Quick Tracking：留存分析

概述

留存，普遍意義是使用者開始使用產品後，經過一段時間後，仍然繼續使用該產品。

留存分析可以根據業務情境以及產品階段的不同，自訂起始行為和後續行為做留存計算，協助企業分析使用者使用產品的粘性，根據留存分析結果有針對性地調整策略，引導使用者發現產品價值，留住使用者，實現使用者真實的增長。通過留存分析進行查詢後，可以儲存為報表添加到自製看板中進行展示和統計。

應用情境

留存分析可以解決

• 衡量產品對使用者黏性隨時間的變化，驗證使用者目標群體是否在預期時間內是否完成了預估的行為事件，比如觀察活動上線後的新使用者的1天后/7天后留存，以此判斷活動的效果。

• 觀測對產品有價值的功能的持續吸引力，比如選擇初始行為是 “播放短視頻”，回訪事件是“啟動”，瞭解使用者二次開啟 App 的留存情況。

以「統計不同渠道來源的使用者留存」為例

1. 選擇分析主體：登入使用者

2. 自訂留存：初始行為和後續行為均選擇「應用啟動」事件

3. 選擇分組為「渠道屬性」的「來源類型」

4. 選擇時間範圍

5. 點擊「開始分析」

操作說明

頁面組成

留存分析功能，主要由以下幾部分組成：

1. 歷史查詢列表地區：使用者可點擊選擇歷史儲存的查詢列表。

2. 資訊配置區：使用者可進行事件、指標、屬性設定、分組和時間選擇等操作選擇。

3. 介面組成分析結果地區：使用者可查看分析結果後的可視化圖表以及詳細資料。

選擇分析主體

在留存分析模組，除了可以按照裝置ID串聯使用者的行為，還可以支援按照登入使用者ID來串聯使用者的行為，以及使用實體ID來串聯分析使用者的行為，下拉式清單包括“裝置ID”、“帳號ID”和“實體ID”三個選項，預設選擇“裝置ID”。

• 裝置ID：QuickTracking為每一台裝置產生的唯一ID

• 帳號ID：由您通過介面傳入的使用者帳號，用於定義您使用者的唯一ID

• 實體ID：Quick Tracking自主產生的使用者標識，通過ID-Mapping將裝置ID和帳號ID進行1對1關聯，實現帳號登入前後行為的打通。

自訂留存行為

1.點擊下拉選擇具體的事件作為初始行為和後續行為

2.添加篩選條件：

• 支援事件的屬性篩選過濾

  分類名稱	分類描述	具體內容
  系統屬性	該屬性作用於所有事件，並且由SDK採集	系統預置的屬性，例如SDK的版本
  全域屬性	該屬性作用於所有事件，由使用者上報，例如餓了麼的地區	使用者在採集管理平台的全域屬性中做錄入的屬性
  事件屬性	該屬性作用於所有事件，由使用者上報或者系統採集，例如支付事件的支付金額	使用者在採集管理平台的事件屬性中做錄入的屬性

• 根據屬性的不同類型支援不同的篩選符號

  屬性類型	篩選符號	符號定義	舉例
  字串	等於	表示等於一個或多個具體的值	裝置品牌等於華為或蘋果
  	不等於	表示排除一個或多個具體的值	裝置品牌排除華為或蘋果
  	包含	尋找屬性值中包含某些字元的值	裝置品牌中包含華為這個字元
  	不包含	排除屬性值中包含某些字元的值	裝置品牌中不包含華為這個字元
  	為空白	尋找無屬性的資料	無裝置品牌屬性值的
  	不為空白	尋找有屬性值的資料	有裝置品牌屬性值的
  數值型	等於	等於某個具體的數值	訂單金額等於1000
  	不等於	不等於某個具體的數值	訂單金額不等於1000
  	大於	大於某個具體數值	訂單金額大於1000
  	小於	小於某個具體數值	訂單金額小於1000
  	在...與...	在某兩個具體數值之間	訂單金額在1000與5000之間

