留存分析是一种用来分析用户参与情况以及活跃程度的分析模型。主要考察在某段时间内新使用产品(手机银行、信用卡业务等)的用户，经过一段时间后仍然在使用该产品，即有多少用户留存下来了。
银行可以通过留存分析衡量产品对用户价值的高低，找出增加用户粘性的解决方案。
银行可以通过留存分析衡量产品对用户价值的高低，找出增加用户粘性的解决方案。
步骤一：
留存率是留存分析的最核心指标。第N日留存率 = 第1天新增的用户中，第N天还使用产品的用户数／第1天新增的总用户数。使用产品的用户数可以按照业务需求定义，例如访问网站、打开App等。
做留存分析，首先是监控留存率曲线，评估产品对用户的粘性。留存率曲线的纵轴是留存率，横轴是时间。
以案例为例，一天过后，我们拉新获得的 100% 用户只留下 57%；第 7 天变成了15%；然后缓慢下降，到了第 30 天以后达到一个大约 5% 的效果。这个留存率有些低，需要想办法通过某些方面的改进让它逐步提升。
步骤二：
可以使用拆解分析法来分析问题所在。影响用户留存的重要因素包括用户属性、产品主线(业务流程)、运营活动、获客渠道等。
例如：将新增用户拆解到是哪个月新增的用户。如果某个月的留存率曲线较之前月份有所下降，那通过拆解分析就可以定位到是哪个月出现了问题。问题原因可能是某个产品功能改动或是某次运营活动效果不佳。
再例如：将新增用户拆解到获客渠道，可以对比出哪个渠道是优质渠道，可以加强投入。
步骤三：
想要提高留存曲线，可以改进拆解分析发现的问题，也可以利用用户的基础信息、用户的行为数据（新增用户的关键行为次数：登录次数、信息发送个数、关注人数、分享次数、点赞次数等）进一步对留存用户和流失用户做差异化行为分析。
例如，根据案例中的留存率曲线，我们发现1天内是产品的振荡器，3天是留存拐点，3天内是决策期，7天后是平稳期。我们可以重点关注这些日期的留存率。通过联动功能，获得对应的留存用户列表，做进一步的留存用户的用户画像分析。
版权声明及安全提醒：本文转自网络平台，文章仅代表作者观点，不代表「金融文库」立场。相关版权归原作者所有，「金融文库」仅提供免费交流与学习，相关内容与材料请勿用于商业。我们感谢每一位原创作者的辛苦付出与创作，如本转载内容涉及版权及侵权问题，请及时联系我们客服处理（微信号：JRwenku8），谢谢！
