AARRR模型拆解：Retention 用户留存

0 人点赞了该文章 · 51 浏览

随着互联网行业的发展，许多产品都实现了从0到1的过程，渐渐地，很多产品的重心，都转移至如何实现从1到100，到10000的过程。而AARRR模型作为一个经典的增长漏斗模型，也时常被人所提及讨论，本系列文章将对各个过程拆解，深入讨论。

当用户来到我们的产品，被我们所激活，体验了我们的核心功能，接下来的事情，就是尽可能地让用户持续使用我们的产品，形成一种信赖与依赖，最终离不开我们的产品。这样下来，才会有更多的故事发生。这也就是AARRR模型的第三个阶段，Retention（留存）要做的事情，将用户留在我们的产品中。

讲留存，首先得看，怎样的用户，才属于留存用户，用怎样的指标，才能有效地评估产品的留存水平。目前市面上，普遍存在有两种计算方式，来计算产品的次日留存/7天留存/30天留存，评估一个产品的留存情况。

第一种是第N天计算法：

第二种是N天内计算法：

从两种计算方式中，我们可以看出：

第一种计算方法强调第N天，其反应的结果也就是随着时间的推移，留存用户逐渐减少，而行业上也存在着对应较为权威的基准 4-2-1 基准，也即40%/20%/10% 为此计算方法下，较为合理的一个水平。
第二种计算方法强调N天内，其反应的结果就是30天留存>7天留存>次日留存，更多的是表现一个产品的活跃水平。

但从留存本质上来看，这两种计算方式，都存在着可以改进的地方：

针对第N天计算法，存在这样的情况：次日留存相对准确，但7天留存跟30天留存，往往存在数据偏差；比如用户在第六天和第八天使用了产品，第七天未使用产品，这种情况下，这个用户属于一个七天留存的流失用户，这明显是不合理的。

故此可以引入使用间隔时间，做这样的计算：

改良后第N天计算法：

改良后的第N天计算法，可以准确地反映新增用户的留存水平，避免特殊场景造成的数据指标影响。

针对N天内计算法，由于计算方式反映的更多是产品的活跃水平，并不单纯针对新增用户，产品的迭代过程中，往往会有很多核心功能/用户体验等的改变，想要真实观察产品迭代过程中的留存活跃情况，应当将用户群体进行扩展。

改良后N天内计算法：

改良后的N天内计算法，更能清晰/完整地表现所有用户的活跃留存情况。

搞清楚了留存指标的计算后，我们必然关心一个问题，就是怎样的留存水平，是一个合理的留存水平，我们改如何去提升我们产品的留存水平。

针对留存水平的标准，许多产品/运营人员往往直接套用4-2-1基准，但其实，每个产品往往因为行业性质的不同，用户的合理使用频次也是不尽相同的。所以制定留存标准时，更多地是应该结合自身产品所处的行业、产品形态以及自身产品定位进行考虑。