留存分析是对用户活跃程度进行分析的方法，主要考察用户对产品的粘性。用户在某段时间内开始使用产品，经过一段时间后，仍然继续使用该产品的用户，被认作是留存用户。

由上可知，留存是个跨时间阶段的概念，是将第一阶段的用户与第二阶段的用户进行比较，这两阶段的用户有一些内在联系。

我们用S1表示第一阶段，S2表示第二阶段，则留存率 = 间隔时间段（S2行为，某种类型）用户数/（某时间段，S1行为，某种类型）用户数，其中，S2阶段的用户以S1阶段的用户为基础，是S1阶段的用户的子集。

这个公式表明留存率相关的5个因素：初始用户圈选时间段、初始用户行为、用户类型、分析间隔时间段、回访用户行为。初始用户圈选时间段指选择分析的用户基数时间范围，分析间隔时间段指所考量的留存状况的时间跨度。

U-Dplus产品里有三种留存的概念，按照留存率5因素进行区分，由于这三种留存的初始用户圈选时间段与分析间隔时间段相同，所以只列出相区别的三个因素。

对于标准留存，它的全意为，初次使用产品的新用户，在后续时间内再次使用产品的用户留量。这是用于判断一款产品的用户粘性的概括性指标。刷友盟

对于自定义留存1的概念，它意为某类产生A行为的用户，过一段时间，再次触发A行为的用户存量。这种留存主要用来判定产品的某种功能对用户的价值，特别是周期性的产品功能。比如美柚，一款记录女性生理周期的产品，它里面的“记录”功能就具有很强的周期性。美柚开发者可通过将S1和S2行为都设置为“记录”，来查看该行为的月留存数据，据此可以分析出该“记录”功能的使用情况，判断出它对用户的价值。

对于自定义留存2，它意为某类产生A行为的用户，过一段时间，产生B行为的用户存量。这个指标主要用来分析产生B行为的前续行为A，对产生B行为带来的用户价值。一般我们将B行为设为业务核心行为，是产品最希望用户触发的行为。通过查看这个留存指标，来判定引导到B行为的前续行为的价值，进而采取相应的营销措施。比如电商网站将B行为设置为订单支付，将A行为设置为“加购”或“收藏”，可以查看“加购”或“收藏”对于订单支付的用户价值。再或者资讯类网站，“分享”是它们对用户的核心诉求，则可以将B行为设置为“分享”，将A行为设置为“关注”或“收藏”等，可以判定这些行为对“分享”的用户价值。

以上了解了U-Dplus提供的三种留存概念，我们通过一个例子来阐述留存分析这个工具的使用方法，我们以自定义留存2为例，举一个初始行为为加购，回访行为为购买的例子。

1.打开自定义留存界面

点击左侧导航栏“分析工具-留存分析”，默认显示“标准留存”，然后切换到“自定义留存”中，界面如下：

2.新建留存分析

点击上图的“+新建留存分析”。出现新建留存分析界面。我们进行如下的操作步骤：

（1）我们首先完成留存信息的基本设置；

（2）将留存分析的名称改为：U-Dplus2.0_留存分析_测试留存1，备注填写：加购-支付的留存分析；

（3）数据源选择“全部”；

（4）用户选择“活跃用户”；

（5）规则选择：单次；

（6）时间选择：2017.3.13-2017.3.19；

（7）设置初始事件与回访时间：在初始事件内选择“加入购物车”，回访事件内选择“付款成功”。

（8）最后点击“保存”，进入自定义留存列表中。刷友盟数据

此时，我们看到看到当前运行状态列显示”运行中”,一般预计运行完成时间是4小时。

3.查看自定义留存详情 运行完毕，点击眼睛图标，进入自定义留存详情页面。

从图中可以看到,3月13号到3月19号这段时间的新增用户在接下来每天的留存情况。我们以首行为例来解释：

“<1天”留存率=3月13号当天加购用户在当日发生购买的人数/3月13号当天加购用户数；

“1天”留存率=3月13号当天加购用户在3月14号发生购买的人数/3月13号当天加购用户数；

将查看时间维度切换到周：

按照自然周的概念，2017-03-13至2017-03-19跨越两个自然周：“2017-03-12至2017-03-18”和“2017-03-19至2017-03-25”，因此按周查看时，时间维度有两周。“2017-03-12至2017-03-18”的新增用户是指从12号至18号的用户之和，按天累计相加。

将查看时间维度切换到月，此时无数据。因为此时选择的查看日期小于30天。无法按照月查看。

不同比率区间的颜色表示不同。颜色区分区间为[100%~80%]、[80%~60%]、[60%~40%]、[40%~20%]、[20%~0%]

留存分析可用于以下场景：

（1）判断新用户对产品的粘性。

（2）判定产品的某种核心功能对用户的价值。

（3）发现产品关键行为的前续行为的价值，进而采取相应的营销措施。