留存，您可以对比不同日期完成初始事件的用户，在后续第1日、第2日……的留存率情况。

和第N日留存不同，每日留存的X轴为第N日，每条折线代表一个初始事件日期。如果您有配置分组项，则每条折线代表一个分组项的阶段值数据。

	公司超管	管理员	分析师	普通成员
留存分析模型	●	●	▲	△

权限说明：

● 角色必有

▲ 角色默认有，可以没有

△ 角色默认没有，可以有

○ 角色必没有