留存分析

概述

留存，通常指用户在首次使用产品后，经过一段时间仍持续使用该产品的比例，是衡量用户粘性与产品价值的重要指标。

留存分析支持根据业务场景和产品发展阶段，灵活定义“初始行为”（如注册、首次启动）与“后续行为”（如次日登录、7日内下单等），从而精准计算不同周期的留存率。企业可借助该分析洞察用户活跃趋势、识别流失关键节点，并据此优化运营策略——例如强化新用户体验、设计定向召回机制、提升核心功能感知度——最终实现从“拉新”到“留人”的真实增长。

此外，留存分析结果支持一键生成报表，并可直接添加至自制数据看板，便于团队实时监控、协同分析与决策落地。

应用场景

留存分析可以解决

• 衡量产品对用户黏性随时间的变化，验证用户目标群体是否在预期时间内完成了预估的行为事件，例如观察新用户在活动上线后的1天后/7天后留存，以此判断活动的效果。

• 观测核心产品功能的持续吸引力，例如初始行为选择 “播放短视频”，后续行为选择“启动”，了解用户二次打开 App 的留存情况。

以「统计不同渠道来源的用户留存」为例，您可以通过以下步骤进行分析：

1. 分析主体：登录用户

2. 定义留存：初始行为和后续行为均选择「应用启动」事件

3. 选择分组：「渠道属性」的「来源类型」

4. 设置时间范围

5. 点击「开始分析」

操作说明

页面组成

留存分析功能，主要由以下几部分组成：

1. 历史查询列表：用户可选择历史保存的查询。

2. 信息配置区：用户可设置事件、指标、属性、分组和时间。

3. 分析结果区域：用户可查看可视化图表和明细数据。

选择分析主体

留存分析支持按设备ID、账号ID或实体ID串联用户行为，默认选择设备ID。

• 设备ID：QuickTracking为每一台设备生成的唯一ID

• 账号ID：由您通过接口传入的用户账号，用于定义您用户的唯一ID

• 实体ID：Quick Tracking自主生成的用户标识，通过ID-Mapping将设备ID和账号ID进行1对1关联，实现账号登录前后行为的打通。

自定义留存行为

1.点击下拉选择具体的事件作为初始行为和后续行为

2.添加筛选条件：

• 支持事件的属性筛选过滤。分类描述与具体内容见附件2.添加筛选条件。

• 根据属性的不同类型支持不同的筛选符号。具体筛选符号及符号定义见附件2.添加筛选条件。

选择属性分组

留存分析支持按属性（如渠道、地域、设备等）分组或交叉分析，例如：对比各渠道用户注册后支付行为的留存率。

分组计算逻辑说明

无分组时：计算每天触发初始行为的用户留存率或留存数。

• 举例：2023年7月4日触发了「初始行为」应用启动（预置）的设备ID（分析主体）的人数为2012人，7月5日又触发了「后续行为」应用启动（预置）设备ID（分析主体）的人数为956人，留存率为「后续行为」人数（留存数）/「初始行为」人数，得出1日后触发「初始行为」2012人数的占比为47.51%（留存率）；

• 以此类推后续各日留存率。

有分组时：按分组值（如“IOS”）计算留存率或留存数。

• 举例：在计算时间内（20230704-20230712），触发「初始行为」应用启动（预置）且分组值等于“IOS”的这些分析主体（设备ID）中，一天后又发生了「后续行为」应用启动（预置）且分组值等于“IOS”的人数（留存数）及占比（留存率）

• 以此类推后续各日留存率。

添加全局筛选

当选择两个步骤事件指标或者更多时，全局筛选支持基于不同事件之间共有属性进行公共过滤。具体筛选能力和设置与单事件的属性过滤能力相同。

添加用户分群

您可以通过「筛选用户分群」功能创建特定人群，实现特定人群的数据表现。创建用户分群具体方案见：人群洞察。

选择时间范围

时间范围和时间粒度，「相对时段」和「固定时段」两种方式，相对方式里面提供默认时间为过去7天，按天分区展示。

• 「相对时段」基于某一锚点往前推的日期范围，会随着时间不断变化，里面有过去X天/周/月三种维度的选项，也支持自定义的去设定过去X天/周/月的时间筛选条件。天为完整的自然天，周的选范围是周一到周日，月即自然月（每月1号至最后1天）

详细规则如下：

A、过去n天：基于当前时间往前推完整的n天；

B、过去n周：基于当前时间往前推n个完整的周，如果当前时间是该周的最后一天，那么过去n周包含当前时间所在的周。示例：如果当前时间是7.20号（周二），那么过去1周即为7.12-7.18（周一到周日）；如果当前时间是7.18号（周日），那么过去1周即为7.12-7.18。

