留存分析
观察用户在第一次使用产品之后，是否持续回来使用的分析方法。核心洞察是”次日留存检验首次体验价值、7日留存判断习惯养成、30日留存验证产品依赖”。留存分析真正要解决的不是”用户有没有回来”，而是”用户有没有形成使用习惯”。
核心定义
留存分析是用户运营中最基础却最容易被忽视的分析方法。它关注的是用户在首次使用产品后的持续行为，是衡量产品价值是否真正被用户感知的终极指标。
与转化分析的区别在于：转化解决”用户进没进来”，留存解决”用户为什么愿意回来”。
留存的时间维度
不同时间窗口的留存揭示不同的产品健康度：
- 次日留存：检验”首次体验价值”。如果第二天不来，说明第一次体验没有形成足够强的价值感知。用户可能只是被红包吸引、被客户经理催促、顺手点了一点。数值高说明首购体验好，数值低说明首购体验差或用户不是目标客户
- 7日留存：检验”使用习惯是否形成”。一周时间足够用户做出判断——这个产品对我有没有用，我是否需要经常打开它。如果7日留存低，说明产品没有建立”使用必要性”的认知
- 30日留存：检验”产品依赖是否建立”。一个月的时间用户已经和产品经历了足够多的交互。留存下来的用户已形成对产品的依赖——每周看收益、每月还信用卡、习惯用APP转账
留存比新增更重要的底层逻辑
拉新可以买，留存买不来
一个通过线上广告获取的新客，营销成本可能是老客运营成本的5-10倍。广告、活动、补贴都可以快速带来新增用户，但活动结束后不到5%的用户会主动打开APP。流量可以买，但用户愿不愿意继续使用只能靠产品本身的价值。
没有留存的增长本质是在”漏水”
每年开门红新增客户数动辄几万甚至几十万，但年底月活几乎没增长。获客五万流失四万，净增一万再刨去自然流失，真实增长可能只有几千。更可怕的是”高质量流失”——流失的都是有价值的客户，留下的都是薅完羊毛就走的低价值用户，形成”逆向淘汰”。
留存决定用户生命周期价值（LTV）
银行的核心业务都是”关系型业务”——理财、贷款、信用卡、存款都需要用户持续回来才能产生价值。沉睡用户的LTV趋近于零，无论当初获客成本多高最终都是亏损的。用户不回来，后续所有经营活动运营、消息触达、精准推荐、交叉销售都无从谈起。
分析方法
Cohort分群留存
整体留存率几乎无用——必须按来源渠道、进入时间、用户类型、资产层级等维度分群，才能看到真实的留存结构。详见 Cohort分析。
留存曲线诊断
按时间维度绘制留存曲线，观察陡降期（前3-7天）、缓降期（7-30天）、稳定期（30天后）三阶段形态。详见 留存曲线。
“魔法时刻”识别
对比完成某个行为的用户 vs 未完成的用户，30日留存差距超过20个百分点即为关键行为。详见 魔法时刻。
不同素材中的观点
- 来自 2026-05-28-woshipm-retention-analysis（留存分析：为什么用户来了，却没有留下）：银行数字化营销场景下，开门红活动新增2万绑卡用户，30日留存仅8%。通过 Cohort 分群发现活动新客留存6%（最低），存量客户推荐39%（最高）；通过行为路径分析发现低留存用户”浏览活动→购买低门槛产品→提现→不回来”，高留存用户”浏览多分类→搜索→收藏→多次访问→持续持有”。优化后30日留存从8%提升到21%，活动新客从6%到18%
实用信息
留存分析的核心误区
- 只看新增不看留存：新增只是开始，真正重要的是用户是否持续活跃
- 只看整体留存：必须拆分维度，不同群体的留存驱动因素完全不同
- 把留存问题全归因于运营：很多时候留存低是产品的问题，产品价值感不足再好的运营都留不住
- 只研究流失用户：应该把50%分析精力放在留存用户身上，研究他们的成功行为
- 认为留存可以靠补贴维持：补贴只产生”伪留存”，补贴停止用户立刻流失
- 只关注数字不关注行为：留存率是结果，导致结果的行为才是真正需要关注的
银行APP健康留存基准
- 金融类应用30日留存达到25%以上说明用户开始形成使用习惯
- 低于10%说明产品依赖没有建立，需要重新审视产品定位
留存优化框架
找到”魔法时刻” → 降低关键行为门槛 → 设计习惯培养三要素（触发+行为+奖励） → 建立会员权益体系 → 持续监控留存曲线