关于留存率计算

日活、新增、留存作为常规互联网App的三个核心指标，衡量着一个产品的价值。日活描述着用户体量，体量大也可能是日积月累的结果，并不表现产品未来前景，一年做到日活一万肯定跟一个月做到日活一万不可同日而语，所以此时要看新增。新增描述着产品吸引力，新增越大，则产品的增长性越好，但如果有人通过花钱买量，也可以把新增买上去，此时就要看留存。留存描述着产品的的质量和刚需性，花钱很容易买来新增，但是很难买来留存，刚刚新增越大，留存率下滑得越厉害。

三个核心指标相互制衡，其中最值得讨论的就是留存率的计算，别的指标都好用钱来操纵，唯独留存率不好操纵，一些公司在给资方爸爸看数据时，就会选择不同的计算方式，从而让数据看上去更亮眼。

通常最严格的计算逻辑为：用户于第0日首次登录，于第N日再次使用App，即表示该用户的第N日留存。N等于1，就是我们常说的基于用户ID的新增次日留存率。为什么它是最严苛的呢？首先它只考虑有用户ID的，也就是没注册的游客不考虑，其次它是严格第N日再来，而无论N日之前是否有来，N日之后是否还来。

为什么留存率的计算还可以算出更亮眼的结果来呢，因为维度不同！

1. 基于设备，还是基于用户ID？

有些产品形态用户的注册率不高，用户都习惯以游客身份使用，来之即用，即之即弃，通常如：新闻App、下载站App、小游戏类App、阅读类App、小视频类App。你可能天天刷着快手、抖音，但可能你从来没有注册登录过，所以这类App如果按用户ID来计算留存率显然就有点不合适了，很显然基于设备能算一个留存率，基于用户ID也能算一个留存率，两个值一定不等，可能还相差巨大，比如下载站类的App，用户可能就是为了下载某个资源才下载App的，资源下载到了，App也就可以卸载了，所以基于设备的留存率可能低得离谱。

2. 新增留存，还是日活留存？

花钱买量之后，发现新增的用户全是各种积分墙的游戏任务导量进来的，用户压根就没有心思了解下载的是个什么App，就直接卸载了，这时新增留存肯定是惨不忍睹，于是有人搞出个日活留存来，就是第0日来过，在第N日再次来过就算留存。买量的新增用户留不住，但是日积月累留下来的老用户还是挺忠实的，所以这么一算下来，数据就好看很多。很显然，日活越大，新增越少，新增的低留存率影响就越小。

3. 留存率还有两种算法？

一种叫rolling retention，它的先要定义一个时间窗口，比如180天，第0日还是定义用户第一次来，次日留存就是指在第1日至180日区间内又来过就叫次日留存，N日留存就是指从N日至180日区间内又来过，就叫N日留存，这听起来真真切切就是留存的语义化表达。很显然这种计算方式，跟观察的时间窗口大小有关，1日至180日的留存率数值为下降序列，但数据显然会偏大。这种让人心里大爽的计算方式很多大的三方计算平台都会采用。

另一种叫retention，或者叫return rate，就是我们最开始说的最严苛的计算规则。N日留存，就是用户在第0日第一次到来，在第N日再次到来，无论他在0日至N日中间是否来过，也无论他在N日之后是否还来。很显然这种算法的数值未必严格递减，比如一波用户第0天来了，恰好第1天都不来，又恰好第2天都来了，就会出现2日留存比次日留存还大的情况，但数据量越大，越不容易出现非递减问题。这种严苛的算法，相比于rolling retention数值要小得多。它有一种简便算法，就是记录每个用户的首次到来的时间戳，这样用户任何一天来，都知道他贡献的是第几日留存。

综上，将上面的各种维度排列组合一下，可想而知就可以弄出很多种留存率结果来。有的公司会在资方报表上使用亮眼的算法，而在内部沟通时使用严苛算法。