留存分析是指在 App 中,发生过事件A的用户指定期限内继续发生事件 B 的用户的人数或比例,是衡量一些关键转化的重要指标。
热力引擎的留存分析是针对事件与事件之间的计算,比如当以启动事件做为一个活跃来看待时,启动事件到启动事件的留存,可以被看为是活跃的留存;通过设置查看当日结果、1 日结果或者 7 日结果,即可了解活跃的实时留存、次日留存、7 日留存等指标。
留存分析模型适用于以下分析场景:
留存分析的主要条件配置界面如下
留存分析需要设置初始事件与回访事件,以此计算从初始事件到回访事件的用户留存情况。
发生初始事件的用户,是留存事件计算中的基础即分母;而发生回访事件的用户,即是留存事件计算中的结果即分子。初始事件与回访事件各能设置 1 个,不能设置多个。
初始事件与回访事件均支持筛选条件的设定,对初始事件的筛选即是对分母和基础的过滤,会筛选出符合条件的基础用户;而对回访事件的筛选即是对分子或结果人群的过滤,会筛选出真正符合条件的留存人群。
使用关联属性,可以指定初始事件与回访事件中各一个属性,只有发生了回访事件,且回访事件指定属性的属性值,与初始事件指定属性的属性值相同时,才被认为是回访事件;仅发生回访事件,但指定属性的值与初始事件的属性值不相同时,不以回访事件处理
如果需要对发生了初始或回访事件的用户进行其它指标的统计,可以开启“同时展示指标”,即在分析留存的同时,展示初始或回访用户同时参与的其它事件的指标。
设置同时展示指标时,需要指定计算同时展示指标事件的用户范围:
同时展示指标支持设置组合指标,针对属性的分析仅支持数值型属性
统计目标 | 统计方法 |
事件 | 总次数、触发用户数、人均次数 |
事件-属性-数值型 | 阶段累计人均值(限初始用户)、阶段累积总和(限初始用户)、人均值、总和 |
数值型
比如:初始用户 100 人,留存阶段为第3日留存,同时展示事件为支付事件、属性为支付金额。
则同时展示支付事件的支付金额的阶段累计总和为,初始用户 100 人在初始日及之后 3 日,即共 4 日发生支付事件中支付金额这个属性的总和。
比如:条件与阶段累计总和相同,阶段累计人均值为阶段累计总和/初始用户数。
从规则上看,阶段累积人均值的计算方式与 LTV 的规则相同,在日常的使用中可以使用该指标来进行 LTV 的分析。
初始事件、回访事件、同时展示事件均支持数据筛选,筛选项的选择与事件分析模型相同。
全局筛选项对以上三者同时生效。
针对留存分析结果,可以设置分组项,分组后在报表上同一个结果会根据分组项的多少展示为多个结果。
筛选项与分组项的详细逻辑,请参照事件分析模型中筛选项与分组项的说明。
在留存分析的条件设置完成后,点击“计算结果”,将在计算结果展示区域展示计算得出的结果。
根据所选择的时间粒度,可以设置不同的留存/流失周期。
留存分析模型,既可以分析留存情况,也可以分析流失情况,点击留存与流失分析的切换图标,即可选择想要分析的指标
针对流失的分析中,流失的定义为,用户在发生初始事件之后,截至对应的分析周期,都没有发生符合留存条件的留存事件,即视为流失。在这个持续时间里如果发生了符合留存条件的留存事件,即不属于流失用户
留存分析最多同时可展示用户数、比例(留存率/流失率)、同时展示指标共 3 类指标,可以配置针对各指标的阶段汇总的计算方法
阶段汇总设置窗中,还可以设置是否需要展示阶段汇总的记录,关闭显示时,在结果中将不显示阶段汇总的记录
指定周期留存/流失图表,将以折线图展示各时间粒度在计算周期里设置的最大值的结果
全周期留存/流失图表,将以折线图展示不同的初始时间点上相同周期的结果
操作权限:超级管理员、组管理员、分析师、分配权限的普通子账号
入口:首页-产品页-顶部主菜单-分析-留存分析