留存，默默的支持着我们产品的增长。糟糕的留存，就像一个漏水桶不断消耗新增；而好的留存，则可以加强各种各样的重要指标，如病毒式传播、利润率和用户生命周期价值。
改善留存率是一个复杂的挑战，在我们想着手改善它之前，我们必须理解它。
我们都知道的用户留存率
如果你问别人用户留存的图表是什么，你几乎肯定会得到这样的答案：
这个图表显示的是，注册后经过X天仍在使用产品的用户的百分比。似乎在说，大约80%的用户在头30天的时候已经逐渐离去，其余用户－－曲线后期较为水平，会保持一段时间。
基于这样的曲线和高流失率，可能会得出一些结论：
1. 因为曲线在26～30天之间较为稳定，所以不需要担心长期留存。用户会在头30天找到产品价值并留下来定期使用产品；
2. 用户流失在最初几天非常严重，所以大家不会立刻想办法去改变这一现象。对于大多数用户来说，喜欢产品的一些服务，但它长期使用起来并不是很理想；
3. 前几周保持用户是非常重要的，我们应该专注于帮助用户在此期间找到我们产品的价值所在。
然而，这些结论必然是错误的。问题在于，这样的图表中往往只是衡量了留存的开头和结尾，只表露出了一小部分问题。
解析用户留存率
下图显示了100个用户使用模式的两种（假设）情况。每个方块表示某个用户某天是活跃的。例如，User 1 在Scenario 1 中，在注册后的30天每天都是活跃的；User 50 则是活跃了头7天，后面就没有活跃了。
这两种方案代表了非常不同的用户行为模式。在Scenario 1 中，用户在所有的时间（活跃期间）使用产品，但当他们离开，便不再使用产品，哪怕一次。在Scenario 2 中，用户使用产品的时间是零星的，很难发现当一个用户离开便一去不复返了。
如果我们想提高留存，我们的做法在不同情况（方案）下可能是非常不同的。
但是问题就在这里。每个情况的整体留存率都相同－－它们都表示上面的“Overall Retention Rate”图表。如果只是看这个图表，大家会给两种方案以完全相同的方式提高留存。
因为留存通常是将某一天活跃的人数与其首次注册(或激活)人数计算来的，所以曲线都是一致的。在这两种情况中，都有100个注册用户，day 26、27都还有20个活跃用户。然而在Scenario 1 中day 26、27，20个活跃用户都是相同的用户，在Scenario 2 中却是几乎完全不同的20个活跃用户。
更完整的留存数据会更突出这些差异。
1. 数据包括前一天
在Scenario 1 中，在前面的每一天每个用户都在使用产品。在Scenario 2 中，留存用户更倾向于返回使用一段日子，周期性的使用和退出。
为了检测到这些差异，我们需要计算多少人在活跃期间使用和退出产品。这个新的结果显示与最前面留存率表相同，但是它分成了两部分：用户包含前一天活跃的和前一天没有活跃的，黄色区域越大说明越多用户活跃。
在Scenario 1 中，每天100%的留存用户也是昨天的留存用户。在Scenario 2 中，大约一半用户在day 10活跃，同时在day 9也是活跃的，但是到了day 30，只有5～10%的用户在day 29也活跃。
2. 两次活跃间隔的平均时间
Scenario 1 and Scenario 2 之间最明显的区别之一是－－**活跃天之间的间隔**。Scenario 1 中没有间隔，Scenario 2 中间隔是不同的。
在上一个表中，可以看出这些间隔的存在。下面这个表则可以看出这个间隔有多大，对于某一天的活跃用户，自上一次活跃平均间隔了多少天。
我们可以这样几个方面解释这些表。
较低的平均间隔时间意味着人们更频繁地使用产品，但也意味着用户不活跃了很长一段时间，没有返回使用产品。
较高的平均间隔时间意味着人们使用产品时间更零星，但它也意味着该产品能够带回不活跃的用户。比如有人今天在亚马逊订购了商品，可能距离上一次已经过去了半年。
3. 流失后，再返回的用户
要知道什么时候容易拉回流失用户，也是很重要的。Scenario 1 中似乎相当明显，一旦用户离开了一天，Ta可能永远不再回来。
但Scenario 2 中，就需要弄清楚拉回流失用户的时间间隔。例如，一些亚马逊用户两次购物之间可能会隔几个月，那么亚马逊应该等多久考虑召回用户呢？答案肯定不是拍脑袋出来的。
下面这个图表显示了用户在离开多少天后返回的可能性，离开时间长度返回用户的百分比。
Scenario 1 显示了你已经知道的－－一个用户一个没来就消失了。
Scenario 2 讲述了一个不同的故事－－用户已经离开的时间很少影响他们回来的可能性。意味着最近活跃并不能很好预测是否有人回来使用产品。在这种情况下，长期的流失不太可能表明一个用户会不会被召回。
该指标不仅有助于描述多长时间用户慢慢流失，而且还提供了何时应该召回用户的重要信息。
结论？
“Overall Retention Rate”图表似乎告诉我们仨件事：
1. 前30天保持用户很重要；
2. 多数用户最初喜欢产品，但不会长期使用；
3. 一些用户在前30天发现产品价值并留下来经常使用产品；
Scenario 1 中，上述三个多是正确的。前30天似乎是建立产品习惯的重要期。最初人们喜欢产品，甚至频繁地使用产品，但并不表明他们会长期使用产品。
Scenario 2 中，上述三个没有一个正确的。人们并不是真的离开产品，他们只是偶尔使用产品。
要想改善留存，不仅仅是看一个百分比，我们需要更完善的留存数据来下钻分析。