C、过去n月：基于当前时间往前推n个完整的月，如果当前时间是该月的最后一天，那么过去n月包含当前时间所在的月。示例：如果当前时间是7.20号，那么过去1月即为6.1-6.30；如果当前时间是6.30号，那么过去1月就是6.01-6.30。

• 「固定时段」可以在日历框中直接选择起始日期，点击确认后就会选取当前时间范围，进行数据分析（固定时段的最大选取范围是366天）

查看分析图表与明细数据

设置完查询条件并点击「开始分析」后，可查看分析结果和留存（留存率与留存数）趋势图。

• 支持按日期和按留存天数两种维度的筛选进行分析：

  • 按日期：点击右上角切换查看T日后留存率（用户在发生初始行为后第T天发生后续行为的比率）；

  • 按留存天数：点击右上角切换日期范围内的某一天（如2025-11-24），分析的数值为该日期（2025-11-24）的次日、第2日、第3日、第4日等留存率和留存数。

• 支持30天、60天、90天的日期范围进行留存筛选；

• 对常用的指标进行保存便于后续重新查询，可以通过右上角「保存」设置按钮进行操作。

明细数据

明细数据：统计结果的详细数据。

• 留存表格查看支持切换「留存数」和「留存率」，展示T日后的留存用户数和留存率；

• 用户数一列展示了发生初始行为的去重设备/登录用户数；

• 点击右上角「导出数据」可以下载Excel文件。

保存数据到报表

1.输入报表名称

2.选择报表保存的时段

- 「不同时段对报表的影响」

• 选择相对时段，报表日期可以根据看板选择时间做查询

• 选择固定时段，报表日期不会根据看板选择时间而改变

• 没有选择时段，报表日期会跟随看板选择的时间

3.点击「确定」按钮即可把数据保存到报表列表

添加报表到看板

对于已经的保存报表，可以选择添加报表到看板：

1. 输入「报表名称」

2. 选择添加的看板

3. 选择图表希望的展示类型

4. 选择图表在自制看板中的展示布局

5. 高级设置根据需要展示的看板规则选择即可

6. 点击「确定」即可

留存分析计算逻辑

1.自定义留存含义

N day 留存指某天触发事件的用户是否在N天后再次触发事件。

针对业务目标，可以对用户的留存做更进一步的定义，明确用户的初始行为和后续行为。

• 初始行为：只有在当日触发过该事件的设备/登录用户，才能参与后续的自定义留存计算。可以通过条件筛选功能设置具体的事件属性及属性值，以此圈定更为细致的用户群体

• 后续行为：只有用户在触发过后续行为后才会计算为留存用户。可以通过条件筛选功能设置具体的事件属性及属性值，以此设定更严格的回访行为

注意：用户如果触发多次初始行为和后续行为，当天/周/月只计数一次，即为去重设备/登录用户数。

2.确认留存的统计区间

您可以选择初始行为发生的时间范围，观察用户在1天、2天、7天、14天和30天后的留存情况。
例如，用户小A在5月1日触发初始行为后，分别在2天后、3天后、6天后和7天后触发后续行为，则会被统计为对应天数的留存用户。

3.设定留存的条件限制

您可以用不同的筛选条件对留存进行限制，筛选逻辑如下：

• 支持按照事件的筛选条件和全局筛选条件对事件进行过滤

• 全局筛选条件作用于初始和后续行为

• 如果配置了事件的筛选条件和全局的筛选条件，则筛选条件逻辑为：事件筛选条件 &全局筛选条件

例如，分析浙江省18-35岁女性用户对化妆品A的再次购买留存情况时，可设置初始行为为“支付成功”，回访行为为“支付成功”，筛选条件为“省份=浙江 & 年龄段=18-35 & 商品id=化妆品A”。

4.对留存进行对比分析

在查询条件中加入分组筛选，对比不同分组值下留存的比较

• 支持预置属性和全局属性对留存进行分组

• 分组条件作用于初始和后续行为

• 如果一个用户在时间范围内满足多个分组条件，会归入多个分组。

5.对留存指标进行解读

• 初始行为用户数：某一天/周/月发生初始行为用户的去重设备/登录用户数

• 留存数：指 N 日/周/月后发生了后续行为的去重设备/登录用户数

• 留存率：指 N 日/周/月后发生了后续行为的留存用户在初始行为用户中的占比