選擇屬性分組

留存分析可以選擇屬性對指標進行分組展示，比如想統計不同渠道使用者註冊後，後續產生支付行為的留存情況，也可以用兩個屬性進行交叉去分析。

分組計算邏輯說明

沒有分組時計算：

• 所選時間內的日期平鋪，留存會針對每一天的觸發使用者進行留存計算；

• 舉例2023年7月4日觸發了「初始行為」應用啟動（預置）的裝置ID（分析主體）的人數為2012人，7月5日又觸發了「後續行為」應用啟動（預置）裝置ID（分析主體）的人數為956人，留存率為「後續行為」人數（留存數）/「初始行為」人數，得出1日後觸發「初始行為」2012人數的佔比為47.51%（留存率）；

• 以此類推2、3、4、5、6日後的留存率。

有分組時計算：

• 分組：舉例，在計算時間內（20230704-20230712），觸發「初始行為」且分組值等於“IOS”；

• 使用者數：在計算時間內（20230704-20230712），觸發「初始行為」且分組值等於“IOS”的分析主體（裝置ID）數；

• 舉例：在計算時間內（20230704-20230712），觸發「初始行為」應用啟動（預置）且分組值等於“IOS”的這些分析主體（裝置ID）中，一天后又發生了「後續行為」應用啟動（預置）且分組值等於“IOS”的人數（留存數）及佔比（留存率）

• 以此類推2、3、4、5、6日後留存率。

• 與沒有分組的區別：有分組時計算的1日後、2日後不是一個具體日期。比如在20230704中有一個裝置A觸發了「初始行為」且滿足分組值，在20230706再一次觸發了「後續行為」也滿足分組值，則被歸為2日後的留存中。在20230707中有一個裝置B觸發了「初始行為」且滿足分組值，在20230709再一次觸發「後續行為」且滿足分組值，也會被歸為2天后的留存中。

添加全域篩選

當選擇兩個步驟事件指標或者更多時，全域篩選支援基於不同事件之間共有屬性進行公用過濾。具體篩選能力和設定同單事件的屬性過濾能力。

添加使用者分群

需要看特定人群的資料表現時，即可以通過「篩選使用者分群」實現。建立使用者分群具體方案見：人群洞察。

選擇時間範圍

可以根據需求選取查詢的時間範圍和時間粒紋，選擇時間範圍有「相對時段」和「固定時段」兩種方式，相對方式裡面提供預設時間為過去7天，按天分區展示。

• 「相對時段」基於某一錨點往前推的日期範圍，會隨著時間不斷變化，裡面有過去X天/周/月三種維度選項，也支援自訂的去設定過去X天/周/月的時間篩選條件。天為完整的自然天，周的選範圍是周一到周日，月即自然月（每月1號至最後1天）

詳細規則如下：

A、過去n天：基於目前時間往前推完整的n天；

B、過去n周：基於目前時間往前推n個完整的周，如果目前時間是該周的最後一天，那麼過去n周包含目前時間的所在周。樣本：如果目前時間是7.20號（周二），那麼過去1周即為7.12-7.18（周一到周日）；如果目前時間是7.18號（周日），那麼過去1周即為7.12-7.18。

C、過去n月：基於目前時間往前推n個完整的月，如果目前時間是該月的最後一天，那麼過去n月包含目前時間的所在月。樣本：如果目前時間是7.20號，那麼過去1月即為6.1-6.30；如果目前時間是6.30號，那麼過去1月就是6.01-6.30。

• 「固定時段」可以在日曆框中直接選擇起始日期，點擊確認後就會選取目前時間範圍，進行資料分析（固定時段的最大選取範圍是366天）

查看分析圖表與詳細資料

設定完查詢條件並點擊「開始分析」後，可查看分析結果和留存趨勢圖。

• 點擊右上方「匯出資料」可以下載Excel檔案。

• 對常用的指標進行儲存便於後續重新查詢，可以通過右上方「儲存」設定按鈕進行操作。

• 可以點擊右上方切換查看T日後留存率（使用者在發生初始行為後第T天發生後續行為的比率）

詳細資料

在詳細資料中，有統計結果的詳細資料，留存表格查看支援切換「留存數」和「留存率」。使用者數一列展示了發生初始行為的去重裝置/登入使用者數。

儲存資料到報表

1.輸入報表名稱

2.選擇報表儲存的時段

- 「不同時段對報表的影響」

• 選擇相對時段，報表日期可以根據看板選擇時間做查詢

• 選擇固定時段，報表日期不會根據看板選擇時間而改變

• 沒有選擇時段，報表日期會跟隨看板選擇的時間

3.點擊「確定」按鈕即可把資料儲存到報表列表

添加報表到看板

對於已經的儲存報表，可以選擇添加報表到看板：

1. 輸入「報表名稱」

2. 選擇添加的看板

3. 選擇圖表希望的展示類型

4. 選擇圖表在自製看板中的展示布局

5. 進階設定根據需要展示的看板規則選擇即可

6. 點擊「確定」即可

留存分析計算邏輯

1.自訂留存含義

在Quick Tracking中使用的是N day 留存，即分析：某一天/周/月觸發某個事件的使用者，是否在N天/周/月時後觸發了某個事件，觸發的使用者我們記為留存使用者。

針對營運目標，可以對使用者的留存做更進一步的定義，明確使用者的初始事件和回訪事件。

• 初始事件：只有在當日觸發過該事件的裝置/登入使用者，才能參與後續的自訂留存計算。可以通過條件式篩選功能設定具體的事件屬性及屬性值，以此圈定更為細緻的使用者群體

• 回訪事件：只有使用者在觸發過回訪事件後才會計算為留存使用者。可以通過條件式篩選功能設定具體的事件屬性及屬性值，以此設定更嚴格的回訪行為。

注意：使用者如果觸發多次初始事件和回訪事件，當天/周/月只計數一次，即為去重裝置/登入使用者數。

2.確認留存的統計區間

時間範圍限制的是初始行為發生的日期，在Quick Tracking中可以觀測使用者在初始行為發生的日期後，使用者在1,2,...,7天后以及14天后和30天后的留存情況。

舉例：假設定義初始行為是 X 事件，回訪行為是 Y 事件。在05.01-05.08選定時間範圍內，使用者小A在5.01發生了X事件，接下來每天發生的事件如下：

則在計算05.01號的留存的時候，使用者小A會被統計在2天后、3天后、6天后和7天后的留存使用者裡。

3.設定留存的條件限制

我們可以用不同的篩選條件對留存進行限制，篩選邏輯如下：

• 支援按照事件的篩選條件和全域篩選條件對事件進行過濾

• 全域篩選條件作用於初始和回訪事件

• 如果配置了事件的篩選條件和全域的篩選條件，則篩選條件邏輯為：事件篩選條件 &全域篩選條件

舉例：觀測具體浙江省的年齡階段在「18-35」的女性使用者對化妝品A再次購買的留存情況。選擇初始行為為「支付成功」，後續行為為「支付成功」，可以這樣選擇篩選條件「省份=浙江 & 年齡段=18-25 & 商品id=化妝品A」

4.對留存進行對比分析

在查詢條件中加入分組篩選，對比不同分組值下留存的比較

• 支援預置屬性和全域屬性對留存進行分組

• 分組條件作用於初始和回訪事件

• 如果一個使用者在時間範圍內滿足多個分組條件，會歸入多個分組。

5.對留存指標進行解讀

初始行為使用者數：某一天/周/月發生初始行為使用者的去重裝置/登入使用者數

留存數：指 N 日/周/月後發生了後續行為的去重裝置/登入使用者數

留存率：指 N 日/周/月後發生了後續行為的留存使用者在初始行為使用者中的佔比